基于圖像全局和局部顏色特征的圖像檢索

陳雅芳，薛清福，陳方芳，陳旭東

陳雅芳，薛清福/泉州醫(yī)學(xué)高等專科學(xué)校講師（福建泉州362000）；陳方芳，陳旭東/泉州黎明職業(yè)大學(xué)講師（福建泉州 362000）。

一、前言

21世紀(jì)互聯(lián)網(wǎng)技術(shù)與多媒體技術(shù)突飛猛進(jìn)發(fā)展，與此同時(shí)圖像檢索問題日益突出，其主要體現(xiàn)在三個(gè)方面：第一，怎樣做到高效率、高質(zhì)量刻畫圖像；第二，怎樣準(zhǔn)確、全面地表達(dá)出圖像內(nèi)容；第三，怎樣利用數(shù)據(jù)結(jié)構(gòu)反映出圖像各類特征等。近年來，盡管各國不斷加大對圖像檢索相關(guān)問題研究投入，但受諸多不穩(wěn)定性因素的影響，以致圖像檢索仍始終圍繞單一特征為中心進(jìn)行，未能夠取得實(shí)質(zhì)上的突破。

這里提出了一種新型的圖像檢索方法——基于圖像全局和局部顏色特征的圖像檢索。該種圖像檢索方法既能夠準(zhǔn)確、全面地表征圖像，又因依托于人眼視覺特征而使得檢索效率大大提高。首先，將全局顏色特征定位于從符合視覺感知特征的顏色空間中獲取的圖像顏色均值與方差；其次，對圖像進(jìn)行子塊劃分，并借助高斯加權(quán)系數(shù)對各子塊進(jìn)行加權(quán)；再次，將局部顏色特征定位于通過對各子塊進(jìn)行加權(quán)取得均值，之后對均值予以二值化便可獲取到顏色位圖，同時(shí)對各圖像子塊進(jìn)行垂直與水平處理；最后，融合全局顏色特征與局部顏色特征進(jìn)行圖像檢索。

為了有效地組織、管理、瀏覽、檢索圖像數(shù)據(jù)庫筆者，筆者提出了一種綜合全局統(tǒng)計(jì)特征和局部二值位圖特征的圖像檢索算法。分別計(jì)算圖像R、G、B三通道的均值和方差，獲取了圖像的全局統(tǒng)計(jì)特征。然后，根據(jù)塊截?cái)嗑幋a思想，將圖像劃分成4X4的圖像子塊，同樣計(jì)算其均值。若塊均值大于圖像全局均值，則該塊設(shè)為“1”，否則，設(shè)為“0”，由此，得到圖像的二值位圖特征。最后，對歸一化的特征進(jìn)行有機(jī)融合并采用最佳相似匹配函數(shù)進(jìn)行檢索。實(shí)驗(yàn)結(jié)果表明：綜合兩種特征的效果比使用單一特征的效果好；和同類算法相比，該算法魯棒性好，前100幅圖像的平均檢索準(zhǔn)確率達(dá)到63%，相對本文提到的另外兩種算法都提高了4%以上。

二、圖像內(nèi)容描述

圖像內(nèi)容描述作為基于全局與局部顏色特征圖像檢索的重要組成部分，其由顏色特征描述、紋理特征描述、形狀特征描述及空間分布特征描述等部分共同構(gòu)成，具體內(nèi)容表現(xiàn)為：

（一）顏色特征描述

顏色特征是應(yīng)用最早、最廣泛的一種低級特征，與其他因素相比，提取顏色特征步驟較容易，其原因在于色彩具有直觀性，較易引起人們的注意。實(shí)踐表明，顏色特征的提取取決于所選色彩空間，由于某些色彩空間與人感觀不相符，所以僅部分色彩空間符合描述顏色特征要求。通過深入分析發(fā)現(xiàn)，可將色彩空間模型劃分為兩部分，包括面向硬設(shè)備的色彩空間模型與面向視覺感知的色彩空間模型，對于前者以RGB模型為代表，該模型為當(dāng)前應(yīng)用最為廣泛的一種色彩空間。通常情況下，RGB的取值范圍控制在0～255，如RGB為（255，255,255）時(shí)表示為白色，RGB 為（0,255,0）時(shí)表示為綠色，此外，為保證顏色特征描述準(zhǔn)確性，應(yīng)對R、G、B值進(jìn)行歸一化處理。對于后者以HIS模型為代表，其中H表示色度，即人對色彩的感受；S表示飽和度，即顏色的深淺；I表示為亮度。值得注意的是HIS模型通常將分開處理彩色信息與灰度信息，所以HIS色彩模型通常用于分析與描述彩色圖像。除此之外，YCbCr、Lab及CMYK等也是重要的色彩空間。

