基于多特征融合的圖像檢索技術(shù)研究與實(shí)現(xiàn)

杜躍 蘇碩 李敬錚

摘? 要：為了滿足精準(zhǔn)、智能、高效的圖像檢索方式，提出了一種基于多特征融合圖像檢索方法，多特征圖像檢索技術(shù)實(shí)現(xiàn)的圖像檢索使用了圖像自身的多特征作為圖像檢索的依據(jù)，提高了圖像搜索的精準(zhǔn)性和高效性。通過測試，實(shí)驗(yàn)結(jié)果證實(shí)了多特征融合圖像檢索技術(shù)利用了圖像的顏色和紋理等作為檢索的特征，多特征融合圖像檢索系統(tǒng)具有一定的學(xué)術(shù)意義和現(xiàn)實(shí)價(jià)值，能夠大幅度提高圖像檢索的精確性，滿足了用戶的需求，具有良好的實(shí)用價(jià)值。

關(guān)鍵詞：多特征融合;圖像檢索;紋理;圖像特征

中圖分類號：TP391.41? ? ? ?文獻(xiàn)標(biāo)識碼：A 文章編號：2096-4706（2020）03-0083-003

Abstract：In order to meet the requirements of accurate，intelligent and efficient image retrieval，a method of image retrieval based on multi feature fusion is proposed. The image retrieval realized by multi feature image retrieval technology uses the multi feature of image itself as the basis of image retrieval，which improves the accuracy and efficiency of image retrieval. Through the test，the experimental results confirm that the multi feature fusion image retrieval technology uses the color and texture of the image as the retrieval features. The multi feature fusion image retrieval system has certain academic significance and practical value，can greatly improve the accuracy of image retrieval，meet the needs of users，and has good practical value.

0? 引? 言

當(dāng)前，隨著科學(xué)技術(shù)的發(fā)展，互聯(lián)網(wǎng)技術(shù)不斷發(fā)展，但是圖像檢索的效率仍然過于低下，互聯(lián)網(wǎng)的高速發(fā)展給人們提供了大量的信息資源，但是不斷增加的數(shù)據(jù)資源也給人們帶來了一定的困難，即如何在海量數(shù)據(jù)資源中實(shí)現(xiàn)對信息的檢索，提高用戶的查詢效率，因此目前急需一種更加精準(zhǔn)、高效、智能的圖像檢索技術(shù)。本文以圖像的多特征性作為圖像檢索的關(guān)鍵，由于圖像各特征均蘊(yùn)含著大量圖像自身的內(nèi)容，利用圖像的多特征進(jìn)行圖像檢索可以大幅度提高圖像檢索的性能，但由于在多特征融合圖像檢索技術(shù)中，很多圖像的特征都具有相似性，并且圖像具有多樣性，因此如何利用圖像的多特征實(shí)現(xiàn)圖像檢索是目前困擾學(xué)術(shù)界最主要的問題。作者對基于內(nèi)容的圖像檢索技術(shù)進(jìn)行闡述，并且設(shè)計(jì)一種基于多特征融合的圖像檢索技術(shù)，使用圖像顏色和紋理等特征基于不同的權(quán)值進(jìn)行圖像檢索，提高了圖像檢索的效率和精準(zhǔn)性。

1? 基于多特征融合的圖像檢索技術(shù)系統(tǒng)結(jié)構(gòu)

基于多特征融合圖像檢索技術(shù)的系統(tǒng)結(jié)構(gòu)主要分為兩個(gè)子系統(tǒng)，分別是數(shù)據(jù)庫生成系統(tǒng)和圖像查詢系統(tǒng)，其中數(shù)據(jù)庫生成系統(tǒng)主要是通過數(shù)據(jù)的傳輸和數(shù)據(jù)的收集實(shí)現(xiàn)，而圖像的查詢系統(tǒng)是通過圖像的特征進(jìn)行圖像檢索和查詢。數(shù)據(jù)庫的生成系統(tǒng)主要進(jìn)行對圖像的收集以及圖像特征的處理，其中圖像的收集和處理包括對圖像的處理如圖像格式的處理、色彩空間的處理、圖像比例的調(diào)整分析，本文基于圖像內(nèi)容的處理和收集建立在圖像特征收集的基礎(chǔ)上，圖像特征的收集是多特征融合圖像檢索技術(shù)的根本，特征主要包括圖像的顏色、圖像的紋理、圖像的形狀等等。

1.1? 圖像特征收集處理系統(tǒng)

