顏色特征常用的特征提取與匹配方法

1、顏色直方圖：全局顏色直方圖：反映的是圖像中顏色的組成分布，即出現(xiàn)了哪些顏色以及各種顏色出現(xiàn)的概率，Swain和Ballard最先提出了使用顏色直方圖作為圖像顏色特征的表示方法。他們還指出：顏色直方圖相對(duì)于圖像的以觀察軸為軸心的旋轉(zhuǎn)以及幅度不大的平移和縮放等幾何變換是不敏感的，顏色直方圖對(duì)于圖像質(zhì)量的變化（如模糊）也不甚敏感。顏色直方圖的這種特性使得它比較適合于檢索圖像的全局顏色相似性的場(chǎng)合，即通過(guò)比較顏色直方圖的差異來(lái)衡量?jī)煞鶊D像在顏色全局分布上的差異。顏色直方圖的主要性質(zhì)有：直方圖中的數(shù)值都是統(tǒng)計(jì)而來(lái)，描述了該圖像中關(guān)于顏色的數(shù)量特征，可以反映圖像顏色的統(tǒng)計(jì)分布和基本色調(diào)；直方圖只包含了該圖

2、像中某一顏色值出現(xiàn)的頻數(shù)，而丟失了某象素所在的空間位置信息；任一幅圖像都能唯一的給出一幅與它對(duì)應(yīng)的直方圖，但不同的圖像可能有相同的顏色分布，從而就具有相同的直方圖，因此直方圖與圖像是一對(duì)多的關(guān)系；如將圖像劃分為若干個(gè)子區(qū)域，所有子區(qū)域的直方圖之和等于全圖直方圖；一般情況下，由于圖像上的背景和前景物體顏色分布明顯不同，從而在直方圖上會(huì)出現(xiàn)雙峰特性，但背景和前景顏色較為接近的圖像不具有這個(gè)特性。累加直方圖：當(dāng)圖像中的特征并不能取遍所有可取值時(shí)，統(tǒng)計(jì)直方圖中會(huì)出現(xiàn)一些零值。這些零值的出現(xiàn)會(huì)對(duì)相似性度量的計(jì)算帶來(lái)影響，從而使得相似性度量并不能正確反映圖像之間的顏色差別。為解決這個(gè)問(wèn)題，在全局直方圖的基

3、礎(chǔ)上，Stricker和Orengo進(jìn)一步提出了使用“累加顏色直方圖”的概念。在累加直方圖中，相鄰顏色在頻數(shù)上是相關(guān)的。相比一般直方圖，雖然累加直方圖的存儲(chǔ)量和計(jì)算量有很小的增加，但是累加直方圖消除了一般直方圖中常見(jiàn)的零值，也克服了一般直方圖量化過(guò)細(xì)過(guò)粗檢索效果都會(huì)下降的缺陷。一般的顏色直方圖由于顏色空間是三維的，具有相同的三通道獨(dú)立分布，但其聯(lián)合分布并不為一。這種不考慮聯(lián)合分布的方法，會(huì)導(dǎo)致在結(jié)果集中不相似的圖像數(shù)目增加。因此便產(chǎn)生了1x3D的顏色直方圖，設(shè)三個(gè)通道的量化級(jí)數(shù)分別是I、mn,則總的量化級(jí)數(shù)K=lxmxn。這種方法雖然克服了一維的缺點(diǎn)，但顏色分辨率較低，而特征為數(shù)較高。對(duì)于一般

4、的直方圖特征維數(shù)是K=l+m+n,因此1x3D直方圖的高維數(shù)，給特征處理帶來(lái)了極大的不便。因此便想到了量化直方圖。考慮到不同顏色空間的特性，各通道對(duì)人眼的視覺(jué)重要程度不同，可以對(duì)不同的顏色通道給于不同的量化級(jí)數(shù)。預(yù)先給定量化級(jí)數(shù)，用聯(lián)合的方法建立直方圖比較簡(jiǎn)單，但是卻存在一下的不足：首先，沒(méi)有考慮圖像本身的特點(diǎn)；其次，沒(méi)有考慮顏色空間的特點(diǎn)，I、mn的不同取值，不足以反映不同顏色空間的3D分布情況；最后，顏色集合的代表性差。主色調(diào)直方圖方法：考慮到量化直方圖的上述問(wèn)題便產(chǎn)生了主色調(diào)直方圖的方法。因一幅圖像中，往往少數(shù)幾種顏色就涵蓋了圖像的大多數(shù)像素，而且不同顏色在圖像中的出現(xiàn)概率是不同的，因此

