基于主顏色歸一化轉動慣量的圖像檢索方法

摘要:為克服傳統顏色直方圖無法反映顏色的空間信息這一缺陷，該文提出了一種結合顏色直方圖和主顏色NMI不變特征的圖像檢索方法。求取的主顏色的NMI不變特征即反映了圖像的大體輪廓也包含了主顏色的空間信息，實驗結果表明，該方法獲得了圖像的顏色信息和形狀信息，彌補了傳統顏色直方圖的不足，具有良好的檢索效果。

關鍵詞:顏色直方圖;歸一化轉動慣量;圖像檢索

中圖分類號:TP391文獻標識碼:A文章編號:1009-3044(2010)01-179-02

Image Retrieval Method Based on NMI Invariable Feature of Dominant Color

NIE Jia-na1， LI Bo2， LI Xian-ling1， ZHAO Jing-xiu1

(1.School of Computer Science， QuFu Normal Universty， Rizhao 273165， China; 2.Computer Science Technology， TangShan College， Tangshan 063000， China)

Abstract: Content-based image retrieval is an investigative hotspot of the domain and foreign at present， the traditional color image retrieval based on color histograms can't include the spatial distribution information of color， and leads high noise ratio. The image retrieval method based on NMI invariable feature of dominant color combines the feature of color with shape， the dominant color is determined by color histogram， the shape feature can be described by the NMI invariable feature of dominant color. The results of experiment show that this approach includes the color and the spatial distribution information of dominant color， and has better retrieval effectiveness.

Key words: color histogram; NMI invariable feature; image retrieval

基于內容的圖像檢索技術是一個非常活躍的領域，基于內容的圖像檢索技術的核心是表征圖像的特征，作為圖像的索引，計算查詢圖像和目標圖像的相似距離，按相似度進行檢索[1]。圖像的特征一般指圖像的顏色、形狀、紋理等，圖像特征的提取是基于內容的圖像檢索系統的關鍵。顏色是圖像中最直接最簡單的特征，基于顏色特征的圖像檢索技術得到了最早的應用[2]。然而傳統的顏色直方圖方法丟失了顏色的空間分布信息[3]，以至會出現兩個顏色直方圖相同或相近的圖像由于顏色的空間分布差別很大，圖像內容差別很大，并且單純使用顏色、形狀和紋理等某一種底層特征進行圖像檢索，其效果難以達到實際應用的要求[4]。綜合多種特征的圖像檢索已成為基于內容的圖像檢索的研究熱點，尤其顏色信息和空間信息的融合成為眾多學者研究的焦點[5-6]。考慮 到由于不同顏色的像素點在空間中占據不同的區域才呈現出來不同的圖像，一幅圖像的描述可通過不同顏色的像素點占據的區域得以實現，為此，筆者提出了基于圖像主顏色NMI不變特征的圖像檢索方法。

1顏色直方圖和圖像主顏色的獲取

常用的顏色空間有RGB、CMY/CMYK、HIS、YcbCr、HSV等。一般認為，RGB顏色空間與人眼的感知差距很大，而HSV顏色空間直接對應人眼色彩視覺特征的三個要素:色調、飽和度和亮度。在這三個分量中，色調尤其影響著人類的視覺判斷。由于HSV空間各軸在視覺上彼此無關，空間距離更符合人眼視覺特征，并且從RGB到HSV的轉換是一個簡單且快速的非線性變換，因此本文使用HSV顏色空間作為彩色圖像的色彩模型。

將RGB空間中一點的R，G，B轉換到H，S，V空間，得到相應的H，S，V值，即

■

其中S∈[0，1]，V∈[0，1]，為使H∈[0，1]，將H進行歸一化H=H/360°。

對顏色空間進行量化，再計算直方圖可以減少計算量，提高檢索效率。本文將色調量化為6個級別，將飽和度量化為4個級別，將亮度量化為3個級別，則圖像的顏色空間共量化為72個級別。具體方法如下:

■

按照以上的量化級，把三個顏色分量合成為1個一維特征矢量:G=12H+3S+V，G的取值范圍為[0，1，...，71]這樣，就把H，S，V這3個分量在一維上分布開來。據此將圖像中的每一個像素的顏色值量化到72種顏色當中的一種。

顏色直方圖H是表征顏色特征的方法之一，它的橫軸表示顏色值p，縱軸表示具有相同顏色值的像素個數在整幅圖像中所占的比率，用H(p)表示。本文將顏色空間量化為72個等級，因此p的取值范圍為1到72，整幅圖像的顏色特征向量為H=(H(1)，H(2)，…，H(72))。

