基于-顏色特征圖像檢索

1、-PAGE . z.摘要隨著多媒體及網(wǎng)絡(luò)技術(shù)的開展，互聯(lián)網(wǎng)中的圖像等多媒體信息的數(shù)量在迅速增加。如何在龐大的多媒體數(shù)據(jù)資源海洋中搜索到自己所需要的圖像，隨之成為一個(gè)函待解決的問題。近年來基于容的圖像檢索技術(shù)己經(jīng)成為了研究的熱點(diǎn)，該技術(shù)具有傳統(tǒng)文本檢索方式所無法比較的優(yōu)越性，目前已被應(yīng)用于多媒體通信、生物識別、知識產(chǎn)權(quán)保護(hù)等方面，具有廣闊的開展前景。本課題設(shè)計(jì)了基于顏色特征的圖像檢索系統(tǒng)，該系統(tǒng)主要包括兩個(gè)關(guān)鍵步驟：顏色特征的提取和相似度匹配。本文中首先采用應(yīng)用廣泛的HSV顏色空間來表示圖像的顏色特征，對顏色分量進(jìn)展非等間隔量化形成特征矢量；然后用歐式距離度量函數(shù)進(jìn)展圖像的相似性匹配；最后在MA

2、TLAB平臺下編程實(shí)現(xiàn)了基于顏色特征的檢索系統(tǒng)。根據(jù)用戶輸入的樣本圖像與圖像庫中的圖像進(jìn)展特征匹配，找出與樣本圖像距離比較小的假設(shè)干幅圖像，并按照圖像之間的距離由小到大的順序顯示給用戶。關(guān)鍵詞： 圖像檢索；直方圖；顏色特征；MATLAB-. zABSTRACTWith the development of multimedia technology, In Internetthe number of images and other multimedia information in the rapidly increasing. How to locate the useful image

3、in the vast multi-media is a great technology problem.In recent years, Content-based image retrieval has bee a research focus, the technology has the superioritywhich the traditional te*t retrieval methods can not match. It has been widely used in multimedia munications, biometrics, intellectual pro

4、pertyprotection and so on, and has broad prospeets for development.This topic is designed based Color Image Retrieval System,which includes two key steps: color feature e*traction and similarity matching. In this article was first used widely HSV color space to represent color feature image.We carri

5、ed out color ponents quantification of non-interval to form feature vector;Then use the Euclidean distance metric function to match the similarity functionof the image. Finally, this system should be implemented under the platform of the MATLAB by programming.Under user input sample image to conduct

6、 feature matching with image which in library images. In this system, It also can identify the images that have a short distance to the sample images, And in accordance with the distance between the images displayed to the user in the order from small to big.Keywords： Image Retrieval；HistogramAlgori

7、thm； Color Features；MATLAB -. z目錄 TOC o 1-3 h z u HYPERLINK l _Toc264449470摘要 PAGEREF _Toc264449470 h IHYPERLINK l _Toc264449471ABSTRACT PAGEREF _Toc264449471 h IIHYPERLINK l _Toc2644494721緒論 PAGEREF _Toc264449472 h 1HYPERLINK l _Toc2644494731.1選題背景及現(xiàn)狀 PAGEREF _Toc264449473 h 1HYPERLINK l _Toc264449

8、4741.2基于顏色特征圖像檢索的特點(diǎn)及開展趨勢 PAGEREF _Toc264449474 h 2HYPERLINK l _Toc2644494751.3論文構(gòu)造 PAGEREF _Toc264449475 h 5HYPERLINK l _Toc2644494762顏色模型及轉(zhuǎn)換 PAGEREF _Toc264449476 h 6HYPERLINK l _Toc2644494772.1概述 PAGEREF _Toc264449477 h 6HYPERLINK l _Toc2644494782.2顏色模型 PAGEREF _Toc264449478 h 6HYPERLINK l _Toc264

9、4494792.2.1 RGB顏色模型 PAGEREF _Toc264449479 h 6HYPERLINK l _Toc2644494802.2.2HSV顏色模型 PAGEREF _Toc264449480 h 8HYPERLINK l _Toc2644494812.3顏色模型轉(zhuǎn)換 PAGEREF _Toc264449481 h 9HYPERLINK l _Toc2644494823顏色特征提取的方法 PAGEREF _Toc264449482 h 11HYPERLINK l _Toc2644494833.1顏色直方圖 PAGEREF _Toc264449483 h 11HYPERLINK

10、l _Toc2644494843.2累加直方圖 PAGEREF _Toc264449484 h 13HYPERLINK l _Toc2644494853.3顏色矩 PAGEREF _Toc264449485 h 15HYPERLINK l _Toc2644494864顏色特征檢索匹配算法 PAGEREF _Toc264449486 h 17HYPERLINK l _Toc2644494874.1直方圖相交法 PAGEREF _Toc264449487 h 17HYPERLINK l _Toc2644494884.2歐式距離法 PAGEREF _Toc264449488 h 17HYPERLIN

11、K l _Toc2644494894.3二次式距離 PAGEREF _Toc264449489 h 18HYPERLINK l _Toc2644494905基于顏色特征的圖像檢索系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn) PAGEREF _Toc264449490 h 19HYPERLINK l _Toc2644494915.1開發(fā)工具的選取 PAGEREF _Toc264449491 h 19HYPERLINK l _Toc2644494925.2系統(tǒng)框架 PAGEREF _Toc264449492 h 19HYPERLINK l _Toc2644494935.3性能評價(jià) PAGEREF _Toc264449493

12、h 27HYPERLINK l _Toc264449494總結(jié)與展望 PAGEREF _Toc264449494 h 30HYPERLINK l _Toc264449495致 PAGEREF _Toc264449495 h 31HYPERLINK l _Toc264449496參考文獻(xiàn) PAGEREF _Toc264449496 h 32HYPERLINK l _Toc264449497附錄： PAGEREF _Toc264449497 h 34-. z緒論伴隨著信息社會(huì)的迅速開展，圖像多媒體信息的來源不斷擴(kuò)大。文獻(xiàn)中，圖像信息也被稱為信息技術(shù)中的一等公民(first-class citize

