現(xiàn)狀概述及研究方案的確定

1、現(xiàn)狀概述及研究方案的確定一、圖像檢索的目的和意義隨著計(jì)算機(jī)應(yīng)用的普及信息處理技術(shù)的發(fā)展，以文本、圖像、聲音和視頻為主的媒體信息迅速成為信息交流和服務(wù)的主流，現(xiàn)代信息處理的對象和方法都有了很大的變化。大量各種信息被生成、采集、傳輸、流通和應(yīng)用，我們正在快速進(jìn)入一個(gè)信息化的社會。值得關(guān)注的是全世界的數(shù)字圖像的容量正以驚人的速度增長，每天都會產(chǎn)生數(shù)以百萬記的圖像。隨著互聯(lián)網(wǎng)的發(fā)展，越來越多的人能夠更加方便、快捷、經(jīng)濟(jì)地接觸到這些圖像媒體，人們面臨的問題不再是缺少圖像媒體的內(nèi)容，而是如何在浩如煙海的圖像世界中找到自己所需要的信息。如果沒有對圖像及視頻數(shù)據(jù)的自動(dòng)和有效地描述，大量信息將淹沒在信息的海洋之

2、中，無法在需要時(shí)被檢索出來。這就要求有一種能夠快速而且準(zhǔn)確地查找訪問圖像的技術(shù)，也就是所謂的圖像檢索技術(shù)。二、圖像檢索的主要研究內(nèi)容和技術(shù)現(xiàn)狀圖像檢索的過程就是圖像特征的提取、分析及匹配。特征提?。禾崛「鞣N特征，如顏色，紋理，形狀等。根據(jù)提取的特征不同，采取不同的處理，比如提取形狀特征，就需要先進(jìn)行圖像分割和邊緣提取等步驟。選擇合適的算法，并在效率和精確性方面加以改進(jìn)，以適應(yīng)檢索的需要，實(shí)現(xiàn)特征提取模塊。特征分析：對圖像的各種特征進(jìn)行分析，選擇提取效率高、信息濃縮性好的特征，或者將幾種特征進(jìn)行組合，用到檢索領(lǐng)域。特征匹配：選擇何種模型來衡量圖像特征間的相似度。檢索進(jìn)行查詢的層次基本可分為三層:

3、（1）基于原始數(shù)據(jù)的查詢。這是最低層次的查找，每一幅圖像為象素點(diǎn)的簡單有序的集合體，查詢時(shí)相似性的度量標(biāo)準(zhǔn)是點(diǎn)對點(diǎn)的比較。這個(gè)層次的比較是非常具體的，只有在使用相對精確匹配時(shí)才有用。（2）基于特征的查詢。這是較高層次的查詢，在基于特征的層次上描述圖像。圖像特征包括原始屬性：顏色、紋理、形狀等，也包括脫離了原始性的抽象屬性：灰度直方圖，顏色直方圖，空間頻譜圖。不同的特征可以被分成不同的特征矢量組。圖像的區(qū)域劃分基本上是根據(jù)特征矢量的不同特征，同一個(gè)區(qū)域內(nèi)的特征矢量具有相同的屬性。在n維特征空間的查詢，實(shí)質(zhì)上就是目標(biāo)特征矢量的相似性度量。數(shù)據(jù)庫內(nèi)的圖像文件的特征矢量集以及抽取方法，被事先抽取并保存

4、。查詢時(shí)，使用給出的模板，圖像按照庫內(nèi)保存的方法抽取目標(biāo)特征矢量。（3）基于語義的查詢。這是最高層次的查詢?？梢钥醋魇腔趯ο蟮牟樵?。查詢圖像中包括的具體的物體，發(fā)生的場景，圖像所描述的感性色彩等都屬于這個(gè)層次的查詢。目前實(shí)現(xiàn)圖像檢索的手段有很多，包括基于分?jǐn)?shù)維的圖像檢索、基于多顏色空間的圖像檢索方法、基于內(nèi)容的圖像檢索、基于區(qū)域的圖像匹配算法的關(guān)鍵技術(shù)研究、基于顏色特征的圖像檢索方法等等。而且基于圖像處理技術(shù)的日趨成熟，檢索的效果也越來越好，但仍未上升到圖像語義的圖像檢索階段。三、研究方案圖像檢索需要匹配圖像間相似度，因此需要設(shè)計(jì)度量圖像間距離的模型。不同的特征可以被分成不同的特征矢量組。圖