圖像的檢索系統(tǒng)建立在圖像特征收集處理系統(tǒng)基礎(chǔ)上，由查詢、結(jié)果瀏覽以及檢索引擎組成。對于圖像的檢索一般可以分為三個(gè)基本步驟：首先需要通過圖像庫生成系統(tǒng)圖像的數(shù)據(jù)庫，然后用戶基于自身的需求如圖像數(shù)目、圖像類型、圖像特征等，通過系統(tǒng)進(jìn)行圖像檢索及相關(guān)圖像的搜索。用戶向系統(tǒng)提交檢索需求之后，搜索引擎通過對用戶的數(shù)據(jù)進(jìn)行處理并在數(shù)據(jù)庫中進(jìn)行查找，對于圖像的特征進(jìn)行計(jì)算之后尋找到客戶需要的圖像，并且根據(jù)圖像對比與客戶需求的達(dá)標(biāo)程度和相似程度進(jìn)行圖像排列，最后進(jìn)行圖像顯示。

1.2? 圖像檢索技術(shù)

目前，全世界范圍內(nèi)都對圖像檢索進(jìn)行了大量的研究，我國同樣也開展了相關(guān)研究，目前多項(xiàng)工作都是建立在基于文本的圖像檢索或基于單特征的圖像檢索。本文基于多特征融合的圖像檢索系統(tǒng)利用圖像的顏色和圖像的紋理特征，根據(jù)圖像中的內(nèi)容提出圖像特征并對圖像進(jìn)行相似性計(jì)算，檢索流程如圖1所示。基于內(nèi)容的圖像檢索技術(shù)中關(guān)鍵性在于如何對圖像進(jìn)行特征提取，根據(jù)圖像特征進(jìn)行計(jì)算及用戶交互，并對圖像分析和相似性計(jì)算，最后根據(jù)用戶實(shí)際需求選取相似的圖像。

2? 顏色特征

為了正確地使用圖像顏色特征進(jìn)行圖像檢索工作，讓圖像檢索效果更好地符合人類的視覺系統(tǒng)，基于顏色的圖像檢索首先需要建立顏色空間模型，目前使用最多的圖像顏色模型是RGB顏色模型。作為使用最廣泛的顏色模型，RGB顏色模型操作簡單，但該模型不符合人類視覺對顏色的直觀感知，而HSV顏色空間模型更符合人類視覺模型的直觀感受。因此，本文基于多特征融合的圖像檢索技術(shù)研究與實(shí)現(xiàn)，選擇了HSV顏色空間模型，HSV顏色空間模型可以方便地與RGB顏色空間模型相互轉(zhuǎn)化，具體的轉(zhuǎn)換模式如下所示：

按照目前人類的視覺分辨能力，根據(jù)色彩的不同對各個(gè)分量進(jìn)行量化，將H色調(diào)劃分為16個(gè)等分，將圖像的飽和度以及圖像的亮度劃分為4個(gè)等分，色調(diào)（H）、飽和度（S）以及圖像亮度（V）的計(jì)算如下：

轉(zhuǎn)化之后的各個(gè)分量需要合并為同一維度的特征向量，為了便于計(jì)算將上述分量轉(zhuǎn)換成一維特征，本設(shè)計(jì)以顏色直方圖作為圖像顏色特征的表示方法。顏色直方圖中以直方圖的橫軸表示顏色的量化等級，縱軸表示各顏色在該圖像中所占的比例，具體表述如下所示：

3? 紋理特征

紋理也是圖像描述中一個(gè)非常重要的概念，紋理作為所有事物表面特有的一種特性，也是圖像檢索中的重要依據(jù)。圖像紋理特征描述的方法主要有馬爾可夫分析法和多尺度自然回歸模型法。紋理對應(yīng)圖像中的規(guī)則，表示了圖像自身的特征。較為常見的紋理頻譜法是利用Gabor濾波器進(jìn)行圖像紋理的提取。紋理分析中常用的二維模式變換公式如下所示：

通過對特征向量的提取，就可以得到該圖像特征向量，作為圖像檢索的評判依據(jù)和標(biāo)準(zhǔn)。

4? 多特征融合技術(shù)

圖像一類特征向量中的各個(gè)特征分量實(shí)際代表的物理意義以及取值范圍是不一樣的，在圖像檢索中所起的作用也是不同的。因此在基于多特征進(jìn)行圖像檢索時(shí)，需要對一類特征中的不同分量以及不同特征分量進(jìn)行統(tǒng)一化，首先需要將圖像特征的內(nèi)部進(jìn)行統(tǒng)一處理，然后是對特征向量外部統(tǒng)一。

4.1? 特征向量的內(nèi)部統(tǒng)一處理

特征向量內(nèi)部統(tǒng)一處理是對于一類圖像特征中的不同分量進(jìn)行相似度計(jì)算，使其擁有相同的權(quán)重，本文采用高斯歸一方法進(jìn)行處理。首先假設(shè)一維特征向量標(biāo)記為F=（F1，F(xiàn)2，F(xiàn)7，F(xiàn)8…Fn），如果使用i代表圖像庫當(dāng)中的圖像，對于某一個(gè)圖像當(dāng)中i的特征向量記為F=（F1，F(xiàn)2，F(xiàn)7，F(xiàn)8，…，F(xiàn)i），將多個(gè)特征進(jìn)行組合就可以得到一個(gè)特征矩陣，進(jìn)一步可以計(jì)算特征矩陣的出均值和標(biāo)準(zhǔn)差，從而得到歸一的圖像特征。