13、ns)。目前，各種圖像數(shù)據(jù)庫(包含各類專用圖像數(shù)據(jù)庫、Internet 圖庫等)中都有大量的圖像，其中少則幾十上百，多則成千上萬，這些圖像數(shù)據(jù)庫隨著時(shí)間的推移還會(huì)不斷地膨脹。怎樣從這些海量數(shù)據(jù)中快速提取感興趣的目標(biāo)圖像，己經(jīng)成為制約信息獲取、流動(dòng)的關(guān)鍵問題之一。因此，對圖像數(shù)據(jù)檢索技術(shù)的研究己經(jīng)成為信息技術(shù)處理領(lǐng)域的一個(gè)重要而又關(guān)鍵的問題，它不但具有很高的研究價(jià)值，更具有廣泛的應(yīng)用前景，并將為信息高速公路、數(shù)字圖書館和數(shù)字地球等方案的成功實(shí)施奠定堅(jiān)實(shí)的理論根底。而本文是把圖像檢索技術(shù)的一個(gè)重要手段：基于顏色特征的圖像檢索技術(shù)作為研究的重點(diǎn)。選題背景及現(xiàn)狀隨著Internet網(wǎng)絡(luò)技術(shù)的不斷開展，

14、網(wǎng)絡(luò)用戶越來越多，網(wǎng)絡(luò)已成為目前最重要的信息來源之一。事實(shí)上，來自網(wǎng)絡(luò)的信息量比任何一種渠道的信息量都要大。所涉及的領(lǐng)域之廣、更新速度之快和搜集本錢之低也是其他任何手段無法比較的。網(wǎng)絡(luò)將會(huì)改變?nèi)祟惖囊磺?，這已不是謠言，而是一個(gè)不爭的事實(shí)。但是，網(wǎng)絡(luò)確實(shí)是一個(gè)名副其實(shí)的雙刃劍，利用好它可以發(fā)揮它無窮的威力；反之，就會(huì)給自己帶來無窮的禍患，給國家?guī)砭薮蟮膿p失。從廣義上講，網(wǎng)絡(luò)就是一個(gè)巨型數(shù)據(jù)庫，人人都可以從中取到自己所需的東西。利用搜索引擎合法的在網(wǎng)上搜索特定信息本身就是網(wǎng)絡(luò)的建立目的之一。目前，國外許多研究者正在研究基于網(wǎng)絡(luò)的信息收集和檢索技術(shù)。特別是隨著網(wǎng)絡(luò)的普及，數(shù)據(jù)檢索和收集顯得越來越重

15、要，已成為人們到達(dá)特定目的最有效的方法和手段之一。隨著我國社會(huì)經(jīng)濟(jì)的開展，使得從公共媒體到家庭娛樂、從自然科學(xué)到社會(huì)科學(xué)，每一個(gè)領(lǐng)域都滲透著對多媒體技術(shù)和因特網(wǎng)技術(shù)的應(yīng)用，都要求對各種資料的智能化的管理。國較有代表性的系統(tǒng)有：大學(xué)計(jì)算機(jī)系研究的基于圖像顏色的檢索系統(tǒng)Photo Navigator、清華大學(xué)的Internet上靜態(tài)圖像的基于圖像容檢索的原形系統(tǒng)、中科院計(jì)算技術(shù)研究所數(shù)字化技術(shù)研究室開發(fā)的Image Hunter系統(tǒng)、郵電學(xué)院研制的基于紋理和顏色特征的實(shí)驗(yàn)系統(tǒng)等。這些系統(tǒng)的框架和查詢的處理過程都很相似，只是采用的特征和搜索方法各具特色，性能也互有差異。國外著名系統(tǒng)如：IBM公司的Q

16、BIC系統(tǒng)，是IBM公司與20世紀(jì)90年代開發(fā)制作的圖像和動(dòng)態(tài)景象檢索系統(tǒng)，是第一個(gè)商用基于容的圖像檢索系統(tǒng)，它的系統(tǒng)構(gòu)造及所采用的技術(shù)對后來的檢索系統(tǒng)有很深遠(yuǎn)的影響。QBIC支持基于例如圖像、用戶構(gòu)造的略圖、選擇顏色、紋理等的查詢。另外國外其他典型系統(tǒng)代表有：Virage公司的VIR工程系Photo book系統(tǒng)、哥倫比亞大學(xué)的Visual SEEK和WEB SEEK查詢系統(tǒng)以及美國伊利諾斯大學(xué)的MARS系統(tǒng)等。基于顏色特征圖像檢索的特點(diǎn)及開展趨勢在圖像的形狀，顏色，紋理等特征中，顏色特征是最可靠，最顯著，最穩(wěn)定的視覺特征，也是人識別圖像的主要感知特征，相對于幾何特征而言，顏色對圖像中子對象

17、的大小和方向的變化都不敏感，具有相當(dāng)強(qiáng)的魯棒性。同時(shí)，在許多情況下，顏色又是描述一幅圖像最簡便而有效的特征，人們對于一幅圖像的印象，往往從圖像中顏色的空間分布開場。所有這些都促使顏色成為基于容的圖像檢索所采取的主要手段之一，而本文正是著重于這一點(diǎn)，把基于顏色特征的圖像檢索技術(shù)作為本文的研究容。目前，基于顏色特征的圖像檢索的研究主要是借助圖像的顏色特征來進(jìn)展的，其根本工作原理是在建立圖像庫時(shí)，分析輸入圖像，提取圖像的顏色特征作為特征向量，與圖像一起存儲在數(shù)據(jù)庫中。圖像檢索時(shí)，則提取給定查詢例圖像的特征或由用戶指出要查詢圖像的特征，與數(shù)據(jù)庫中的特征向量進(jìn)展匹配，并根據(jù)匹配結(jié)果返回相應(yīng)圖像。如圖1-

18、1所示： 基于顏色特征的圖像檢索系統(tǒng)構(gòu)造圖。圖1-1 基于顏色特征圖像檢索系統(tǒng)構(gòu)造圖基于顏色特征的提取和檢索是一個(gè)逐步求精的過程，存在著一個(gè)特征調(diào)整、相似匹配的過程，如圖1-2所示：1提查詢要求。用戶查找一個(gè)數(shù)據(jù)對象時(shí)，利用系統(tǒng)人機(jī)界面提供的輸入方式形成一個(gè)查詢條件。2相似性匹配。用戶提交的查詢要求經(jīng)處理形成查詢特征，將查詢特征與數(shù)據(jù)庫中的特征按照一定的匹配算法進(jìn)展匹配。3返回查詢結(jié)果。滿足一定相似性的一組候選結(jié)果按相似度大小排列返回給用戶，因此，系統(tǒng)人機(jī)界面要有顯示瀏覽查詢結(jié)果的功能。圖1-2基于容圖像的原理圖基于顏色特征的圖像檢索具有以下主要特點(diǎn)：(1) 從圖像容中由計(jì)算機(jī)自動(dòng)提取視覺特征