5、，可以通過(guò)統(tǒng)計(jì)圖像中各種顏色出現(xiàn)的概率，選出最頻繁出現(xiàn)的幾種做為主色。使用主色并不會(huì)降低顏色匹配的效果，因?yàn)轭伾狈綀D中出現(xiàn)頻率很低的哪些顏色往往不是圖像的主要內(nèi)容，從某種程度上講，是對(duì)圖像內(nèi)容表示的一種噪聲。顏色矩：顏色矩是一種簡(jiǎn)單而有效的顏色特征，是由Stricker和Oreng提出的，這種方法的數(shù)學(xué)基礎(chǔ)是圖像中的任何的顏色分布均可以用它的矩來(lái)表示。此外，由于顏色分布信息主要集中在低階矩中，因此，僅采用顏色的一階矩(mean)、二階矩(Varianee)和三階矩(Skewness)就足以表達(dá)圖像的顏色分布，與顏色直方圖相比，該方法的另一個(gè)好處是無(wú)須對(duì)特征進(jìn)行量化。設(shè)p(i,j)圖像的像素值

6、，N為像素?cái)?shù)，貝Mean=(sum(p(l,j)/NVariance=sqrt(sum(p(l,j)-meanF2/N)Skewness=Variance=(sum(p(l,j)-mean)A3/N)A1/3圖像的顏色矩一共有九個(gè)分量，每個(gè)顏色通道均有三個(gè)低階矩。顏色矩僅僅使用少數(shù)幾個(gè)矩，從而導(dǎo)致過(guò)多的虛警，因此顏色矩常和其他特征結(jié)合使用。顏色集：為了提高檢索的速度，Smith和Chang提出了用顏色集的方法，首先將RGB顏色空間轉(zhuǎn)換成視覺(jué)均衡的顏色空間(HSV，并將顏色空間量化成若干個(gè)bin，然后運(yùn)用顏色自動(dòng)分割技術(shù)將圖像分為若干個(gè)區(qū)域，每個(gè)區(qū)域用量化顏色空間的某個(gè)顏色分量來(lái)索引，從而將圖像

7、表達(dá)成一個(gè)二進(jìn)制的顏色索引表。在圖像匹配中，比較不同圖像顏色集之間的距離和顏色區(qū)域的空間關(guān)系。因?yàn)?，顏色集表達(dá)為二進(jìn)制的特征向量，可以構(gòu)造二分查照樹來(lái)加快檢索速度，對(duì)大規(guī)模的圖象集合十分有力。圖像的顏色聚合向量：圖像的顏色聚合向量是顏色直方圖的一種演變，其核心思想是將屬于直方圖每一個(gè)bin的像素分為兩部分：如果該bin內(nèi)的某些像素所占據(jù)的連續(xù)區(qū)域的面積大于給定的閾值，則該區(qū)域內(nèi)的像素作為聚合像素，否則作為非聚合像素。設(shè)a(i)和b(i)分別是第i個(gè)bin中聚合像素和非聚合像素的數(shù)量，圖像的聚合向量可以表示為(a(1),b(1),(a(2),b(2),(a(3),b(3),(a(N),b(N)，

8、而(a(1),b(1),(a(2),b(2),(a(3),b(3),(a(N),b(N)就是該圖像的顏色直方圖。并且包含了顏色分布的空間信息，顏色聚合向量相比顏色直方圖可以達(dá)到更好的檢索效果顏色聚合向量的最大特點(diǎn)是：克服了顏色直方圖和顏色矩的缺點(diǎn)，將顏色在圖像中的空間信息與顏色直方圖結(jié)合了起來(lái)。這樣既考慮了顏色分布的統(tǒng)計(jì)信息，又考慮了顏色的空間分布信息。顏色相關(guān)圖顏色相關(guān)圖(colorcorrelogram)是圖像顏色分布的另一種表達(dá)方式16。這種特征不但刻畫了某一種顏色的像素?cái)?shù)量占整個(gè)圖像的比例，還反映了不同顏色對(duì)之間的空間相關(guān)性。實(shí)驗(yàn)表明，顏色相關(guān)圖比顏色直方圖和顏色聚合向量具有更高的檢索效率，特別是查詢空間關(guān)系一致的圖像。假設(shè)I表示整張圖像的全部像素，lc(i)則表示顏色為c(i)的所有像素。顏色相關(guān)圖可以表達(dá)為：其中i,j1,2,N，k1,2,d，|pl-p2|表示像素pl和p2之間的距離。顏色相關(guān)圖可以看作是一張用顏色對(duì)i,j索引的表，其中i,j的第k個(gè)分量表示顏色為c(i)的像素和顏色為c(j)的