（二）紋理特征描述

紋理作為一種重要的視覺特征，與人類內(nèi)心感受具有密切的聯(lián)系，通常無法運(yùn)用語言進(jìn)行描述，所以長期以來國內(nèi)外均未對紋理給出明確定義。一般而言，圖像類別不同，其紋理存在較大差異。實(shí)際上，紋理特征既能夠準(zhǔn)確描述像素空間分布的某種規(guī)律性，又能夠全面反映出圖像區(qū)域內(nèi)多個(gè)像素間的聯(lián)系。有的學(xué)者指出，紋理實(shí)質(zhì)上為區(qū)域像素依照一定規(guī)律組合形成的模式；還有的學(xué)者認(rèn)為紋理為相鄰或相近像素相互交織形成的圖案。

近年來，在多位知名學(xué)者的努力下，我國紋理特征的研究突飛猛進(jìn)發(fā)展，并形成了多種有效的紋理特征提取手段，如小波紋理、灰度共生矩陣等，其中以灰度共生矩陣最為常用，即該種紋理特征提取手段為圖像亮度變化的二階統(tǒng)計(jì)，用于揭示相似像素之間的亮度分布與位置分布性質(zhì)，而運(yùn)用共生矩陣獲取到的特征參數(shù)能夠準(zhǔn)確反映出圖像紋理變化狀況，具體體現(xiàn)在四個(gè)方面，包括能量、對比度、相關(guān)性及熵等。

（三）形狀特征描述

形狀作為一種描述圖像內(nèi)容的特征，重在反映圖像的骨架與輪廓。一般而言，對形狀特征提取前必須進(jìn)行圖像分割處理，若分割效果不好，必然會影響到形狀特征提取的高效性；另一方面，若著眼于多視角觀察圖像，可能會導(dǎo)致目標(biāo)形狀差距較顯著，故而應(yīng)保證所提取的形狀特征同時(shí)滿足旋轉(zhuǎn)、平移及縮放不變性等。實(shí)際上，形狀特征最常應(yīng)用于手繪草圖檢索、文字圖像檢索、商標(biāo)檢索及醫(yī)學(xué)圖像檢索等多方面。

截止當(dāng)前，國內(nèi)外已形成多種形狀提取方法，包括邊緣直方圖法、小波輪廓表示法、不變矩法及小波重要系數(shù)法等。

（四）空間分布特征描述

空間分布特征主要用于描述用戶所感興趣的目標(biāo)或物體在圖像中的位置信息。我國通常運(yùn)用下述兩種方法提取空間分布特征：（1）基于分割的空間分布特征提取方法，即該類方法實(shí)質(zhì)上是借助自動分割算法實(shí)現(xiàn)圖像區(qū)域劃分，同時(shí)從圖像場景中挖掘多個(gè)目標(biāo)，之后依托于目標(biāo)的坐標(biāo)及其相對位置索引圖像；（2）基于分塊的空間分布特征提取方法，即該類方法的實(shí)施步驟表現(xiàn)為：一是對圖像進(jìn)行劃分，使其成為多個(gè)子塊，之后對每個(gè)圖像塊的特征進(jìn)行提取；二是依照上下左右的順序索引圖像塊。

空間分布特征反映圖像中目標(biāo)的位置信息，此外還能夠揭示出不同目標(biāo)間的相對關(guān)系。受目標(biāo)位置與目標(biāo)間關(guān)系不確定性的影響，致使必須借助語義實(shí)現(xiàn)空間分布特征描述。

三、基于顏色均值的圖像檢索方法

基于顏色均值的圖像檢索方法工作原理：將圖像的全局特征確定為顏色分布特征；將圖像劃分為若干個(gè)圖像子塊，之后將圖像的局部特征確定為各圖像子塊的顏色位圖；通過融合圖像的全局特征與局部特征進(jìn)行檢索。實(shí)踐表明，基于顏色均值的圖像檢索方法能夠真正意義上實(shí)現(xiàn)高效率、高質(zhì)量檢索。

（一）采用Lab顏色空間

因?yàn)椴捎肦GB顏色分量表示較簡便、直接，所以可置于RGB顏色空間中獲取圖像特征。同時(shí)，由于R、G、B數(shù)值與亮度、色調(diào)、飽和度關(guān)系不密切，以致難以準(zhǔn)確反映出色彩之間的關(guān)系，因此置于RGB顏色空間中獲取圖像特征不科學(xué)、不合理。

對于Lab顏色空間而言，其具備感知均勻性等特征，即L分量能夠準(zhǔn)確感知到色彩的亮度視覺特征，因此可憑借L分量對a、b分量的輸出色階做出適當(dāng)修改，以達(dá)到顏色平衡。特別注意的是Lab顏色空間由三個(gè)通道構(gòu)成，包括L（亮度）a（色調(diào)）b（飽和度）。