19、，并根據(jù)這些特征從圖像數(shù)據(jù)庫中查找、檢索出具有相似特征的圖像數(shù)據(jù)。(2) 使用相似匹配代替準(zhǔn)確匹配。在基于顏色特征的圖像檢索中，通常采用相似匹配方式，從而獲得類似圖像，并不斷縮小檢索圍，直至定位于所要求的目標(biāo)，與傳統(tǒng)數(shù)據(jù)庫檢索的準(zhǔn)確匹配不同。(3) 直觀的可視化查詢方式，交互性強(qiáng)?；陬伾卣鞯膱D像檢索通常采用例檢索方式。(4) 滿足多層次的檢索要求。系統(tǒng)通常包含圖像庫、特征庫，用戶可以向系統(tǒng)提交與所需查詢的圖像一致或類似的例圖進(jìn)展特征的檢索?；陬伾卣鞯膱D像檢索技術(shù)當(dāng)前的開展趨勢可以概括為以下幾個(gè)方面： 改良現(xiàn)有的基于顏色特征的圖像檢索技術(shù)。包括繼續(xù)完善圖像的相似性度量、特征提取和描述等問

20、題。 相關(guān)反應(yīng)技術(shù)。人們對圖像檢索結(jié)果的判定具有一定的主觀性，所提取的特征還不能完整而準(zhǔn)確地描述圖像容。因此很難一次搜索就得到滿意的檢索結(jié)果。圖像的檢索技術(shù)需要根據(jù)具體應(yīng)用場合和使用者不同而調(diào)整，這樣便可以將用戶的特殊需求反應(yīng)給系統(tǒng)，以使檢索效果更接近用戶的要求。高維索引技術(shù)。圖像檢索系統(tǒng)想有更好的擴(kuò)展性，要利用高維索引技術(shù)。論文構(gòu)造本文的容構(gòu)架介紹如下：第一章 緒論，主要介紹了課題背景和當(dāng)前國外研究現(xiàn)狀，說明了基于顏色特征的圖像檢索技術(shù)的原理和基于顏色特征的圖像檢索的特點(diǎn)和開展趨勢，明確了本文的主要研究容。第二章 描述常用的RGB、HSV顏色模型，并且比較了兩種顏色模型的異同，提出了二者的轉(zhuǎn)

21、換原因、轉(zhuǎn)換公式。第三章 分析了幾種常用的顏色特征提取方法：顏色直方圖、累加直方圖、顏色距等，并對其做了相關(guān)比較。第四章 介紹了常用的基于顏色特征的特征匹配算法：直方圖相交法、歐氏距離法和二次式距離法。把歐式距離法作為本文所用的匹配算法。第五章 系統(tǒng)功能的設(shè)計(jì)與實(shí)現(xiàn)，根據(jù)本文所提出的方法實(shí)現(xiàn)了一個(gè)基于顏色特征的檢索系統(tǒng)，并通過系統(tǒng)實(shí)驗(yàn)根據(jù)其檢索效果進(jìn)展了比較和性能分析。-. z顏色模型及轉(zhuǎn)換概述顏色模型是指*個(gè)顏色空間中的一個(gè)可見光子集，它包含*個(gè)顏色域的所有顏色，顏色模型的用途是在*個(gè)顏色域方便的指定顏色，由于每個(gè)顏色域都是可見光的子集，所以任何一個(gè)顏色模型都無法包含所有的可見光。常見的模型

22、包括HSV色調(diào)、飽和度、亮度V，RGB(紅、綠、藍(lán))，CMYK青，洋紅，黃，黑以及CIE組織的L*a*b等。本文在此只探討HSV與RGB兩種常用的顏色空間模型。顏色模型 RGB顏色模型RGB顏色模型又稱RGB顏色空間，它是一種色光表示模式，是使用最多、最熟悉的顏色模型。計(jì)算機(jī)定義R、G、B三種顏色成分的取值圍是0-255，0表示沒有刺激量，255表示刺激量達(dá)最大值。R、G、B均為255時(shí)就合成了白光，R、G、B均為0時(shí)就形成了黑色。R、G、B為三原色，各個(gè)原色混合在一起可以產(chǎn)生復(fù)合色，如圖2-1所示。絕大局部的可見光可以用R、G和B三色光按不同比例和強(qiáng)度的混合來表示。在顏色重疊的位置，產(chǎn)生青色

23、、洋紅和黃色。因?yàn)镽GB顏色合成產(chǎn)生其它顏色，它們也稱為加色。 圖2-1 RGB三原色混合效果把R、G、B三種色彩作為任何色彩的根本色的理論即為三原色原理，原理指出：(1)自然界的可見顏色都可以用三種原色按照一定的比例混合得到，反之，任意一種顏色都可以分解為三種原色。(2)作為原色的三種顏色應(yīng)該相互獨(dú)立，即其中任何一種都不能用其他兩種混合得到。(3)三原色之間的比例直接決定混合色調(diào)的飽和度。(4)混合色的亮度等于各原色的亮度之和。根據(jù)R G B三原色原理，由R G B三原色可構(gòu)成一類顏色空間，各種顏色的光均可以通過R、G、B三種基色混合而成。RGB顏色模型通常采用圖2-2 所示的單位立方體來表

24、示，在正方體的主對角線上各原色的強(qiáng)度相等，產(chǎn)生由暗到明的白色，也就是不同的灰度值。(0，0，0)為黑色，(1，l，1)為白色。正方體的其它六個(gè)角點(diǎn)分別為紅、黃、綠、青、藍(lán)和品紅。 圖2-2 RGB顏色模型 RGB色度系統(tǒng)在計(jì)算機(jī)彩色輸入輸出設(shè)備中的應(yīng)用非常普遍。常見的如CRT顯示器，它利用紅、綠、藍(lán)色的熒光粉顯示顏色，RGB三色熒光點(diǎn)被不同強(qiáng)度的電子束擊中，就會(huì)產(chǎn)生各種色彩，通過控制電子束的強(qiáng)弱和通斷，則可以形成各種絢麗多彩的畫面。掃描儀和數(shù)碼照相機(jī)也都是工作于RGB顏色空間的，它們捕捉的是圖像的紅色、綠色和藍(lán)色信息。RGB顏色空間的缺點(diǎn)是：改變一個(gè)顏色時(shí)，三個(gè)通道上的顏色全部需要修改：它不是

