摘  要： 針對(duì)單獨(dú)用顏色特征并不能很好地表達(dá)圖像內(nèi)容的問題，提出了綜合利用顏色和形狀特征進(jìn)行圖像檢索的方法。由于顏色直方圖無法表達(dá)空間分布信息，因此采用的顏色特征為顏色自相關(guān)圖，并對(duì)色調(diào)進(jìn)行重疊量化。而形狀特征采用邊緣方向直方圖，并對(duì)方向進(jìn)行重疊量化。仿真實(shí)驗(yàn)表明，綜合利用顏色和形狀特征比單獨(dú)用顏色和形狀特征進(jìn)行圖像檢索的效果要好，提高了圖像檢索的查準(zhǔn)率。
關(guān)鍵詞： 圖像檢索；主色調(diào)； 顏色自相關(guān)圖；邊緣方向直方圖；相似性度量

　隨著計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)的快速發(fā)展以及多媒體和數(shù)碼產(chǎn)品的推廣應(yīng)用，每天都會(huì)產(chǎn)生成千上萬的圖片，如何從這樣海量的圖像庫中準(zhǔn)確、快速地找到滿足用戶的圖像就成為各界的熱點(diǎn)問題。因此，人們提出了基于內(nèi)容的圖像檢索技術(shù)。這種技術(shù)主要包括提取圖像的底層特征，如顏色、紋理、形狀和空間關(guān)系等[1-3]，以及將數(shù)據(jù)庫中圖像和查詢圖像在特征空間進(jìn)行相似性匹配，檢索出與樣本相似的圖像。
顏色和形狀是圖像最重要的兩個(gè)視覺特征。本文分別對(duì)單獨(dú)利用顏色和形狀特征的檢索進(jìn)行了討論，并對(duì)色調(diào)和邊緣方向的量化進(jìn)行了改進(jìn)，引入了重疊量化，使量化結(jié)果更接近人類感知。在此基礎(chǔ)上，提出了一種綜合利用這兩個(gè)特征進(jìn)行檢索的方法，并對(duì)圖像進(jìn)行了檢索實(shí)驗(yàn)，取得了較滿意的結(jié)果，驗(yàn)證了綜合顏色和形狀特征檢索比單一特征檢索的優(yōu)越性。
　本文提出了基于顏色信息和形狀信息的檢索算法。該算法采用HSV顏色空間，對(duì)整幅圖像采用主色調(diào)顏色自相關(guān)圖[4]。而形狀特征采用原始圖像的二值邊緣信息，這里采用邊緣方向直方圖[5]。綜合利用顏色自相關(guān)圖和邊緣方向直方圖來計(jì)算圖像間的內(nèi)容相似度，并進(jìn)行圖像檢索。
1 利用顏色特征的檢索算法
　RGB顏色空間不適用于人眼，因此在顏色空間上選擇了符合人眼視覺感應(yīng)的HSV模型。由于色度H對(duì)人眼的感覺貢獻(xiàn)大，因此在HSV空間可充分發(fā)揮色度的作用。在顏色特征方面，顏色直方圖在圖像檢索中被廣泛采用，這是因?yàn)樗哂衅揭?、尺度和旋轉(zhuǎn)不變性。顏色直方圖無法表達(dá)圖像的空間分布信息，因此存在完全不同的兩幅圖像可能具有相同的顏色直方圖。為此，提取圖像的顏色及其空間分布信息顯得十分必要。本文的顏色特征采用顏色相關(guān)圖。
　對(duì)于一幅圖像I，顏色相關(guān)圖是從聯(lián)合概率分布的角度出發(fā)的，描述的是相隔距離為d像素的一對(duì)像素pi和pj，并分別具有顏色值ci和cj的出現(xiàn)概率Pr，其具體

　不難看出，本文算法能夠較準(zhǔn)確和高效地查找出用戶所需內(nèi)容相似的彩色圖像，并且具有較好的查準(zhǔn)率。這是因?yàn)樵撍惴ㄋx取的內(nèi)容是圖像的主色調(diào)相關(guān)圖和邊緣方向直方圖，主色調(diào)相關(guān)圖反映了圖像的顏色空間特征，而邊緣方向直方圖反映了圖像邊緣的方向性。
　本文綜合圖像的主色調(diào)自相關(guān)圖和圖像的邊緣方向直方圖這兩種圖像特征提出了新的算法，仿真實(shí)驗(yàn)表明，該算法比單獨(dú)用主色調(diào)自相關(guān)圖算法和邊緣方向直方圖算法檢索效果要好。將本文采用的圖像特征與相互反饋的智能算法相結(jié)合，是下一步的研究目標(biāo)。
參考文獻(xiàn)
[1] YOO H W， JANG S H. Extraction of major object feature using VQ clustering for content-based image retrieval[J]．Pattern Recognition， 2002，35（2）：1115-1126．
[2] LIN H J， KAO Y T． A study of shape-based image retrieval[J]． IEEE Computer，2004，22（2）：645-662．
[3] YU H H． Visual image retrieval on compressed domain with Q-distance image signal process[J]． International Journal of Computer Vision，2000，31（1）：134-149．
[4] HUANG J， KUMAR S. Image indexing using color correlograms[C]. Proceedings of the Sixth International Conference on Computer Vision，2003．
[5] 劉惟錦，章毓晉．基于Kalman濾波和邊緣方向直方圖的實(shí)時(shí)目標(biāo)跟蹤[J].清華大學(xué)學(xué)報(bào)（自然科學(xué)版），2008，48（7）：1104-1107．
[6] CANNY J. A computational approach to edge-detection[J].IEEE Transactions on Pattern Analysis and Machine intelligence，1986，8（6）：679-698．