一種多特征信息融合的顏色特征檢索方法

一種多特征信息融合的顏色特征檢索方法

0基于hsv顏色模型的直接示例查詢顏色是照片最重要的特征之一。通常，用戶很容易記住物體的顏色。因此，基于顏色的搜索是基于內(nèi)容的圖像搜索的最基本方法，這些搜索可以針對(duì)不同類型的彩色圖像進(jìn)行分析。目前,人們已提出了許多借助于顏色特征對(duì)圖像進(jìn)行檢索的方法,這些方法常用的彩色空間有RGB、YIQ和HSV等等,提取的主要特征是顏色直方圖。常用的計(jì)算直方圖之間距離的方法有直方圖相交法、距離法等,這種采用顏色直方圖的方法,具有非常良好的魯棒性,它對(duì)位置、方向,甚至形狀的扭曲變形都不是特別敏感。為了彌補(bǔ)空間信息的丟失,人們又提出許多顏色空間信息的檢索方法。這類方法存在兩個(gè)問題,一是特征維數(shù)過高,比如:對(duì)于RGB模型,每一個(gè)顏色分量都取(256)bin,則整幅圖像就是(256×256×256)bin。這對(duì)于日益膨脹的圖像庫來說,是不可容忍的;二是對(duì)光照的特別敏感,光照對(duì)圖像顏色的影響特別大,這將嚴(yán)重干擾檢索的結(jié)果。本文采用基于HSV顏色模型的直接示例查詢法,首先對(duì)圖像的不同分量根據(jù)人類的視覺對(duì)顏色感知的經(jīng)驗(yàn)值進(jìn)行非均勻量化,有效地壓縮了特征矢量的維數(shù),其次,進(jìn)一步采用主分量分析(principalcomponentsanalysis,PCA)對(duì)圖像特征降維,可以減小特征數(shù)據(jù)庫的大小,提高圖像的在線查詢速度。為了減少光照強(qiáng)度變化對(duì)顏色檢索影響,本文給出了采用顏色常量直方圖的具體求法。1各相臨區(qū)域內(nèi)顏色的變化顏色常量方法是使用顏色值對(duì)數(shù)的導(dǎo)數(shù)索引的方法(拉普拉斯或方向?qū)?shù)),它得出的結(jié)果是與相臨區(qū)域的變化率。因?yàn)?光照度在一定區(qū)域內(nèi)可以看作為定量,這樣以顏色變化率為索引,就可以排除光照成分對(duì)顏色的影響。下面介紹顏色常量直方圖的具體求法。(1)指定的顏色值的對(duì)數(shù)(2)不同的體積拉普拉斯卷積4個(gè)方向?qū)?shù)(3)常量直方圖的構(gòu)建拉普拉斯4個(gè)方向?qū)?shù)2訓(xùn)練集的本征向量的檢索由于采用上述方法得到的特征維數(shù)還是比較高,所以我們采用PCA方法對(duì)特征進(jìn)行降維。設(shè)為一個(gè)圖像集,其中d為圖像集中包含的圖像個(gè)數(shù),是使用前述方法獲得的圖像的高維特征向量。隨機(jī)地從圖像集中抽取若干個(gè)圖像組成訓(xùn)練集,例如,抽取圖像集中的10%組成訓(xùn)練集。假定我們選取的訓(xùn)練集足夠大并且具有多樣性,它就足以能描述圖像集的分布特征。因此,當(dāng)向圖像集中加入其它新圖像時(shí),不需要重新計(jì)算PCA變換。設(shè)為訓(xùn)練集中包含的q個(gè)圖像,則訓(xùn)練樣本的均值m和協(xié)方差矩陣C可采用如下方法計(jì)算設(shè)為協(xié)方差矩陣C的本征向量,它們對(duì)應(yīng)的本征值為λ。即注意,C是一個(gè)規(guī)模很大的矩陣,直接計(jì)算C的本征值和本征向量將是十分困難的。為此,我們首先對(duì)矩陣進(jìn)行奇異值分解(SVD),然后通過計(jì)算矩陣的本征值和本征向量來計(jì)算機(jī)(9)中的向量。。一旦計(jì)算出矩陣的本征值和本征向量,我們將這些計(jì)算出的本征向量按其對(duì)應(yīng)的本征值的大小降序排列,并將它們作為列組成PCA變換矩陣(K-L變換)U。K-L變換可表示為其中,就是我們得到的用于檢索圖像的特征向量,即圖像表示。在實(shí)際應(yīng)用中,一般只選取圖像特征向量的前k個(gè)分量活K-L變換系統(tǒng)用于檢索圖像,選取k是根據(jù)系統(tǒng)所允許的平方誤差而確定的。3相似度量函數(shù)圖像檢索的性能不僅依賴于所抽取的圖像特征,而且也與所采用的距離度量或相似度量函數(shù)密切相關(guān)。所謂相似度量函數(shù),就是根據(jù)某些預(yù)先設(shè)定的準(zhǔn)則來計(jì)算并返回兩個(gè)圖像之間的相似度。在這里我們采用符合人類心理的且很簡(jiǎn)單的歐氏距離作為度量。設(shè)為兩個(gè)圖像,則它們之間的距離定義為4光照因素對(duì)圖像檢索結(jié)果的影響我們使用相同的檢索集合進(jìn)行了直方圖檢索實(shí)驗(yàn),圖1給出了系統(tǒng)中的一個(gè)檢索示例,圖2是同一查詢使用直方圖相交方法得到的檢索結(jié)果(圖1,圖2中左上角是例子圖像)。從圖1可以看出,除了例子圖像外,其它3個(gè)正立的蝴蝶分別比例子圖像亮度高、亮度低和對(duì)比度較大,本文討論的方法主要不是針對(duì)顏色特征的旋轉(zhuǎn)、平移不變性等優(yōu)點(diǎn),而是研究如何減少光照因素對(duì)圖像檢索結(jié)果的影響。圖1的結(jié)果中所有正立圖像(包括受光照影響的圖像)排在所有旋轉(zhuǎn)圖像之前,并且歐氏距離有一定的差距,這恰恰說明了采用本文方法使得光照對(duì)檢索結(jié)果影響不大。但是在采用傳統(tǒng)直方圖方法所得到的檢索結(jié)果(如圖2所示)中,其中的一個(gè)大對(duì)比度圖像和一個(gè)低亮度圖像排列在沒有受到光照影響(但旋轉(zhuǎn))的后面,可見光照因素對(duì)檢索結(jié)果影響非常大。5改進(jìn)的圖像特征本文討論了一種基于顏色的圖像特征提取方法及其相應(yīng)的檢索技術(shù)。通過抽取圖像的顏色常量特征,利用PCA方法得到一種簡(jiǎn)單并且有效的圖像特征。同時(shí),采用基于歐氏距離的圖像相似度量,既降低了相似