25、均勻視覺的顏色空間，顏色空間上的距離，并不代表人眼視覺上的顏色相似性。2.2.2 HSV顏色模型HSV顏色空間是一種面向視覺感知的顏色模型，HSV空間能夠較好的反映人眼對色彩的感知和鑒別能力。它直接對應(yīng)于人眼顏色視覺特性三要素，即色調(diào)H、飽和度S和亮度V，通道間各自獨(dú)立。色調(diào)H表示從一個(gè)物體反射過來的或透過物體的光波長，即是光的顏色，不同波長的光呈現(xiàn)不同的顏色，具有不同的色調(diào)。飽和度S表示顏色的深淺程度，飽和度高顏色深，如深藍(lán)。飽和度低則顏色淺，如淺藍(lán)。飽和度的深淺與顏色中參加白色的比例有關(guān)，它反映了*種顏色被白色沖淡的程度，白色成分為O，則飽和度為1 OO，只有白色，則飽和度為O。亮度V表示

26、人眼感覺到的光的明暗程度，與物體的反射率成正比。用一個(gè)三維空間錐體可以將色調(diào)、飽和度、亮度表示出來如圖2-3示：色調(diào)H被表示為繞圓錐中心軸的角度，飽和度S被表示為從圓錐的橫截面的圓心到這個(gè)點(diǎn)的距離，亮度V被表示為從圓錐的橫截面的圓心到頂點(diǎn)的距離。 圖 2-3 HSV顏色模型HSV顏色空間具有兩個(gè)大特點(diǎn)：其一，亮度分量與圖像的彩色信息無關(guān)：其二，色調(diào)和飽和度分量與人感受顏色的方式是嚴(yán)密相連的。顏色模型轉(zhuǎn)換HSV顏色空間是一個(gè)均勻顏色空間，其轉(zhuǎn)換是一個(gè)非線性變換。一幅圖像中的RGB值(R，G，B)通過非線性轉(zhuǎn)換可轉(zhuǎn)換到HSV空間值(H，S，V)。一般情況下獲取的圖像都是在RGB空間描述的，但是RG

27、B空間構(gòu)造并不符合人們對顏色相似性的主觀判斷，所計(jì)算出來的兩種顏色之間的距離無確表征人們實(shí)際所感知到的兩種顏色的真實(shí)差異。而HSV顏色空間由色調(diào)(H)、飽和度(S)、亮度(V)三個(gè)分量組成，與人眼的視覺特性比較接近，其中亮度表示顏色的明暗程度，主要受光源強(qiáng)弱影響；色調(diào)表示不同顏色，如紅、綠、黃；而飽和度表示顏色的深淺如深紅、淺紅。顯然，HSV空間要比RGB空間更直觀，更容易承受。因此，為了更符合人眼的視覺特征，經(jīng)常需要做顏色空間的轉(zhuǎn)換，將RGB顏色空間轉(zhuǎn)換為HSV顏色空間，轉(zhuǎn)換公式如公式。= 2.1= 2.2 = 2.3 ma*=ma*(，) min=min(，)設(shè)定義為：則v=255 (2.

28、4) (2.5) 這里，。設(shè)HSV空間顏色C=(h，s，v和C=(h，s，v，則色彩C和色彩C的相似性S可以定義為公式： (2.6) S0,1 ，C，C越相似，S數(shù)值越趨近于1。C，C之間的距離最大時(shí)，這時(shí)的數(shù)值就越趨近于0。顏色特征提取的方法顏色是一種能簡化目標(biāo)提取和分類的重要描述符，對顏色的特征表達(dá)依賴于所用的顏色模型，最好選擇與人的感覺相一致的顏色空間。最早采用顏色進(jìn)展圖像檢索是由Swain和Ballard提出的基于顏色直方圖的檢索方法，其核心思想是在一定的顏色空間中對圖像中的各種顏色出現(xiàn)的頻數(shù)進(jìn)展統(tǒng)計(jì)，然后圖像之間相似的問題就轉(zhuǎn)化成比較圖像直方圖之間的相似性問題。常用的顏色特征提取表示

29、方法有：顏色直方圖、累加直方圖和顏色矩等。在本文中我們把顏色直方圖作為研究的重點(diǎn)，并在此根底上實(shí)現(xiàn)基于顏色特征的圖像檢索系統(tǒng)。顏色直方圖顏色直方圖就是根據(jù)圖像中每個(gè)像素出現(xiàn)在色彩空間的概率統(tǒng)計(jì)而成的，計(jì)算顏色直方圖需要將顏色空間劃分為假設(shè)干個(gè)小的顏色區(qū)間，每個(gè)區(qū)間成為直方圖的一個(gè)柄(bin)。然后，通過計(jì)算顏色落在每個(gè)小區(qū)間的像素?cái)?shù)量可以得到顏色直方圖。橫坐標(biāo)表示顏色的色彩的值，縱坐標(biāo)表示每個(gè)小的顏色區(qū)間中所對應(yīng)的圖像像素的總和。它的優(yōu)點(diǎn)就在于它能簡單描述一幅圖像中顏色的全局分布，即不同色彩在整幅圖像中所占的比例，特別適用于描述那些難以自動(dòng)分割的圖像和不需要考慮物體空間位置的圖像。顏色直方圖是

30、在許多圖像檢索系統(tǒng)中被廣泛采用的顏色特征表示法。在RGB顏色空間中，顏色直方圖可以看成是一個(gè)離散函數(shù)，即 3.1 其中，k表示圖像的特征取值，L表示特征可取值的個(gè)數(shù)，n表示圖像中具體征值為k的像素個(gè)數(shù)，n表示圖像像素的總個(gè)數(shù)。為了更好的使用顏色直方圖，應(yīng)對直方圖的性質(zhì)有所了解:位置無關(guān)性：直方圖描述了每個(gè)灰度級的像素的個(gè)數(shù)，但不能為這些像素在圖像中的位置提供任何線索。當(dāng)一幅圖像被壓縮為直方圖后，所有的空間信息將全部喪失。因此，任一特定的圖像具有唯一的直方圖，例如圖3-1中a、b、c、d四幅圖像，如果陰影局部具有一樣的灰度值而且面積相等，則這四幅圖像的直方圖卻是完全一樣的，這說明了不同的圖像可能

31、具有完全一樣的直方圖。圖3-1 直方圖的位置無關(guān)性疊加性:如果一幅圖像由兩個(gè)不連接的區(qū)域組成，并且每個(gè)區(qū)域的直方圖己知，則整幅圖像的直方圖是該兩個(gè)區(qū)域的直方圖之和。顯然，該結(jié)論可推廣到任何數(shù)目的不連接區(qū)域。總體性: 圖3-2 直方圖的總體性直方圖是總體灰度的概念，從直方圖中可以看出圖像整體的性質(zhì)。如圖3-2所示：直方圖A表示圖像總體偏暗：直方圖B表示圖像總體偏亮；直方圖C表示圖像的灰度動(dòng)態(tài)圍太小，許多細(xì)節(jié)必然分辨不清楚；直方圖D表示圖像灰度級分布均勻，給人以清晰、明快的感覺。本文采取的方法是用HSV空間的顏色直方圖來描述圖像的整體顏色特征，一幅圖像的顏色一般很多，尤其是真彩色圖像，直方圖矢量的

