一種基于貼近度的圖片內容檢索技術研究

李新磊 河南師范大學圖書館，河南新鄉 453007

一種基于貼近度的圖片內容檢索技術研究

李新磊 河南師范大學圖書館，河南新鄉 453007

基于內容檢索的實質是將圖像的底層特征進行采集提取，而后對提取的圖像特征進行檢索，當然提取特征與特征檢索手段多種多樣。為了刻畫兩幅圖像相似特征集合之間的相似與接近程度問題，對若干相似性度量標準之間的關系進行了討論，提出解決方案并最終實現。

貼近度；相似性度量；圖像檢索

1、貼近度理論應用于圖像內容集合的一般定義

將一幅圖片的所有像素點作為一個研究對象，將其特征提取特征集合，討論圖像內容的相似程度，也就是考慮兩個特征集合的相似程度。一般的相似度都是基于“距離”的概念來構建的，所以我們在使用貼近度前首先要對距離有明確的定義：

有集合P和集合Q，定義集合P和Q的距離為：

從集合的距離來定義它們之間的貼近度，在考慮P相似于Q的問題上設有集合P和集合Q，定義P和Q的集合貼近度為：

特別地，若P=Q，則P和Q的集合貼近度達到最大值1，即P和Q完全貼近。若P≠Q且P∩Q=Φ，則P和Q的集合貼近度達到最小值0，即P和Q完全不貼近。由此可見，集合貼近度反映了集合之間的相貼近的程度。并且n越大，表明集合之間越貼近；n越小，表明集合之間越不貼近。

由于貼近度是在距離的基礎上定義出來的，它們之間的聯系是緊密的，設S=(U,A)是一個信息系統，P,Q 屬于A ，則，這表明，在距離定義和貼近度定義的意義下，集合距離和集合貼近度之間有著嚴格的互補關系。n越大，表明集合之間距離越??；D越大，表明集合之間距離越大。反之亦然，n越大，表明集合之間貼近度越大（即越相似）；D越大，表明集合之間貼近度越?。丛讲幌嗨疲?/p>

2、圖像特征集合的提取

HSI顏色空間是以人眼的視覺特征為基礎，利用三個相對獨立、容易預測的顏色心理屬性：色度(H ue)、光強度(In tensity)和飽和度(Saturation)來表示顏色，反映了人的視覺系統觀察彩色的格式。色度是由物體反射光線中占優勢的波長來決定，不同的波長產生不同的顏色感覺，如紅、橙、黃、綠、青、藍、紫等。它是彩色最為重要的屬性，是決定顏色本質的基本特性。 顏色飽和度是指一個顏色的鮮明程度，飽和度越高，顏色越深，如深紅、深綠等。在物體反射光的組成中，白色光愈少，色飽和度愈大；顏色中的白色或灰色愈多，其飽和度就越小。光強度是指光波作用于感受器所發生的效應，其大小是由物體反射系數來決定，反射系數越大，物體的光強度愈大，反之愈小，如圖2-1所示。

HSI彩色模型更加容易描述人類眼睛的視覺習慣，其中H代表色調，表示顏色，與波長有關, 是當人眼看一種或多種波長的光時所產生的彩色感覺，它反映顏色的種類，是決定顏色的基本特性，紅色、綠色等都是指色調；S代表飽和度，表示顏色純度，即單色光中滲入白光的程度，對于同一色調的彩色光，飽和度越高，顏色越鮮明，說明越純。從黑到白整個紡錘體的中心軸，就表示像素的不同灰度。它從明度、色相和飽和度三個視覺心理屬性來描述圖像所反映的顏色信息，在人心理感知上更容易被接受。假設基色測量已標準化，即，根據如下公式將RGB顏色模型轉換為HSI顏色模型，從而得到了由明度、色相和飽和度所組成的彩色圖像顏色信息。

