基于颜色对的图象检索技术-毕业论文.doc

1、 基于颜色对的图象检索技术 摘 要 近年来，随着互联网的高速发展，网上的多媒体信息也急剧增加，这些多媒体信息以图像为主 。 如何从浩瀚的图像数据库中快速、准确地找出所需要的图像，己成为 一 个备受关注的研究课题 。 有效地组织、管理和检索大规模的图像数据成为迫切需要解决的问题。 于是 基 于内容 的 图像检索 (Content-Based Image Retrieval; CBIR)作为 一 个崭新的研究领域出现 了。 基于内容的图像检索 (CBIR, Content-Based Image Retrieval)是 一 种利用图像 的视觉特征 (颜色、纹理、形状等 )进行图像检索的技术 。 其

2、主要研究内容可以概括为四个方面 ;图像特征提取与表示、相似匹配、高维索引结构以及系统设计 。 CBIR的研究与发展将对诸如数字图书馆、多媒体信息系统、医学图像等应用领域提供有力的技术支持，它是当前图像数据库和多媒体信息检索领域的研究热点 .目前， CBIR的技术水平很难满足实际应用的要求，它是 -个具有挑战性的研究课题 ， 仍然期待技术上的 突破。 由于在目前的 图象 数据库中，基本上以彩色图片为主，所以在基于内容的 图象 检索技术中，颜色是使用最广泛的特征之 一 。 本文以普通 图象 作为对象，在 图象 预处理的基础上，研究了基于颜色对的 图象 检索算法，使检索结果 图象 在空间上具有颜色相

3、似性 。 采用应用广泛的 RGB颜色空间来表示 图象 的颜色特征，对颜色分量进行等间隔量化并形成特征矢量并对特征矢量进行归 一 化处理，采用 图象 均匀分块的方法 引入 图象 中色彩所处的位置信息， 用距离度量函数进行 图象 的相似性匹配。 关键词 ： 图象 检索 颜色对 相似性度量 颜色匹配 Abstract With the rapid development of Internet, the multimedia information is booming. All this information is mostly images. Effective recognizing, ma

4、nagement and searching all these images have been an emergent problem. This has led the rise of a new research and development field; Content-Based Image Retrieval (CBIR). CBIR is a technique for retrieving image on the basis of automatically derived vision feature. There are four fundamental bases

5、for CBIR, i.e. visual feature extraction and representation, similarity matching, multi-dimensioned indexing, and retrieval system design. Nowadays, CBIR is the main support technique for a lot of application domains, such as digital libraries, multimedia information systems, medical databases; etc

6、.It is currently a very active topic in image databases and multimedia information retrieval. Generally speaking， current image database consists of color pictures， so in CBIR system， color is one of most useful characteristics. We study the image retrieval algorithm of color pair， and make the retr

7、ieval image having color similarity in space. It quantifies color sector with equal interval, and gets characteristic vector. Finally, it matched the similarity of image with the distance function. The works lay better foundation for integrating every kind of retrieval algorithms using color histogr

8、ams and other image retrieval ways. Key words; Image Retrieval; Color Pair; Similarity Measurement; Color Matching; 目录 第 一 章 引言 . 1 1.1 研究背景 . 1 1.2 图象检索的主要应用 . 2 1.3 国内外典型系统介绍 . 3 1.3.1 国外研究成果 . 3 1.3.2 国内研究成果 . 5 1.4 本文的研究工作 . 5 第二章 基于颜色对的图象检索技术 . 6 2.1 采用颜色特征检索的原因 . 6 2.2 图象检索流程 . 6 2.3 颜色检索示例表示

9、. 7 2.4 颜色对的基本思想 . 7 2.5 颜色对的检索方法 . 8 2.6 对颜色对方法的改进 . 9 2.7 基于颜色对算法的实现 . 10 第三章 系统的实现 . 12 3.1 开发工具的选取 . 12 3.2 系统介绍 . 12 3.3 系统结构 . 13 3.4 系统详细设计 . 13 3.5 主要类方法和函数 . 14 3.5.1 位图类 . 14 3.5.2 主 要函数 . 15 第四章 系统运行结果 . 20 结束语 . 23 致谢 . 25 参考文献 . 26 Contents Chapter 1 Introduction . 1 1.1 Background Rese

10、arch. 1 1.2 Main Application. 2 1.3 Typical System Introduced At Home And Abroad. 3 1.3.1 Foreign Research Results . 3 1.3.2 Domestic Research Results . 5 1.4 About This Paper. 5 Chapter 2 Image Retrieval Technology Of Color Pair . 6 2.1 Why Using Color Feature. 6 2.2 Process Image. 6 2.3 Example. 7