32、維數(shù)會(huì)很多，假設(shè)對HSV空間的進(jìn)展適當(dāng)?shù)牧炕笤儆?jì)算直方圖，則可以節(jié)約存儲空間和減少計(jì)算復(fù)雜度。因此需要對HSV三個(gè)分量按照人的顏色感知進(jìn)展量化，一般采用非等間隔量化的方法，非等間距量化就是對顏色空間每一通道的劃分不采用等分的方法。如果顏色劃分過于粗略，則會(huì)造成一定的檢索誤差；如果顏色劃分過細(xì)，則計(jì)算量較大。應(yīng)該兼顧檢索誤差與計(jì)算量，對HSV三個(gè)分量選取一個(gè)適宜的量化標(biāo)準(zhǔn)。在實(shí)際運(yùn)算中對H、S、V三維特征矢量取不同的權(quán)值組合成一維特征向量以便于計(jì)算。在這三個(gè)矢量中，人眼對于顏色的劃分主要依據(jù)色調(diào)H，其次是飽和度S，最后才是亮度V。同時(shí)根據(jù)H、S、V的量化級數(shù)和其頻帶寬度可組合成一維矢量L： L

33、=H+V (3.2)其中，Q和Q分別是分量S和V的量化級數(shù)。通過該方法即將H、S、V三維特征矢量組合成了一維矢量。累加直方圖在許多應(yīng)用中，圖像檢索結(jié)果只能由人來做主觀評價(jià)。人眼對顏色的分辨能力是有限的，例如對色調(diào)(H)的微小變化不敏感。換言之，在一樣亮度和飽和度下，色調(diào)在一定圍微小的變化，人眼無法覺察。如何適應(yīng)人的這個(gè)視覺特性，人們首先想到了加大量化間隔，將相近的顏色量化到H軸同一坐標(biāo)上。有實(shí)驗(yàn)說明，采用一般直方圖，當(dāng)量化間隔時(shí)，檢索效果有很大改善。但這種簡單量化存在兩個(gè)嚴(yán)重問題，首先，對兩個(gè)相近顏色，這種量化既可能將它們量化到同一個(gè)H坐標(biāo)上，也可能量化到不同的兩個(gè)H坐標(biāo)上?？梢?，簡單的加大量

34、化間隔會(huì)導(dǎo)致誤檢。再者，色調(diào)(H)的分布有其自身的特殊性，從視覺角度來看，其相似性的分布并非均勻分布，如藍(lán)色的相近色的分布圍要比黃色的更寬些，簡單的等間隔量化并不適合色調(diào)(H)信號。一般直方圖方法對每個(gè)顏色分量平等對待，沒有考慮顏色軸上相鄰顏色的相似性，在一些情況下可能會(huì)漏檢。如有三幅單色圖像，顏色分別為紅色、粉紅色和藍(lán)色，用歐式距離對三幅圖像進(jìn)展度量，結(jié)果粉紅圖像與紅色圖像的相似程度等同于藍(lán)色圖像與紅色圖像的相似程度，這不符合人的視覺感覺。在圖3-3中給出的三幅圖像的直方圖，人的視覺感覺很容易判斷H和H較相似，而它們與H的區(qū)別顯著，但是結(jié)果卻不如人意。圖3-3 三幅直方圖累加直方圖可以較好的

35、解決這一問題。累加直方圖是以顏色作為橫坐標(biāo)，縱坐標(biāo)為顏色累加出現(xiàn)的頻數(shù)，以此繪出的圖形。這樣圖像的累加直方圖空間可以定義為： 3.3表示種顏色的像素的累加頻數(shù)： 圖3-4 圖3-3直方圖對應(yīng)的累加直方圖可見，在累加直方圖中，相鄰顏色在頻數(shù)上是相關(guān)的。累加直方圖消除了一般直方圖中常見的零值，也克制了一般直方圖量化過細(xì)過粗檢索效果都會(huì)下降的缺陷。顏色矩另一種非常簡單而有效的顏色特征表示方法是由Stricker和Rengo所提出的顏色矩(ColorMoments)。這種方法的根底在于圖像中任何的顏色分布均可以用它的矩來表示。此外，由于顏色分布信息主要集中在低階矩中，因此僅采用顏色的一階矩、二階矩和三

36、階矩就足以表達(dá)圖像的顏色分布。與顏色直方圖相比，該方法的另一個(gè)好處在于無需對特征進(jìn)展向量化。顏色的三個(gè)低階矩在數(shù)學(xué)上可以用公式，表達(dá): = 3.4= 3.5= 3.6其中f表示像素j的顏色值為i的概率，N為圖像中像素點(diǎn)的個(gè)數(shù)。 假設(shè)用Q，I表示兩幅圖像，則它們矩的距離公式為：= 3.7其中是用戶指定的加權(quán)系數(shù)，i表示顏色通道。 顏色矩己經(jīng)成功地應(yīng)用于許多基于容的圖像檢索系統(tǒng)(如QBIC)，特別是對于圖像中只包括一個(gè)目標(biāo)的時(shí)候非常有效，由于采用9個(gè)數(shù)值(三個(gè)顏色坐標(biāo)軸，每個(gè)坐標(biāo)軸包括三個(gè)顏色矩)，所以相對于其它顏色特征而言，采用顏色矩表示顏色特征是一個(gè)非常有效的表示方法。雖然傳統(tǒng)的顏色直方圖方法

37、與其他方法相比不能很好的表達(dá)圖像的空間特征，但卻是最簡單、最廣泛使用的方法。-. z顏色特征檢索匹配算法基于文本的檢索方法采用的是文本的準(zhǔn)確匹配，而基于顏色特征的圖像檢索則是通過計(jì)算查詢圖像(例如圖像)和數(shù)據(jù)庫圖像在視覺特征上的相似程度進(jìn)展匹配。因此，定義一個(gè)適宜的相似性度量方法對于圖像檢索的效果有很大影響。常用的相似度方法是向量空間模型(VectorsPacemodel)，即將視覺特征看作是向量空間中的點(diǎn)，通過計(jì)算兩個(gè)點(diǎn)之間的接近程度來衡量圖像特征間的相似度。在基于顏色特征的圖像檢索中，經(jīng)常用到的相似性度量方法，即特征匹配算法有以下方法: 直方圖相交法、歐氏距離法和二次式距離方法。直方圖相交

