胡明娣， 孔 波

(西安郵電大學 通信與信息工程學院，西安 710121)

隨著智能拍照設(shè)備的出現(xiàn)，越來越多的圖片信息充斥著我們的生活，如何快速有效地檢索出目標圖像是當今研究的熱點[1].顏色特征是基于內(nèi)容的圖像檢索技術(shù)(CBIR)[2]中所使用的最可靠的視覺特征，對于平移、旋轉(zhuǎn)、尺度等的變化，表現(xiàn)出了很好的魯棒性，成為現(xiàn)有檢索系統(tǒng)中應用最廣泛的特征.顏色特征[3]的提取方法主要包括：顏色直方圖、顏色矩、顏色集、顏色相關(guān)圖等[4].顏色直方圖的基本思想是計算圖像中每種顏色在該圖像中出現(xiàn)的概率.基于顏色直方圖的檢索中更多的量化區(qū)間往往具有更強的圖像區(qū)分能力，但需要付出更高的運算代價.針對上述顏色特征的研究有待進一步深入，首先提出了一種新的顏色特征量化方法劃分得到8維的顏色直方圖，然后和基于HSV空間的前三個低階顏色矩得到9維顏色直方圖進行顏色特征融合最終得到17維的顏色直方圖.圖像顏色特征描述缺乏空間的描述，僅僅依靠圖像顏色特征往往不能很好地檢索出理想的效果[5]，基于改進的Hu不變矩，考慮到對于曲線來說,尺度的變化造成了周長的變化，降低了圖像檢索效率，通過改進中心距的參數(shù)可以提高圖像的檢索效率.最后把顏色特征和HU不變距特征融合檢索圖像進一步提高檢索效率.

1 基于顏色特征的圖像檢索

顏色模型從本質(zhì)上講屬于坐標系統(tǒng)和子空間的描述，常用的空間模型有RGB、HSV、CMY，Luv、Lab、YUV等顏色模型[6]，下面介紹本文用到的HSV模型.

HSV[5](hue，saturation，value)是一種面向視覺感知的顏色模型，顏色距離與坐標點的歐幾里德距離成正比關(guān)系.參數(shù)H表示色彩信息，常用H區(qū)分某一種顏色.該參數(shù)用角度度量，紅、綠、藍分別相隔120度.互補色分別相差180度.飽和度S常表示顏色的純度，范圍從0到1；V表示顏色的明亮程度，取值單位從0到1.顏色越鮮艷，V越大，反之V越小.S=0時，只有灰度.有一點要注意：它和光強度之間并沒有直接的聯(lián)系.HSV對應模型類似于倒立的圓錐模型，長軸對應亮度V，原點處為黑色，表示顏色的明亮程度由暗到亮.和V軸垂直的是飽和度S，范圍(0～1)表示顏色的飽和程度.色調(diào)H表示從V到S的角度，對人的視覺產(chǎn)生決定性作用，范圍(0～360°).模型圖如圖1所示.

圖1 HSV模型圖

圖2 HSV俯視平面圖

從RGB到HSV顏色空間快速的轉(zhuǎn)換公式見參考文獻[7].

2 改進的特征提取算法

2.1 基于顏色劃分的顏色直方圖特征提取

根據(jù)文獻[8]顏色量化方法，色調(diào)H對人的視覺產(chǎn)生決定性作用.如圖1所示，根據(jù)人的視覺將色調(diào)H劃分為黑色、白色、紅色、黃色、綠色、青色、藍色、品色，如圖2所示，根據(jù)顏色值上下浮動30度，S(飽和度)和V(亮度)均根據(jù)H的變化劃分在0.2～1.0的范圍.當v≤0.2或0.2≤v≤0.5∩s≤0.2為黑色L=0；當s≤0.2∩v≥0.5時為白色，L=1，具體量化公式如式(1)所示：

(1)

圖3 新量化算法處理恐龍圖片前后對比

由式(1)可知，根據(jù)顏色劃分為8 bin的顏色直方圖，用該算法處理圖片對比效果如圖3所示.