11、 2.4 Basic Idea Of Color Pair. 7 2.5 The Retrieval Method. 8 2.6 Improving Method. 9 2.7 Algorithm Realization. 10 Chapter 3 Implement The System . 12 3.1 Selecting Tools. 12 3.2 System Introduced. 12 3.3 Architecture. 13 3.4 Detailed Design. 13 3.5 Main Categories Methods And Funtion. 14 3.5.1 Bitm

12、ap Class . 14 3.5.2 The Main Funtion . 15 Chapter 4 Systems Result . 20 Summary . 23 Acknowledgement . 25 References . 26基于颜色对的图像检索技术 厦门大学学士论文 1 第 一 章 引言 1.1 研究背景 随着计算机软硬件和国际互联网技术的飞速发展，多媒体数据的数量也以惊人的速度增长。各行各业有越来越多的信息通过 图象 的形式进行表达，这些 图象 中包含了大量有用的信息。但是这些 图象 松散的分布在世界各地，缺少有效的组织，难以达到资源共享的目的。因此如何利用如此众多的 图象

13、 信息并从中定位感兴趣的材料，是对 图象 信息的查询技术提出的重大挑战。 在信息的组织 、 管理和检索方面，传统上应用最广泛的是数据库技术，它采用基于关键词的检索方式，这对于处理结构化比较强的文本、数值信息效果比较好，然 而 ， 它对于 图象和视频这些视觉信息的检索却具有相当大的局限性，这是由视觉信息自身的特点决定的，它们与传统的文本、数值信息相比具有如下的特点 ： 1)非结构化特性。在传统的文本、数值数据库中，记录信息具有明显的结构特性，它是现实世界中对象间关系的反映，可通过实体 关系模型抽象得到。与此相比， 图象 和视频对象具有较强的非结构化特性，许多多媒体信息以流的形式存在 (例如视频流

14、 )，这种媒体想要得到它的信息，必须对它先进行结构化处理，而这种结构化不能通过简单的抽象来完成，而需要相应的媒体分割和组织技术。 2) 内容多义性。 在传统的文本、数值数据库中，每 一 个记录所包含的语义确定而且有限。而对于像 图象 或视频这样的多媒体对象来说，具内容往往对不同的用户、不同的应用具有不同的解释，即具有多义性的特点，这样其内容就很难通过有限的属性 来充分描述。此外，对多媒体对象的检索 一 般都是内容相似程度的检索 即查找内容描述与检索要求最接近的对象。这就要求建立的内容描述支持内容相似性程度的比较，这是在传统的文本、数值数据库中广 泛 采用的定性描述所不能满足的。 在 1970年

15、以后，随着数据库管理和计算机视觉两个领域的飞速发展， 图象 检索技术 (Image Retrieval)的研究成为热点。由于 图象 检索在这两个领域的不同应用，所以它们采用的研究基于颜色对的图像检索技术 厦门大学学士论文 2 方法也各自有所侧重。数据库管理领域的研究采用基于文本 (text-based)的 图象 检索方法，而计算机视觉领域则偏重于基于视觉 (visual-based)的 图象 检索。 基于文本的 图象 检索，主要在数据库领域中进行研究，它的 一 个典型框架是，首先对 图象 用文本进行注解 (关键字 )，然后用基于文本的数据库管理系统 (DBMS)来进行 图象 关键字检索，诸如数

16、据模型、多维度索引、查询评价等的研究进展均是沿着这 一 领域所作的。但是，基于文本的 图象 检索存在很大困难，尤其是 图象 的数据量非常大的时候，其 一 ，手工对 图象进行注释所需的工作量太大 ;其二，许多 图象 很难用文字的方式进行描述 ;其三，不同的人对同 一 幅 图象 的理解不 一 样，即使同 -个人对同 一 幅 图象 在不同环境下理解也不完全相同，这样使得对 图象 的描述不唯 一 ，造成检索结果的千差万别 ;其四，由于世界上存在许多语种，采用不同的语言文字对 图象 进行描述而建立的索引在应用中造成了 一 定的 障 碍。因此基于文本方式的 图象 检索存在很大的局限性。 基于内容的视觉信息

17、检索旨在对视觉信息提供强有力的描述，实现视觉信息的结构化，最终达到用户 对这些视觉信息内容自由访问的目标。它是 一 门涉及面很广的交叉学科，包括 ;信号处理， 图象 处理，机器视觉，数据库，信息检索，模式识别等相关技术。 近十年来 ，基 于 内容的 图象 检索和视频检索是当前最活跃的研究热点之 一 。每年都有相关的国际会议召开，如 SPIE的 Storage and Retrieval for Image and Video Databases, ACM Multimedia等，而且许多国际上的知名杂志都发表了相关内容的专刊，如 ;IEEE Computer, IEEE Trans. onPA