由顏色感覺空間的幾何模型圖易知，雙錐體水平面的圓周上，各點的位置表示了光譜上各種不同的色相的顏色屬性(紅黃綠青藍紫)，其值分布在H[)之間，人眼能夠感知的顏色其過渡是連續的，引入粒計算機制對每個像素的色相值進行粒度量化，對應得到M個關于顏色的粒度區間，顏色信息特征可以描述為：H={Red,Yellow,Green,Cyan,Blue,Magenta}，其中每一個顏色特征的隸屬度都由圖2-2的三角函數所示[3]。

人眼能夠感知的顏色其過渡是連續的，每個像素的顏色其過渡是連續的，引入粒計算機制對每個像素的色相H ue值進行?；?。設圖庫中所有圖為論域U，每一幅圖像為研究對象，圖像的各屬性值為相應知識。在對圖像進行分類的過程中，我們沒有必要考慮所有顏色，往往只考慮一部分指定顏色即可以得到較好的分類效果。

根據圖像得到一系列屬性：a1,a2,…,an。對于圖像x，y。如果圖像x的顏色與y的顏色種類不一致（這是常常發生的），極端的情況例如x只有一種顏色，但我們已將其離散化為6種（如何表示我們在下面將詳細討論），對應得到六個關于顏色的區間，顏色信息特征可以構成新的粒集，描述為H ue＝{Red,Yellow,Green,Cyan,Blue,Magenta}，繼而圖像中的像素顏色信息都可以與粒集Hue中的值對應。其中每一個顏色特征的隸屬度都由圖3-3函數所示。

圖像的顏色直方圖反映了像素顏色在所給出圖像中出現的頻率，它可以由向量H表示：H={H[1], H[2],…, H[c],…, H[M],}其中i表示某一種顏色，H[i]表示圖像中顏色i的像素個數，M表示顏色直方圖中顏色種類。

為了便于比較和檢索數據庫中不同尺寸的圖像數據，向量H應該進行規格化，使其特征值在0～1之間，一種常用的規格方法如下，得到規格化的向量H#：H#={H*[1], H*[2],…, H*[i],…, H*[M] },其中 H*[i]＝H[i]/P，P表示了圖像中像素總數。

按照粒計算的理論，上式中H*[i]反映了顏色i在圖像中出現的概率（粒計算隸屬度），那么規格化向量H#本身即為一個粒集。特別地，圖像中出現頻率較高的N種顏色可以視為圖像的主色，若定義N種主色在圖像中的隸屬度為1，那么得到規格化的?；念伾狈綀D向量：表示了圖像中表現為所有顏色的像素點總數，這里＝1。

所提取圖像顏色特征，其粒集顏色直方圖將由圖像的顏色信息在圖像中的出現頻率構成，按照上述方法，對圖像數據庫中的所有圖像，根據上式可以得到每一幅圖像所對應的規格化的粒的直方圖向量。

假設給定一幅圖，依據上面的方法容易構建與圖像數據庫中圖像對應的特征數據的粒集，可將黑、紅、黃、綠、青、藍、紫、白八種顏色的隸屬度進行歸一化后構成粒集S：

3、結果分析與實驗數據

顏色特征集對照表

利用貼近度理論計算得出：

[1]汪培莊.模糊集合論及其應用[M].上海:上?？茖W技術出版社.1983

[2]孫超，韓捷，關惠玲.模糊集的貼近度及多維綜合貼近度[J].鄭州:河南科學.2004，22(02)：143- 166

[3]Y Rui, T S Huang, M Ortega et al.Relevance feedback: a power tool for interactive content-based image retrieval[J]. IEEE Trans on Circuits and Systems for Video Technology,1998

[4]章毓晉.基于內容的視覺信息檢索[M].北京:科學出版社.2003，3-10

[5]徐久成，孫林.基于粒計算貼近度的理論研究.計算機科學[J]. 2006，33(11A)：114-115

10.3969/j.issn.1001-8972.2011.10.070

本文系河南師范大學青年科學基金項目《基于貼近度的統計特征模型在圖像檢索中的應用》階段性成果

李新磊（1 9 7 8—），男，工程師，碩士，畢業于鄭州大學河南省信息網絡重點實驗室，現就職于河南師范大學圖書館，研究方向：計算機網絡。