摘  要： 針對單獨用顏色特征并不能很好地表達圖像內(nèi)容的問題，提出了綜合利用顏色和形狀特征進行圖像檢索的方法。由于顏色直方圖無法表達空間分布信息，因此采用的顏色特征為顏色自相關(guān)圖，并對色調(diào)進行重疊量化。而形狀特征采用邊緣方向直方圖，并對方向進行重疊量化。仿真實驗表明，綜合利用顏色和形狀特征比單獨用顏色和形狀特征進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

　隨著計算機技術(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視覺特征。本文分別對單獨利用顏色和形狀特征的檢索進行了討論，并對色調(diào)和邊緣方向的量化進行了改進，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特征進行檢索的方法，并對圖像進行了檢索實驗，取得了較滿意的結(jié)果，驗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算圖像間的內(nèi)容相似度，并進行圖像檢索。
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對人眼的感覺貢獻大，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，這是因為它具有平移、尺度和旋轉(zhuǎn)不變性。顏色直方圖無法表達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。這是因為該算法所選取的內(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，仿真實驗表明，該算法比單獨用主色調(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
[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時目標(biāo)跟蹤[J].清華大學(xué)學(xué)報（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．