2.2 基于HSV空間的顏色矩

顏色矩[9]是一種簡單有效的顏色特征表示方法，圖像的主要顏色信息分布于一階，二階，三階矩陣中，已經(jīng)證明可以用顏色矩的3個低階矩有效的表示圖像包含的顏色信息.顏色矩相對于顏色直方圖而言，特征向量維數(shù)低，不需要顏色空間量化.顏色矩特征方法簡單快捷，但是它是基于RGB空間，不符合人眼對色覺的認識，因此本文提出一種基于人眼直觀認識的HSV空間，利用前面提到的RGB轉(zhuǎn)HSV快速轉(zhuǎn)換公式，把顏色空間轉(zhuǎn)化到HSV空間，用3個顏色矩的低階矩[7]表示,一幅圖像用顏色矩表示包含9個分量，其中，每個顏色矩包含3個分量.用顏色矩檢索圖像與顏色直方圖相比可以減少計算量，節(jié)省時間.

2.3 基于顏色劃分的顏色直方圖和改進顏色矩的融合

一個好的顏色量化方案[10]，一方面可以降低計算的復雜度，另一方面也不會丟失過多的彩色信息.根據(jù)2.1中改進方案，根據(jù)色調(diào)H把顏色劃分為8類，形成8 bin的直方圖；將符合人眼視覺的基于HSV顏色矩9 bin直方圖和8 bin直方圖結(jié)合形成顏色融合的17 bin的直方圖，不僅有效的降低了顏色直方圖的權(quán)柄數(shù)，有效的節(jié)省存儲空間，而且實驗結(jié)果驗證并未降低圖像的檢索效率.

本實驗使用常用的歐幾里德距離計算進行相似性度量[11]，并歸一化處理，設(shè)X，Y分別為兩幅待檢測的圖像，Xi，Yi表示歸一化后的特征值，相似性度量用d(X,Y)表示，

(2)

本文實驗所采用的圖像庫都是從corel 1 000張圖庫中任意抽取的10類具有代表性的圖像,具體內(nèi)容包含大象、公交車、、風景、人物、恐龍、馬、日落、花、建筑、雪山10個內(nèi)容,每類有100幅,總共有1 000幅圖片.試驗以恐龍和鮮花為例檢索傳統(tǒng)的HSV72維顏色直方圖檢索和顏色融合檢索對比效果圖如圖4～圖7.

實驗結(jié)果可以看出，以恐龍為檢索對象，采用傳統(tǒng)的72維顏色直方圖檢索方法和顏色融合的檢索方法返回的10幅圖像中均有9幅圖像和原圖像相關(guān).

以鮮花為檢索對象，采用傳統(tǒng)的72維顏色直方圖檢索方法返回的10幅圖像中均有7幅圖像和原圖像相關(guān)，顏色融合的檢索方法返回的10幅圖像中均有8幅圖像和原圖像相關(guān).

圖4 傳統(tǒng)的HSV72維顏色直方圖檢索

圖5 顏色融合檢索

圖6 傳統(tǒng)的HSV72維顏色直方圖檢索效果圖

圖7 顏色融合方法檢索效果圖

顏色融合相比傳統(tǒng)的72維顏色直方圖檢索方法，不僅提高了圖像檢索的查準率和查全率，而且縮短了檢索時間.

2.4 Hu不變矩特征提取和改進

Hu最早提出了矩的概念,并相應推導出矩的一些基本性質(zhì),并且證明了在連續(xù)狀態(tài)下Hu不變矩具有的平移不變性、旋轉(zhuǎn)不變性和比例不變性.[12]

(3)

其中，x0=M10/M00；y0=M10/M00，(p+q)階規(guī)范化中心距定義為

(4)

(5)

3 顏色和形狀特征融合的圖像檢索及結(jié)果分析

將改進的17 bin顏色直方圖和基于Hu不變矩特征融合[13]，實現(xiàn)了優(yōu)勢互補，顏色加形狀既可以包含圖像的整體顏色性質(zhì)，又同時包含目標局部顏色性質(zhì).顏色和紋理特征是不同的物理單位，取值范圍也不同，因此需要將它們不同的特征歸一化，得到歸一化的顏色和形狀特征后，本實驗使用顏色和形狀特征的加權(quán)距離進行相似性度量，加權(quán)距離D=w1d1+w2d2，其中w1+w2=1，本實驗以恐龍和鮮花為例.