5、像的特征劃分基本上是根據(jù)特征矢量的不同特征。同一個(gè)區(qū)域內(nèi)的特征矢量具有相同的屬性。在n維特征空間的查詢，實(shí)質(zhì)上就是目標(biāo)特征矢量的相似性度量。數(shù)據(jù)庫內(nèi)的圖像文件的特征矢量集以及抽取方法，被事先抽取并保存。查詢時(shí)，使用給出的模板，圖像按照庫內(nèi)保存的方法抽取目標(biāo)特征矢量。于是檢索的設(shè)計(jì)轉(zhuǎn)移到了圖像特征空間的設(shè)計(jì)上。圖像的特征大體分三類：顏色、形狀、紋理。其中圖像數(shù)據(jù)中直接包含的信息就是顏色，具有相同顏色的像點(diǎn)在一起聚合成各種形狀，在人的大腦中抽象成各種符號，如果計(jì)算機(jī)也會這種抽象的過程，那么所有的問題就解決了。因此設(shè)計(jì)圖像特征空間就要包含這種抽象的過程，使計(jì)算機(jī)處理圖像后的結(jié)果盡量接近人腦思考后的結(jié)

6、果。這既有可能會導(dǎo)致圖像搜索上升一個(gè)層次語義層搜索?？梢钥闯鰣D像的語義抽象距離現(xiàn)在已經(jīng)不再遙遠(yuǎn)了。作為圖像的基本特征：顏色，人們針對它已經(jīng)設(shè)計(jì)了很多種算法，包括顏色直方圖、加權(quán)顏色直方圖、顏色聚合度、模板匹配、模糊顏色連通直方圖、顏色恒常性顏色檢索等等，所有這些包括其中一些非常經(jīng)典的算法的都沒有很好的解決圖像特征提取與匹配。因?yàn)樗麄兺际且揽拷y(tǒng)計(jì)學(xué)對圖像處理，而統(tǒng)計(jì)學(xué)一般都會舍棄統(tǒng)計(jì)中出現(xiàn)較小概率的事件從而達(dá)到較高效率的匹配，因此這樣做在匹配結(jié)果上無論如何都不會使人滿意。而且統(tǒng)計(jì)學(xué)往往只統(tǒng)計(jì)顏色信息往往就忽略了空間分布導(dǎo)致了損失了大量有用的圖像信息。所以要設(shè)計(jì)一種N維模板，其中既包含顏色信息

7、又包含空間分布信息。在擁有這種模板后還要設(shè)計(jì)計(jì)算N維矢量間距離的算法。但是RGB顏色空間并非均勻的線性空間，實(shí)驗(yàn)結(jié)果證明，距離一定的兩種顏色，隨這兩種顏色的不同引起人的色知覺的差異是不同的。也就是說，對一定距離的某兩種顏色讓人感到色知覺差異很大，但對另外兩種一樣距離的顏色，可能會讓人感覺差異很小。而在對顏色進(jìn)行聚類量化時(shí)，需要用數(shù)量來描述顏色間的差別，簡稱它為色差，那么RGB顏色空間顯然不能滿足要求。因此需要一個(gè)均勻的顏色空間，在這個(gè)3維空間中，每個(gè)點(diǎn)代表一種顏色，空間中兩點(diǎn)之間的距離代表兩種顏色的色差，距離越小，色差越小，反之，色差越大。因此在這里采用Lab色空間，它是1976年CIE(國際