18、M1, Pattern Recognition, Image and Vision Computing。目 前，国内外很多研究机构都在进行相关的研究工作，并取得了很多令人瞩 目 的成就。如 ;IBM的 QBIC, UIUC的 MARSI, CMU的 Info media, MIT的 Photo book等，国内的主要研究单位有 ;中科院联合实验室、中科院自动化所国家模式识别实验室、清华大学、上海交通大学等。 1.2 图象 检索的主要应用 CBIR己经成功地应用于 一 些专门领域 .典型应用领域包括 ; 1.搜索 引 擎 ;随着各种电子商务网站的发展， 图象 搜索引擎将成为这些网站的重要工具。

19、2.家庭用 图象 检索 ; 数码科技使得普通家庭也会产生成千上万的 图象 ，家庭 图象 检索系统将是家庭 PC的 一 个基本工具。 基于颜色对的图像检索技术 厦门大学学士论文 3 3.数字图书馆 ;数字图书馆实际上是 一 个数字信息资源库，其中有字符数值库、文本库、声音库、 图象 库等。因此，如何快速、高效地从数字图书馆中找出用户所需的信息就成为现代图书馆研究的热点和关键技术之 一 。 4.商标检索系统 ; 可在收录了己注册商标的数据库中查找是否有与注册商标类似的，防止商标权受侵害。 5.法律及公安 ;它是 图象 数据库技术的 一 个重要应用领域。典型的例子有 ;面部数据库、指纹数据库、犯罪纪

20、录数据库以及建筑物保安数据库等。我国在“人脸”及“指纹”数据库建立方面已做了不少工作，并有 一 批实用性的成果投入应用。 6.邮票资料库 ;主要用于邮票资料的管理与查询，也可以提供邮票鉴定等更高级的应用服务。 7.教育与培训 ;在教育与培训领域，例如远程教学、交互式培训、自学教育及雇员再教育等有着广阔的应用前景。国外在培训系统领域已投入了大量的经 费，开展了相关课题的研究工作。我国多媒体教学研究工作也已经开展， 网上教学与辅导已进入实用阶段，这些都为图象 数据库应用于教育培训领域提供了广阔 的前景 . 8.工业与商业 ;工业应用包括企业多媒体信息系统、 CAD/CAM等 ;商业应用有电子商务、

21、在线广告、在线购物、股票等。 9.保健及医疗 ;图象 数据库在该领域中应用范围很广，除了专用的 图象 管理与检索系统外，还包括建立多媒体医疗信息管理系统，将庞杂的医疗数据管理起来 .这些数据包括病历、病人的 图象 信息 (如 X光片、 CT扫描及 MRI照片等 )以及描述手术过程的视频信息等。它为现有的医学系统带来了 -场革命，其中最有前景的应用是远程医疗 (Telemedicine)、远程外科手术(Tele-surgery)及远程 诊断 (Tele-diagnoses)等。 1.3 国内外典型系统介绍 1.3.1 国外研究成果 虽然当前对 CBIR的研究还很不成熟，但是作为商业软件包的 图象

22、 检索系统已经问世。在网络上的演示版本也相应出现。 基于内容检索的 图象 数据库的典型代表主要有以下几个 ; 1. QBIC 图象 检索系统 基于颜色对的图像检索技术 厦门大学学士论文 4 QBIC( Query By Image Content)图象 检索系统是 IBM公司 90年代研制开发的 图象 和动态影像检索系统，英文原意是“依靠 图象 得内容进行查询”。它主要为 IBM的 DB2大型数据库提供 图象 检索功能，并支持基于 Web的 图象 检索服务。它是标准的基于 Content-based技术的 图象 检索系统，用户无需提供文字检索词，只要输入以 图象 形式表达的检索要求即可检索出

23、-系列相似的 图象 。它提供多个 图象 数据库供检索试验，例如美国 1995年以前发行的邮票图案，世界著名商标，旧金山美术博物馆 图象 数据库，法国文化部 图象 数据库，可视化图书馆等。 2. Image Rover系统 (图象 漂泊者系统 ) Image Rover是基于万维网的 图象 导航器，用户使用点击小图标的方法查询到自己所需图文信息。 Image Rover内部成功运用了 Content-based技术，特点是通过 HTML(Hypertext Makeup Language)文件将可视化信息和文本信息统 一 起来。它由文件采集子系统和 图象 检索系统两部分组成 . (1) Imag

