基于區域的圖像檢索算法

裴志松 唐昌華

（長春工業大學人文信息學院，吉林 長春 130122）

0 引言

基于區域的圖像檢索技術是一門被廣泛研究的信息檢索技術。該項檢索技術由系統對圖像進行提取與識別，解決了傳統的基于關鍵詞檢索中的各種問題。特別是隨著網絡技術與多媒體技術、數據庫技術相互融合，檢索系統開發需求的不斷擴大，是一個頗具生命力的研究方向，針對這一方向深入研究，將具有很大的理論價值和廣泛的應用前景。

1 基于區域圖像檢索綜述

常用的圖像檢索技術大致可以分為基于邊界檢測和基于區域兩種方法。包括：邊界檢測分割法和區域檢測法。邊界法先檢測出圖像中的邊緣點，然后按照一定的策略把這些邊緣點連接成輪廓，封閉邊界所包圍的像素就組成了相應的區域。

基于區域的方法是把圖像中的各個像素依據一定的規則分到各個區域中，這些區域的外圍像素就會構成了區域的邊界，所以關鍵是如何確定像素分類的規則。實際規則中應用的區域分割技術主要有兩種：一種是閾值化算法，另一種是特征空間聚類。特征空間聚類的方法是對閾值分割的一種推廣方式。它采用特征空間點來表示圖像空間中的元素，通過將特征空間的點聚集成團，然后再將它們映射回原圖像空間，來達到取得分割的結果。通常在高維特征空間的聚類，如果只用一個特征往往不能解決的問題，所以，特征空間聚類通常采用多個特征。通常采用的方法有K-均值、模糊聚類、ISODATA 聚類、概率聚類等。區域分割技術有兩種基本形式，一種是根據單個像素，逐漸合并以形成所需的分割區域，另一種是從全局的出發，逐漸分裂切割到所需的分割區域，對應的兩種典型算法分別是區域生長和分裂合并。

2 基于區域的圖像特征的提取

在眾多提取參數中，可以選擇顏色特征作為K-均值聚類的中心，根據每一個小的區域的顏色的均值和標準差的平均值，可以計算出它的紋理特征，進而對圖像進行提取，計算的步驟如下：

（1）在圖像中，選擇一個點作為提取點，然后將其他點都設置為黑色。

（2）通過轉換，將圖像的顏色模式轉變成灰度圖像。

（3）在剛才的灰度圖像上，根據算法，作四層小波變換。

（4）在變換后的每個高頻子帶上，計算他們的平均能量，如公式1所示。

（5）做四層小波變換后，獲得的12個能量值，用合適的比例，組成一個紋理特征向量。

式中，X(i,j)表示紋理圖像，E 表示能量，M、N 是紋理圖像的維數。

每一個單體特征可以定義為，如公式2 所示：

式中，rij表示在區域j 特征i 的向量，維數為K。

圖像的特征定義為，如公式3 所示：

3 基于區域的圖像特征的相似性檢測

在進行圖像匹配的時候，可以獲得各種不同的特征值，但是對于圖像檢索的共享大小不同，所以我們需要對他們進行進一步的歸一化處理，規定相似度S 都在0 到1 之間，并且在某個特征rij內部進行。并且，在計算S 之前，同時要求將特征向量的各分量rijk（表示第i 種方法，第j個區域，第k個分量）統一進行歸一化操作，否則采用S 的線性組合來計算總體相似度S 就變得沒有意義。把這種對rijk的歸一化稱為特征內的歸一化。

特征內部的歸一化可以使特征向量rij與的各分量與rijk具有同等的重要性。因為特征向量的不同分量，都具有不太相同的含義，所以，經過歸一化之后，它們各自的變化幅度也可能有很大不同，如果直接用來計算相似度就會引起很大偏差。所以必須要將特征向量的各分量，都統一的歸一化到一定的范圍中去。所以，我們定義特征向量V=rij，則每一特征向量rij的歸一化過程可以如下：

假設數據庫中共M 幅素材，而m 為素材的索引值，可以這樣定義，如公式4 所示：

表示第m 幅素材的特征向量，而K 是特征向量V=rij的維數。如果我們將所有素材的Vm累積在一起，就能獲得維數為M×K 的矩陣，如公式5 所示：

其中vm,k是特征向量Vm(對應于第m 幅素材）的第k個分量。為了保證個分量能有相同的重要性，矩陣的第k 列是維數為M 的一個列向量，記為vk。最終將每列中的元索，都統一歸一化到指定的值域標準內，這樣就可以保證在計算兩個向量之間的相似度。

根據以上計算，如果能夠融合高斯歸一化方法，可以獲得更好的結果。假設列向量vk是一個高斯數列，可以首先計算該數列的標準方差σk和平均值聲μk，然后式6 來實現高斯歸一化，公式定義如公式6所示：

通過結果分析，將公式6 的分母部分，都替換為經過σk單獨歸一化后，數列中的某個值位于區間[-1，1]范圍中的概率大約為68%。如果用式6，則根據高斯歸化后，其數值在區間[-1，1]范圍中的概率已經達到了99%。所以可以認為數列，通過該方法所有值都己經在[-1，1]范圍中了，高斯歸一化方法的優點在于，即便是數列中存在一些異常的數值，比如過大或者過小，在計算向量間的相似度時，也不會導致分量rijk重要性有所偏差，達到了預期的效果。

4 結束語

通過使用的圖像庫SIMPLIcity 系統提供的測試集。它是從Corel圖像庫中抽取的500 幅圖像，分為：人、醫療器械、建筑物、老虎、山峰、食物等，每類一百幅。分別是使用基于區域的方法對其進行檢索，結果均達到了理想的要求。

［1］呂英華，唐昌華，孔俊，等.A Content-Based Image Retrieval System Using RBF Neural Network[C]//DCDIS 國際會議.2007，10.

［2］章毓晉.圖象工程——圖象理解與計算機視覺[M].北京：清華大學出版社，2000.

［3］WY Ma and B Manjunath.Netra：A Toolbox for Navigating Large Image Databases[C]//Proc.IEEE Int’l Conf.Image Processing.2012：568-571.