（二）在子塊劃分的基礎(chǔ)上增加方向性的考慮

由于顏色空間分布存在差異性，所以要將圖像劃分為若干個(gè)圖像子塊，其中每一圖像子塊既存在空間分布信息的不同，又存在方向上的不同。同時(shí)，在全部圖像中存在著部分空間分布信息極其類似，而方向差異性較大的圖像子塊，因此在進(jìn)行基于圖像全局和局部顏色特征的圖像檢索時(shí)還需要考慮到方向性因素，以此保證圖像檢索的高效率性、高質(zhì)量性。

實(shí)驗(yàn)研究表明，部分圖像子模塊在多個(gè)方向上均存在顏色分布差異，其中以橫縱兩個(gè)方向的差異性最為明顯，所以可著力于橫縱兩個(gè)方向?qū)D像子模塊進(jìn)行投影，并獲取圖像投影均值。

（三）綜合全局與局部特征進(jìn)行相似性度量

從物理層面看，全局特征與局部特征存在著一定的差異性，所以應(yīng)分別對全局特征與局部特征予以度量，其中選用歐式距離對全局特征μ和σ之間的相似性予以度量；選用城區(qū)距離對局部特征予以度量。同時(shí)，基于全局特征與局部特征的取值范圍有所差異，因此為確保二者得以有效的綜合利用，需要事先對二者作出歸一化處理，盡可能縮小二者的取值范圍差距。

實(shí)驗(yàn)結(jié)果進(jìn)一步驗(yàn)證了本文算法比參考文獻(xiàn)[8]中提到的算法更具高效性，其中參考文獻(xiàn)[8]中提到的算法采用RGB顏色空間，由上可知，R、G、B數(shù)值與亮度、色調(diào)、飽和度關(guān)系不密切，以致難以準(zhǔn)確反映出色彩之間的關(guān)系，所以難以達(dá)到預(yù)期的圖像檢索目標(biāo)。而本文算法采用Lab顏色空間，該顏色空間能夠彌補(bǔ)RGB顏色空間中的不足，能夠達(dá)到提高檢索效率的目標(biāo)。即首先將圖像劃分為若干個(gè)圖像子塊，然后用符合人眼視覺特征的高斯加權(quán)系數(shù)對各圖像子塊進(jìn)行加權(quán)，最后對各圖像子塊做出垂直、水平投影處理，在整個(gè)過程中還考慮到方向性差異因素。

四、結(jié)論

運(yùn)用基于圖像全局和局部顏色特征的圖像檢索技術(shù)能夠真正意義上實(shí)現(xiàn)圖像檢索高效率性、高質(zhì)量性，從而獲取到較好的圖像檢索效果。首先，置于Lab顏色空間中獲取到圖像全局顏色分布特征；其次，以顏色特征的空間分布信息為依據(jù)，將圖像劃分為若干個(gè)圖像子塊，之后用符合人眼視覺特征的高斯加權(quán)系數(shù)對各圖像子塊進(jìn)行加權(quán)，在這個(gè)過程中要考慮到方向性差異因素，對各圖像子塊的均值進(jìn)行二值化，之后得到圖像位圖，并將該圖確定為圖像局部顏色特征。同時(shí)，對各圖像子塊進(jìn)行垂直、水平投影處理，以增強(qiáng)圖像局部顏色特征的表征能力；最后，融合全局顏色特征與局部顏色特征進(jìn)行圖像檢索。

[1] 白青海.一種基于局部顏色特征的圖像檢索算法[J].內(nèi)蒙古師范大學(xué)學(xué)報(bào)(自然科學(xué)漢文版)，2008(5)

[2] 薛麗霞,冀志敏,王佐成.基于人眼感知度的分塊加權(quán)圖像檢索[J].計(jì)算機(jī)應(yīng)用研究，2011(8)

[3] 張志安,駱斌.基于顏色和空間特征的圖像檢索[J].桂林工學(xué)院學(xué)報(bào)，2007(3)

[4] 甘晨,易法令,王圓妹.基于顏色和紋理特征的圖像檢索技術(shù)研究[J].中國科技信息，2008(8)

[5] 張志安,藺麗華.基于顏色和空間特征的圖像檢索[J].西安科技大學(xué)學(xué)報(bào)，2007(3)

[6] 賈巧麗,王娟,孔兵.基于形狀特征和顏色的服裝圖像檢索[J].現(xiàn)代計(jì)算機(jī)(專業(yè)版)，2011(7)

[7] 李艷,宋琳琳,白玉峰.一種基于紋理特征的圖像檢索算法[J].內(nèi)蒙古民族大學(xué)學(xué)報(bào)(自然科學(xué)版)，2009(4)

[8] 張水利,鄭秀萍,侯雪梅.結(jié)合空間關(guān)系的顏色直方圖檢索算法[J].山西電子技術(shù)，2009(1)