圖8 顏色和形狀融合恐龍檢索效果圖

圖9 顏色和形狀融合鮮花檢索效果圖

從圖8，圖9檢索實驗結(jié)果可以看出，以恐龍和鮮花為檢索對象，采用顏色和形狀融合的檢索方法分別返回的10幅圖像中均有9幅圖像和原圖像相關(guān)，試驗相比采用傳統(tǒng)的72維顏色直方圖檢索方法和顏色融合的檢索方法，采用特征融合進一步提高了檢索的準確率.

實驗檢索效果評價采用常用的查準率和查全率作為評價標準，圖庫中共10類圖像求每類檢索10次得出每一類圖像中各算法的平均值，結(jié)果如圖10和圖11所示.

圖10 查準率

圖11 查全率

通過查全率和查準率對比分析可知，新提出的融合17維算法以及本算法和形狀特征融合的方法相比傳統(tǒng)72維檢索方法，查全率和查準率都有一定的提高，并且在相同的檢索條件下，新提出的算法檢索時間更短.

表1 各算法評價分析

各檢索算法針對10類圖片庫隨機檢索10次得平均值如表1所示(算法時間均建立在圖像庫的預處理之后的時間).

4 結(jié)語

本文通過基于顏色色調(diào)劃分HSV顏色空間得到8 bin的顏色直方圖，達到降維的目的，同時又結(jié)合顏色矩的前3個低階矩得到17 bin的顏色融合直方圖不僅提高了檢索準確度，而且降低了計算復雜度.基于改進的Hu不變矩，考慮到對于曲線來說,尺度的變化造成了周長的變化，降低了圖像檢索效率，通過改進中心距的參數(shù)可以提高圖像的檢索效率.最后融合顏色和形狀特征的圖像檢索可以進一步提高圖像的檢索效率.

[1] LIU FANG，WANG TAO，ZHOU D W.Image retrieval based on color-space 2D histogram[J].Computer Engineering AndApplication 2002，38(12)：85-88.

[2] 劉曉彬.基于智能優(yōu)化算法的圖像檢索技術(shù)研究[D].無錫：江南大學,2017.

[3] 劉華詠,李濤.基于改進分塊顏色特征和二次提取的關(guān)鍵幀提取算法[J].計算機科學,2015,42(12)：307-311.

[4] DAHANE G M，VISHWAKARMA S.Content based image retrival system[J].IJEIT,2012，1(5)：92-96.

[5] 曹建芳,陳俊杰,趙青杉.一種改進的HSV顏色空間量化方法及其應用[J].南京師范大學學報(工程技術(shù)版),2014(2)：68-73.

[6] 江鳳兵.不同顏色空間膚色檢測算法的研究[D].贛州：江西理工大學,2011.

[7] 祝曉斌,劉亞奇,蔡強.基于內(nèi)容的圖像檢索技術(shù)研究[J].計算機仿真,2015,32(5)：1-4+85.

[8] 張辰,彭玉旭.基于HSV非均勻量化的CAMshift目標跟蹤算法[J].智能計算機與應用,2017,7(3)：21-25.

[9] 韓丁,武佩,張強,等.基于顏色矩的典型草原牧草特征提取與圖像識別[J].農(nóng)業(yè)工程學報,2016,23(4)：168-175.

[10] 劉雪亭.融合局部特征和全局特征的圖像檢索技術(shù)研究[D].?？冢汉Ｄ洗髮W,2016.

[11] 王春靜,許圣梅.基于內(nèi)容的圖像檢索的相似度測量方法[J].數(shù)據(jù)采集與處理,2017,32(1)：104-110.

[12] 徐澤奇.基于旋轉(zhuǎn)不變性圖像識別算法研究[J].中國新通信,2016,17：156-159.

[13] 金銘,汪友生,邊航.一種多特征融合的圖像檢索新方法[J].電子測量技術(shù),2016,8(2)：85-89.