本文取整幅圖像中H(p)的值按降序排列后，前五個值對應的顏色為圖像的主顏色。

1 圖像主顏色的歸一化轉動慣量的獲取

不同顏色的像素占據不同的區域就形成了不同的形狀。本文從物理學的角度，利用圖像主顏色的歸一化轉動慣量即NMI不變特征來表示該圖像的形狀[7]。

對一幅圖像，將某主顏色定位為目標，其它均為背景，圖像f(i，j)，i=0，1，……，M-1;j=0，1，……，N-1，該主顏色區域的質量記為m(f(i，j))，則

該主顏色區域的重心記為CG(i，j)，其中:

該主顏色區域圍繞其中任一點(i0，j0)的轉動慣量記為J(i0，j0)，則:

該主顏色區域的歸一化轉動慣量記為NMI(f(i，j))，則:

為了保持NMI對縮放的不變性，對上式可修改如下:

2 基于主顏色NMI不變特征的圖像檢索方法的算法實現

1)將彩色圖像轉換到HSV顏色空間，分別對H，S，V分量進行相應量化，并將目標圖像中每個像素的顏色值根據量化結果重新賦值;

2)生成圖像的顏色直方圖并獲取圖像的主顏色;

3)計算圖像各主顏色的歸一化轉動慣量;

4)根據公式(5)進行相似度匹配，檢索圖像;

其中，HP和HQ是圖像P和Q的顏色特征向量，NMIP和NMIQ分別是圖像P和Q的主顏色的形狀特征向量，w1+w2=1。

3 實驗結果及評價

檢索的目標是發現和提取需要的圖像，所以更多情況下要考慮所檢索出來的相似圖像的數量和排序等級。本文以準確度和有效性這兩個檢索系統的評價準則來評價基于本文的圖像檢索方法的優劣[8]。

準確度=有關聯的正確檢索結果/所有檢索到的結果。

具體對實驗組中的每幅圖象i和每一個查詢范例j，確定一個以系統分配的序Pj(i)為中心，寬度為σj(i)的窗。通過比較系統和人分別對第i幅圖像相對于查詢范例j的排序來推斷檢索的有效性。一個排序所用的測度可表示為:

這個測度值給出了將圖像i排在位置Pj(i)-σj(i)和Pj(i)+σj(i)之間的人數σj(i)的和，根據測度值可比較檢索效果的優劣。

該圖像檢索實驗使用的圖像庫共有1000幅圖像，包括風景、人物、動物、花卉、建筑等。圖像的顏色-轉動慣量特征預先計算好并放在數據庫中。這里使用左上角的同一幅圖像作為樣本圖像進行檢索。傳統的顏色直方圖方法(見圖1)，前18幅圖像的準確度約為50%;基于本文的檢索方法(見圖2)，前18幅圖像的準確度約為78%。在圖1中第一行第三、四、五幅圖像與樣本圖像差異很大，但卻由于顏色直方圖與樣本圖像的相近而在檢索結果中很靠前，這與人類的視覺效果不相符合，顯然其檢索的有效性較差。這種情況在本文的檢索技術中得到改進。基于顏色直方圖和主顏色歸一化轉動慣量的圖像檢索方法返回了從圖像顏色及其形狀上看更為相似的圖像，比基于顏色直方圖的圖像檢索方法明顯的提高了基于內容的圖像檢索精度。

4 結束語

本文針對顏色直方圖無法反映顏色空間分布的信息，從而導致圖像檢索中難于區分直方圖相同或相近而圖像差異很大的情況，提出了一種結合顏色直方圖和主顏色歸一化轉動慣量的圖像檢索方法。實驗表明，該方法簡單、有效，通過利用圖像的顏色信息和形狀信息能夠更準確地表示圖像的內容特征，從而明顯的區分了傳統顏色直方圖無法區分的圖像，提高了查詢的精度。

參考文獻:

[1] 章毓晉，基于內容的視覺信息檢索[M].北京:科學出版社，2003.

[2] ANDROUTSOS D， PLATANIOTISS N，Venetsanopoulos A N.Distance Measures for Color Image Retrieval[J].Proceedings of 1998 International Conference on Image Processing，ICIP' 98，1998(2):770.

[3] Rao A， Srihari R K， Zhang Z. Spatial color histograms for content-based image retrieval[C]//in Proceedings of the IEEE International Conference on Tools with Artificial Intelligence， 1999:183-186.

[4] 李元臣，李志先.基于綜合特征的圖像信息檢索[J].情報雜志，2008，1(5):118-120.

[5] 韓軒，陳海山.綜合顏色和局部空間特征的彩色圖像檢索方法[J].計算機技術與應用，2008，18(1):122-124.

[6] 黃晶，倪林.基于顏色塊的半徑和角度直方圖的圖像檢索[J].計算機工程，2008，34(10):202-204.

[7] 王振海.基于NMI不變特征的二值商標圖像檢索方法研究[J].微型電腦應用，2005，22(7):209-210.

[8] MULLER H， MULLER W， SQUIRE D M， et al. Performance evaluation in content-based image retrieval: overview and proposals[J].Pattern Recognition Letters，2001，22(5):593-601.