38、法令H(K)和H(K)分別為查詢圖像和數(shù)據(jù)庫圖像的*一特征統(tǒng)計(jì)直方圖，則兩幅圖像之間的相似度可借助直方圖相交來計(jì)算，即公式：= 4.1 該算法于1990年由Swain和Ballad提出， 由于它比二次型距離算法簡便，因此，這一算法目前仍被廣泛采用。歐式距離法 直方圖間的距離可使用一般的歐式距離函數(shù)來衡量，即公式：= (4.2)也可以適用加權(quán)距離來衡量，即公式：= (4.3)如果采用歸一化直方圖，則=l，即加權(quán)距離要小于歐式距離。二次式距離二次式(quadratic distance)距離Hafner J.et 1995考慮到了不同顏色之間存在的相似度。所以在顏色直方圖的比較上一般比使用歐式距離

39、或是直方圖相交距離更為有效。二次式距離的計(jì)算方式如下，兩個(gè)顏色直方圖Q之間的二次式距離可以表示為： D=(Q-I)A(Q-I) (4.4)這種方法通過引入顏色相似性矩陣A，其中A=a表示直方圖中下標(biāo)為i和j的兩個(gè)灰度值之間的相似度。顏色相似性矩陣A可以通過對色彩心理學(xué)的研究中獲得。因?yàn)轭伾狈綀D本身就包含了不同顏色之間的相似性因素，因此可以直接地使用歐式距離或直方圖相交距離。而本文中主要運(yùn)用了歐式距離來度量其相似度。-. z基于顏色特征的圖像檢索系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)開發(fā)工具的選取軟件開發(fā)越來越強(qiáng)調(diào)軟件的可移植性、易修改、易維護(hù)、可擴(kuò)大性、可復(fù)用性等特點(diǎn)，傳統(tǒng)的構(gòu)造設(shè)計(jì)思想己經(jīng)不能適應(yīng)強(qiáng)大的軟件需要

40、，取而代之的是面向?qū)ο笤O(shè)計(jì)思想的產(chǎn)生。相對于傳統(tǒng)的構(gòu)造化設(shè)計(jì)思想，面向?qū)ο蟮臄?shù)據(jù)封裝性、繼承性和多態(tài)性等特點(diǎn)使得復(fù)雜的程序開發(fā)變得簡單高效，充分表達(dá)了現(xiàn)代軟件工程的需要，并己成為軟件開發(fā)的必然趨勢。本系統(tǒng)就是采用面向?qū)ο蟮募夹g(shù)設(shè)計(jì)完成的。根據(jù)對實(shí)驗(yàn)系統(tǒng)中的顏色模型、特征提取算法等方面的設(shè)計(jì)，基于顏色直方圖的圖像檢索實(shí)驗(yàn)系統(tǒng)。在具體的系統(tǒng)開發(fā)過程中，考慮到網(wǎng)絡(luò)可擴(kuò)展性與使用方便性，本文選用MATLAB程序設(shè)計(jì)語言，在Windows *P下完成。MATLAB的功能非常強(qiáng)大，它可以用于完成以下工作：1數(shù)據(jù)的分析和可視化。2數(shù)值的符號計(jì)算。3工程與科學(xué)繪圖。4控制系統(tǒng)設(shè)計(jì)。5數(shù)字圖像信號處理。6變成、

41、應(yīng)用開發(fā)、圖形用戶界面設(shè)計(jì)。MATLAB語言有如下特點(diǎn)：1編程效率高，擴(kuò)大能力強(qiáng)。2用戶使用方便,方便繪圖。3語句簡單，涵豐富。4高效方便的矩陣和數(shù)組運(yùn)算。系統(tǒng)框架該系統(tǒng)支持用戶以給定例如圖的方式檢索本地圖像庫中的相似圖片，用戶只需根據(jù)提示選擇例如圖和想要檢索的圖像庫，系統(tǒng)會(huì)自動(dòng)對例如圖和圖像庫進(jìn)展特征提取，生成直方圖，并計(jì)算例如圖與圖像庫中每幅圖片的相似度，最后按相似度大小排序輸出顯示給用戶。本系統(tǒng)主要包括特征提取，特征匹配，結(jié)果顯示三大模塊，特征匹配和結(jié)果顯示可以看作一個(gè)模塊，總體框圖5-1所示：。圖5-1基于顏色特征檢索的系統(tǒng)框架1特征提取模塊特征提取算法應(yīng)簡單易用，且具有自動(dòng)提取的功能

42、，所選擇的特征應(yīng)盡可能表達(dá)原始圖像的信息。同時(shí)，可以借助一些先進(jìn)的數(shù)學(xué)工具來提取圖像特征，如基于泛函分析和小波分析的特征數(shù)據(jù)表示等?？傊?，特征提取是檢索方法成功與否的關(guān)鍵步驟。如圖5-2所示： 圖5-2 特征提取流程圖通過Matlab程序?qū)崿F(xiàn)對輸入一幅彩色圖像，繪制直方圖，最后輸出原來的輸入圖像和原圖像的直方圖。以下圖5-35-5分別給出了實(shí)驗(yàn)結(jié)果： 圖5-3輸入的原來圖像圖5-4 RGB三原色顏色直方圖圖5-5 顏色直方圖2特征匹配模塊關(guān)鍵圖與圖像庫中的一幅圖片通過特征提取模塊分別得到其直方圖后，通過特征匹配模塊計(jì)算相似度，再將圖片庫中每幅圖片與關(guān)鍵圖的相似度傳遞給圖像顯示模塊排序輸出。如圖

43、5-6所示： 圖5-6 顏色特征匹配3圖像顯示模塊該模塊從特征匹配模塊的匹配結(jié)果中獲得與關(guān)鍵圖最為匹配的幾幅圖像的路徑信息，根據(jù)該信息將圖像顯示給用戶，如圖5-7所示： 圖5-7所示檢索結(jié)果在對系統(tǒng)進(jìn)展了屢次調(diào)試運(yùn)行后，系統(tǒng)根本到達(dá)設(shè)計(jì)目標(biāo)，以下圖5-85-11所示為四次檢索結(jié)果的實(shí)例?？梢钥吹?，根據(jù)用戶提供的查詢關(guān)鍵圖，系統(tǒng)從用戶選擇的圖像庫中檢索到與關(guān)鍵圖相似的圖片并排序返回給用戶。實(shí)驗(yàn)中選擇了600多幅圖像作為測試圖像，根本到達(dá)了預(yù)期效果。左邊一幅為待查詢圖,其余從左到右相似度依次減小。以大海為例的檢索結(jié)果為：圖5-8以大海為例的檢索結(jié)果以沙灘為例的檢索結(jié)果為： 圖5-9 以沙灘為例的檢