8、照明委員會)推薦的一種近似的均勻色空間10。自身的優(yōu)勢：前面提到過Lab色彩模型的絕妙之處還在于它彌補(bǔ)了RGB色彩模型色彩分布不均的不足，因?yàn)镽GB模型在藍(lán)色到綠色之間的過渡色彩過多，而在綠色到紅色之間又缺少黃色和其他色彩。另外，它的色域?qū)掗?，它不僅包含了RGB，CMY的所有色域，還能表現(xiàn)它們不能表現(xiàn)的色彩。人的肉眼能感知的色彩，都能通過Lab模型表現(xiàn)出來，因此本實(shí)驗(yàn)中準(zhǔn)備使用Lab色彩模型。試驗(yàn)中主要采用顏色直方圖作為顏色特征采集方式，利用顏色特征進(jìn)行圖像檢索的關(guān)鍵之一是顏色特征的提取。圖像的顏色特征可以是各種顏色的比例分布以及顏色的空間分布等，目前，大部分的檢索系統(tǒng)都采用顏色比例分布作為顏

9、色基本特征，這方面算法的研究，也多以此為基點(diǎn)，這就是圖像領(lǐng)域中的直方圖法。具體做法是，在確定顏色空間的基礎(chǔ)上，統(tǒng)計(jì)每種顏色分量的像素?cái)?shù)占圖像總像素?cái)?shù)的比例，得到圖像各種顏色分量的比例分布直方圖，最后把直方圖作為圖像的顏色特征進(jìn)行圖像檢索。這里簡要介紹一下顏色直方圖：顏色直方圖包含三種具體表達(dá)方式：一般直方圖、累加直方圖和二維直方圖。1）一般直方圖：記為圖像P中某一特征（如Hue）值為Xj的像素的個(gè)數(shù)，為P中的總象素?cái)?shù)。對作歸一化處理，即圖像P的該特征的直方圖為 式中，n為某一特征取值的個(gè)數(shù)。事實(shí)上，直方圖就是某一特征的概率分布。2）累加直方圖：假設(shè)圖像P某一特征的一般直方圖為，令，該特征的累加

10、直方圖為。3） 二維直方圖：設(shè)圖像大小為，由 采用或點(diǎn)陣屏畫得到的圖像為，它的大小也為，由x和y構(gòu)成一個(gè)二元組。稱二元組為圖像的“廣義圖像”，廣義圖像的直方圖就是二維直方圖。二維直方圖中含有原圖像顏色的空間分布信息，對于兩幅顏色組成接近而空間分布不同的圖像，它們在二維直方圖空間的距離相對傳統(tǒng)直方圖空間就會被拉大，從而能夠好的區(qū)別開來。圖像的匹配方法目前有很多，如何用數(shù)值來有效的表示圖像在顏色上的相似度，這便是圖像的相似性度量問題。在模式識別技術(shù)中，特征的相似性度量一般采用距離法，即用特征向量的空間距離來表示。在直方圖檢索中，通過對直方圖之間的距離的設(shè)定，當(dāng)它們的距離小于給定的閾值時(shí)，即認(rèn)為符合

11、檢索結(jié)果。常用的距離度量有絕對距離、歐式距離、馬氏距離、二次距離與直方圖相交距離。（1）絕對值距離（2）歐式距離（3）馬氏距離式中，為直方圖特征矢量的協(xié)方差矩陣。（4）二次距離絕對值距離與歐式距離在計(jì)算中，對直方圖特征每個(gè)顏色分量平等對待，即沒有考慮顏色間的相似性。而在計(jì)算直方圖特征向量的歐式距離時(shí)考慮顏色相似矩陣，可采用二次距離度量。直方圖二次距離度量形式如下：式中 表示色彩對和之間的相似度。（5）直方圖相交距離設(shè)圖相與在某色彩通道上的顏色直方圖分別為和，其中，為亮度的水平數(shù)，則在通道上的直方圖距離定義為式中，綜合三個(gè)通道，則圖象與之間的距離為四、預(yù)期達(dá)到的目標(biāo)1、首先實(shí)現(xiàn)對圖像簡單處理，包括彩色圖轉(zhuǎn)灰度圖、控制灰度圖閥值、輸出灰度直方圖、灰度拉伸及均衡、圖像平移、圖像鏡像、圖像轉(zhuǎn)置、圖像縮放、圖像旋轉(zhuǎn)、傅立葉變換、離散余弦變換、圖像灰度修正、圖像平滑、中值濾波、