4.2? 特征向量的外部統(tǒng)一處理

由于顏色特征和紋理特征的向量所代表的含義是不同的，所以需要對于不同的特征向量進(jìn)行歸一處理，使得不同類型的圖像特征在相似度計(jì)算的過程具有一致性。本文使用的方法如下所示：計(jì)算圖像中顏色和紋理所對應(yīng)的特征向量Fx和Fy中的相似數(shù)值;通過計(jì)算出相似數(shù)值之后，通過線性代數(shù)計(jì)算出特征向量當(dāng)中的均值和標(biāo)準(zhǔn)差。最后在檢索過程中可以通過圖像之間的相似距離選擇合適的圖像作為最終的結(jié)果。

在使用顏色和紋理特征進(jìn)行多特征圖像檢索的時(shí)候，用戶可以通過自己的需要設(shè)定圖像檢索的顏色標(biāo)準(zhǔn)和紋理標(biāo)準(zhǔn)進(jìn)行圖像檢索，然后對顏色和紋理特征進(jìn)行比較，得到兩幅圖像當(dāng)中的相似性距離差異，就可以表示出顏色和紋理在這個(gè)圖像當(dāng)中所占的權(quán)重，相應(yīng)圖像就可以檢索并呈現(xiàn)于用戶。

5? 實(shí)驗(yàn)結(jié)果

在實(shí)驗(yàn)過程中，本文分別選擇了幾類圖像進(jìn)行查詢，多次重復(fù)檢索實(shí)驗(yàn)，取多次查詢的準(zhǔn)確率和查全率的平均值作為最終實(shí)驗(yàn)結(jié)果，具體結(jié)果如表1所示。從實(shí)驗(yàn)結(jié)果可以看出，本文提出的基于多特征圖像檢索系統(tǒng)性能較優(yōu)，由于綜合了圖像的多個(gè)特征，可以更好地表示圖像自身的內(nèi)容，因此相比于傳統(tǒng)單一特征的圖像檢索具有更高的準(zhǔn)確性和查全率，檢索的性能也得到了大幅度的提高。

6? 結(jié)? 論

本文針對圖像檢索技術(shù)進(jìn)行了相關(guān)的研究，提出一種基于多特征的圖像檢索方法。在對基于多特征融合的圖像檢索技術(shù)系統(tǒng)進(jìn)行研究的基礎(chǔ)上，對圖像特征選擇和圖像檢索系統(tǒng)進(jìn)行了設(shè)計(jì)與實(shí)現(xiàn)。基于多特征融合的圖像檢索技術(shù)系統(tǒng)中的關(guān)鍵技術(shù)主要包括圖像特征的選擇和圖像特征的提取以及多特征的加權(quán)融合。從圖像自身角度而言，由于圖像具有較多的屬性，而每種特征可以反映圖像的一種或多種特征屬性，因此對圖像的多個(gè)特征進(jìn)行提取和融合，可以更好地表示圖像自身的內(nèi)容。對圖像的多特征進(jìn)行歸一化處理并基于多特征融合進(jìn)行圖像檢索將大大提高圖像檢索的性能，可以更好地符合用戶的需求。

參考文獻(xiàn)：

[1] KATO T. Database architecture for content-based image retrieval [J].Proceedings of SPIE-The International Society for Optical Engineering，1992，1662：112-123.

[2] 蘭蓉，馬威.基于改進(jìn)紋理特征的現(xiàn)堪圖像檢索算法 [J].西安郵電大學(xué)學(xué)報(bào)，2019，24（4）：36-42.

[3] 唐立軍，段立娟，高文.基于內(nèi)容的圖象檢索系統(tǒng) [J].計(jì)算機(jī)應(yīng)用研究，2001（7）：41-45.

[4] 羅永興，于明，陳雷.基于內(nèi)容的圖像檢索系統(tǒng)研究 [J].計(jì)算機(jī)與數(shù)字工程，2004（6）：92-94+101.

[5] A.S.潘迪，R.B.梅西.神經(jīng)網(wǎng)絡(luò)模式識別及其實(shí)現(xiàn) [M].北京：電子工業(yè)出版社，1999.

[6] 李勍，章毓晉.基于特征元素和關(guān)聯(lián)規(guī)則的圖象分類方法 [J].電子學(xué)報(bào)，2002（9）：1262-1265.

[7] SWAIN M J，BALLARD D H. Color Indexing [J].International Journal of Computer Vision，1991，7（1）：11-32.

[8] HAFNER J，SAWHNEY H S，et al. Eficient color hsitogram indexing forquadratic form distance functions [J].IEEE Transactions 0n PatternAnalysis and Machine Intelligence，1999，17（7）：729-776.