44、索結(jié)果以綠樹為例的檢索結(jié)果：圖5-10 以綠草為例的檢索結(jié)果以河流為例的檢索結(jié)果：圖5-11 以河流為例的檢索結(jié)果性能評價(jià)(1) 查全率Reacall與查準(zhǔn)率Precision是信息檢索中的標(biāo)準(zhǔn)評價(jià)方法，現(xiàn)在已被越來越多地使用在基于容的圖像檢索當(dāng)中。以下用圖5-12的a,b,c,d的關(guān)系來說明檢索過程的查全率和查準(zhǔn)率：圖5-12 a,b,c,d關(guān)系示意圖(圖中a+b+c+d=Q a+c=A a+b=B)圖中Q為整個(gè)圖像數(shù)據(jù)庫，A代表相關(guān)圖像的集合，B代表檢索出的圖像集合。則查準(zhǔn)率 5.1 查全率 5.2 即表示的意思如下：查全率的主要是在一次查詢過程中，用戶所查到的相關(guān)圖像的數(shù)目和數(shù)據(jù)庫中與目

45、標(biāo)圖像相關(guān)的所有圖像數(shù)目之比；而查準(zhǔn)率主要指在一次查詢過程中所查到的相關(guān)圖像數(shù)目同該次查到的所有圖像數(shù)目之比。用戶在評價(jià)算法的時(shí)候，可以預(yù)先選定含有特有目標(biāo)的圖像作為一組相關(guān)的圖像，然后根據(jù)返回的結(jié)果計(jì)算查全率和查準(zhǔn)率。查全率和查準(zhǔn)率越高，說明該檢索算法的效果越好。分別對大海 、沙灘、綠樹和河流用本文中的系統(tǒng)進(jìn)展屢次檢索，對檢索結(jié)果中查全率、查準(zhǔn)率的數(shù)據(jù)進(jìn)展統(tǒng)計(jì)，檢索結(jié)果如下表5-1所示：表5-1 檢索結(jié)果用查全率R作為* 軸，查準(zhǔn)率P作為y 軸，繪制一條查準(zhǔn)率-查全率曲線，簡稱為PVR曲線。如圖5-13a所示：設(shè)PVR曲線為，則與-軸圍成的面積為： 5.3 稱為PVR指數(shù)。如圖5-13b所示

46、：據(jù)研究，該指數(shù)越大，圖像檢索性能越好。 圖5-13a PVR曲線 圖5-13b PVR指數(shù)由P，R，可得E。E越大，圖像檢索性能越好；E越小，圖像檢索性能越差。如果E=1，則圖像檢索性能到達(dá)最正確，其PVR曲線為如圖5-13c所示： 圖5-13c 由此可以看出，查全率反映檢索的全面性，而查準(zhǔn)率則反映檢索的準(zhǔn)確性，因此可以用查全率和查準(zhǔn)率來評價(jià)系統(tǒng)的有效性。該方法的局限性在于沒有考慮檢索結(jié)果中相似圖像所處的位置，同時(shí)，高的準(zhǔn)確率與查全率并不一定說明一個(gè)系統(tǒng)工作得好，這還要視具體的應(yīng)用而定。(2) 匹配百分比對匹配問題，理想情況下是正確圖像是檢索結(jié)果中的第一個(gè)。通常用下面的式子評價(jià)匹配效果：MP

47、=100% 5.4 其中N為圖像庫中目標(biāo)圖像的總數(shù)，R代表在檢索結(jié)果中的排位。(3) 排序評價(jià)方法 設(shè)查詢的返回圖像幅數(shù)為N，在N幅返回圖像中，為檢索到的相關(guān)圖像的數(shù)目，為相關(guān)圖像的排序序號，為實(shí)際的相關(guān)圖像數(shù)，則評價(jià)參數(shù)如下: 檢索到的相關(guān)圖像的平均排序?yàn)槔硐氲南嚓P(guān)圖像的平均排序?yàn)橄嚓P(guān)圖像的喪失率r 為表示理想情況下的平均排序, 越接近，表示查詢效果越好?？偨Y(jié)與展望本文先談了圖像檢索技術(shù)的當(dāng)前的國外現(xiàn)狀，這也主要是說明該課題研究的必要性。接著又探討了目前基于容的圖像檢索技術(shù)中的關(guān)鍵技術(shù)和檢索原理和檢索流程，為下面進(jìn)一步的研究打下理論根底。主要介紹的是其中的顏色特征理論和顏色直方圖理論，又對利

48、用直方圖算法所用到的根底理論進(jìn)展介紹，對其中涉及到的顏色模型、顏色直方圖、顏色特征提取、相似性度量等進(jìn)展了研究。并建立了相應(yīng)的圖像檢索實(shí)驗(yàn)系統(tǒng)，實(shí)現(xiàn)了利用顏色特征進(jìn)展圖像檢索，取得了良好的效果，該系統(tǒng)可視性好、檢索直觀、方便，可支持例如查詢。并探討了不同顏色的物體在圖像檢索中的查準(zhǔn)率和查全率，證明了這種方法的有效性。目前，基于容的圖像檢索主要利用圖像的視覺特征進(jìn)展檢索，而利用圖像語義特征的圖像檢索，也是今后圖像檢索開展的重點(diǎn)方向在基于容的圖像檢索領(lǐng)域，在諸多研究方面，如視覺特征提取、多特征組合檢索，以及高維索引的構(gòu)造等己經(jīng)取得定進(jìn)展，然而依然還有許多有待進(jìn)一步解決的問題：(1) 從自動(dòng)分析到人

49、機(jī)交互?；谟?jì)算機(jī)視覺的模式識別系統(tǒng)和圖像檢索系統(tǒng)的根本區(qū)別在于后者中人的參與是不可缺少的。早期人們強(qiáng)調(diào)全自動(dòng)意義上的單一最正確特征選擇，現(xiàn)在更強(qiáng)調(diào)交互式系統(tǒng)。(2) 高效存儲及檢索技術(shù)。網(wǎng)絡(luò)擴(kuò)展的一個(gè)副產(chǎn)品是多媒體，特別是圖像和視頻數(shù)據(jù)的海量膨脹。為了保證檢索速度和效率，需要不斷的研究高性能的數(shù)據(jù)存儲及檢索方法，包括高維索引技術(shù)。通用的面向一般應(yīng)用的存儲及檢索模型將對圖像檢索系統(tǒng)的實(shí)用起到極大的促進(jìn)。(3) 性能評價(jià)及測試標(biāo)準(zhǔn)。任何技術(shù)都是由其相應(yīng)領(lǐng)域的性能評價(jià)的準(zhǔn)則向前推動(dòng)的。由于圖像及視頻容不但豐富，而且具有很大程度上的主觀性，其檢索性能的評價(jià)準(zhǔn)則制定起來具有相當(dāng)?shù)碾y度。-. z致隨著畢