24、e Rover文件采集子系统 文件采集子系统中，运用自动采集索引机器人 (Robot)技术，定期采集 Web文件， Web服务器也可主动向 Image Rover提供图文信息。文件采集的基本原理与 一 般搜索引擎相似。当采集到网页后，系统将分析网页图文内容，分离 图象 和文本信息，对 图象 进行特征分析和抽取，将特征索引存储在工 mage Rover的检索系统中。 (2) Image Rover图象 检索子系统 Image Rover进行查询的步骤是 ;客户机终端输入查询 图象 ，查询服务器分析特征和语义后送入索引生成服务器进行对照，索引生成服务器将最优结果指令传输给数据库服务器，客户即可得到

25、数据库的答复。 3. VisualSeek和 WebSeek VisualSeek系统是万维网 图象 /影像检索工具，研制者 John R Smith毕业于哥伦比亚大学电子信息研究中心， 一 直致力于 Content-based技术开发研究，创造出 一 系列成果，例如VisualSeek, WebSeek, SAFE和 CBVQ等， VisualSeek提供 -系列搜寻和检索万维网视图信息的工具。 WebSeek实际上是这些工具中的 一 种。 VisualSeek的技术内核与其他 Content-based检索系统相似。比较其他多媒体信息检索系统， VisuaISeek的优点在于 ;高效率的

26、WEB图象 信息检索，采用了先进的特征抽取技术，用户界面强大，操作简单，查询途径丰富，结果输出画面生动，支持用户直接下载信息。在 VisualSeek的众多工具中， WebSeek具有较强功能和特色，基于颜色对的图像检索技术 厦门大学学士论文 5 其本身就是 一 个独立的万维网可 视化信息编目工具，已经对 650000幅 图象 和 10000个影像片断进行了编目。用户可使用目录浏览和特征检索方式进行 图象 检索。 1.3.2 国内研究成果 国内的 -些高校和研究机构也注意到这个研究方向的巨大潜力，已经开始了这方面的研究，开发了 -些原型系统，而成熟的商品化应用系统还很少。浙江大学 1995年开

27、始进行多媒体图象 检索的研究，分别完成了基于 图象 颜色和基于 图象 形状的原型系统。在此基础上，又在Soralis系统上开发了新的多媒体检索系统。其总体设计思想是允许用户找到包含特定颜色、纹理和形状的 图象 ，它支 持基于关键字、全局颜色、全局纹理、对象形状、颜色布局、纹理布局等的查询。中国科学院声学研究所开发的 图象 检索系统 ImageHunter基于纹理和颜色特征对 图象 进行检索，并且对这两种 图象 特征的综合检索进行了实现。此外，系统还加入用户反馈，通过反馈信息对参数进行不断调整以得到更佳的效果。南京邮电学院也进行了这方面的研究，研制了基于纹理和颜色特征的实验系统 1.4 本 文

28、的研究工作 首先对基于内容的 图象 检索的现状作了大致的分析，接着深入讨论了颜色对算法，开发出了 一 个基于颜色对的 图象 检索 实验 系统，并对实验结果进行 了分析 基于颜色对的图像检索技术 厦门大学学士论文 6 第二章 基于 颜色对的 图象 检索技术 2.1 采用颜色特征检索的原因 对于 图象 的检索，早期的方法是用文本将 图象 数据进行标识，这显然无法全面准确地反映 图象 信息本身的内容。 基于内容的检索是多媒体数据库的关键技术。较好的方法是使用无需领域知识的检索方法。 在传统的注重几何特征的计算机视觉研究中，颜色特征并未得到人们充分的重视。但是相对于几何特征，颜色特征具有与生俱来的旋转、平移、尺度变化不变性，甚至各种变形都不敏感，表现出相当强的鲁棒性，而且颜色特征也是人类认知物体的 一 个主要特征 。因此基于颜色特征的检索方法被广泛的用于基于内容的图象检索中。 基于上述目的，本文研究了颜色对方法在基于内容检索时的算法和实现方法。 2.2 图象检索流程 在基于颜色 特征 检索的系统中，算法的基本思想 是颜色 对 的匹配，对检索图象提取其 特征 颜色，计算与存储在图象库中的图象的 特征 颜色 的相似度 ， 相似度大于等于 60%的图象即被检索到，并按照相似程度从大到小排序输出 。 利用颜色特征进行相似性检索的主要流程图如图 2-1所示 ; 图 2.1 图象 检索流程图