50、業(yè)設(shè)計(jì)論文撰寫的完畢，我的大學(xué)生活也走到了尾聲。在此，我想對我的家人、我的教師和同學(xué)們表達(dá)由衷的意。感教育過我的眾多教師們。是你們引領(lǐng)我們在知識的海洋中航行，教授了我們則多的專業(yè)知識。教師們淵博的專業(yè)知識、嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、精益求精的工作作風(fēng)和誨人不倦的高尚師德對我們都將產(chǎn)生深遠(yuǎn)的影響。同時(shí)衷心地感我的導(dǎo)師王科平教師給予的悉心指導(dǎo)、教導(dǎo)和鼓勵(lì)。王科平教師花費(fèi)了大量的時(shí)間和精力，在論文的整個(gè)完成過程中，包括選題、收集相關(guān)資料、算法的設(shè)計(jì)到最終的論文撰寫，王教師都給予了悉心的指導(dǎo)。使我不僅在專業(yè)知識方面得到進(jìn)一步提升，更從中學(xué)會(huì)了從學(xué)術(shù)的角度，結(jié)合實(shí)踐的需要進(jìn)展探討研究，做到學(xué)以致用。值此，謹(jǐn)向王科

51、平教師給我的教導(dǎo)和關(guān)心表示衷心的感。感我的同學(xué)及朋友們。大學(xué)期間我們同學(xué)習(xí)同娛樂，一起成長一起進(jìn)步建立了深厚的友誼。尤其在最后的畢業(yè)設(shè)計(jì)階段，大家在一起交流經(jīng)歷和方法讓我又學(xué)到了很多知識。還要感我的母校理工大學(xué)。它為我們提供了一個(gè)這樣舒適宜人的生活學(xué)習(xí)環(huán)境。我們將牢記明德任責(zé)的校訓(xùn)，好學(xué)力行的學(xué)風(fēng)熱情百倍得投入到工作中去。最后向我的父母表示深深的感，感他們對我的養(yǎng)育之恩以及在學(xué)習(xí)、生活各方面所給予我的支持和鼓勵(lì)，他們的關(guān)愛是我十幾年來求學(xué)的強(qiáng)大動(dòng)力，也是我能順利地完成學(xué)業(yè)的堅(jiān)強(qiáng)保障。衷心的感他們！-. z參考文獻(xiàn)1 阮秋琦.數(shù)字圖像處理學(xué).:電子工業(yè),2000.1331402 王曉丹,吳崇明.

52、基于MATLAB的系統(tǒng)分析與設(shè)計(jì).：電子科技大學(xué)，2000.1091723 君頂,珊.圖像低層特征提取與檢索技術(shù).：電子工業(yè)，2009.49844 周明權(quán),耿,韋娜.基于容圖像檢索技術(shù).：清華大學(xué)，2007.113 ,17555 王禹,弼強(qiáng),郭志剛等.基于廣義直方圖的圖像檢索方法.計(jì)算機(jī)工程與應(yīng)用,2002.81836 忠偉,章毓晉.利用顏色特征進(jìn)展圖像檢索.電子技術(shù)應(yīng)用,1999.19207 夏德深,傅德勝.現(xiàn)代圖像處理技術(shù)與應(yīng)用.：東南大學(xué),1997.8 Michael Swain and Dana Ballard. Color inde*ing. International Journa

53、l of puterVision,1991.9 朱虹等.數(shù)字圖像處理根底.：科學(xué)，2005.16817310 有鋒.基于顏色和紋理特征的圖像檢索相關(guān)算法研究:碩士學(xué)位論文.2009.151711 人厚，平安.精通MATLAB綜合輔導(dǎo)與指南.：交通大學(xué),1998.30035712 賈永紅.數(shù)字圖像處理.：大學(xué),2003.101213 朱志剛,石定機(jī).數(shù)字圖像處理.：電子工業(yè),2002.14 J Hatner, H S Sawheny, et al. Efficient color histogram inde*ing for quadratic form distance functions .

54、IEEE Transactions on Pattern Analysis and Machine Intelligence, 1995. 17(7):729735。15 Rafael C.Gonzalez，Richard E.Woods著阮秋琦,阮宇智等譯：數(shù)字圖像處理.：電子工業(yè)，2003.16 網(wǎng)冠科技：MATLAB 6.0時(shí)尚創(chuàng)作百例.：機(jī)械工業(yè),2002.17 韋娜,耿,周明全.結(jié)合顏色和空間信息的圖像檢索算法J.計(jì)算機(jī)應(yīng)用與軟件, 2003.20(8):3418 君頂，珊著.圖像底層特征提取與檢索技術(shù).：電子工業(yè)， 2009.117，4973附錄：顏色特征提取程序如下：定義 col

55、orhist = colorhist(rgb)% 顏色直方圖計(jì)算% 輸入： M*N*3的RGB圖像數(shù)據(jù)% 輸出: 1*256 的顏色直方圖 = (H*S*V = 16*4*4)% 作為通用的顏色直方圖描述rgb=imread(E:可以用的程序glasgow.jpg,jpg);BW = rgb;R=BW(:,:,1);REDcounts,* = imhist(R);G=BW(:,:,2);Greencounts,y = imhist(R);B=BW(:,:,3);Bluecounts,z = imhist(R);figure;subplot(131);imhist(R);title(histog

56、ram of Red);subplot(132);imhist(G);title(histogram of Green);subplot(133);imhist(B);title(histogram of Blue);Histcounts=REDcounts+Greencounts+Bluecounts;Histogramdata=Histcounts;% 檢查輸入if size(rgb,3)=3 error(3 ponents is needed for histogram);end% 非間隔量化% H量化成16級；% S量化成4級；% V量化成4級；% 轉(zhuǎn)換到HSVhsv = uint8(255*rgb2hsv(rgb);imgsize = size(hsv);i0=round(0.05*imgsize(1); i1=round(0.95*imgsize(1);j0=round(0.05*imgsize(2); j1=round(0.95*imgsize(2);