林麗惠

（武夷學院，武夷山 354300）

隨著數(shù)字技術、網(wǎng)絡技術的飛速發(fā)展，數(shù)字圖像逐漸應用于各個領域，圖像的數(shù)量和內(nèi)容也越來越豐富。如何從龐大的數(shù)據(jù)庫中快速地檢索到自己感興趣的信息，已成為當今研究熱點?；趦?nèi)容的圖像檢索技術克服了傳統(tǒng)文本檢索技術在檢索速度和檢索準確度上的缺點，使得圖像檢索技術取得了很大的進步和發(fā)展。基于內(nèi)容的圖像檢索技術需要研究人員確定視覺特征的提取方式，而系統(tǒng)的性能直接受不同的視覺特征的影響。因此早期的研究工作主要關注如何從圖像中提取出有效的特征進行檢索。隨著網(wǎng)絡圖像信息的日益豐富，對WEB圖像檢索速度要求更高，而圖像檢索的速度往往影響到用戶對網(wǎng)站的信心。而互聯(lián)網(wǎng)上，圖像索引的性能與圖像特征維數(shù)是成反比的。圖像特征維數(shù)越多，其索引性能越低。特別是在特征向量的維數(shù)大于102時，其索引性能可能還不如順序掃描時的性能。而一般情況下，互聯(lián)網(wǎng)上圖像特征向量維數(shù)的數(shù)量級已經(jīng)達到了102。這對于WEB圖像檢索技術而言是一種非常糟糕的情況。因此，如何在保留圖像主要特征的情況下，大幅減少圖像特征向量的維數(shù)以提高檢索效率，就成為了WEB圖像檢索研究的一個重要問題。

本文采用的圖像檢索方法將利用HSV顏色模型非等量化實現(xiàn)圖像主色的提取以達到減少圖像特征向量的維數(shù)的目的，然后結合顏色與空間信息采用基于顏色對的檢索方法進行二次檢索。

1 運用HSV顏色模型對圖像降維

利用HSV顏色模型提取主色，對圖像進行降維，提高檢索效率。圖像的主色包含圖像的主要顏色信息。提取圖像主色是為了在保留圖像主要顏色信息的同時減少圖像特征向量的維數(shù)，從而減少運算量，提高檢索效率。圖像主色主要取決于人的肉眼判斷，不同的人可能對同一幅圖像主色的認知不同。HSV顏色模型，是一個基于感知的模型。因此，為了使人的視覺感知能更好地匹配理論的顏色值，將主色的選擇與HSV顏色模型結合能達到更好的效果。在HSV顏色空間中，考慮到人眼分辨飽和度與亮度的能力比分辨色度的能力較差，我們采用非均勻顏色空間劃分［1］。對HSV顏色空間進行非等間隔量化 的 等 級 通 常 有 （12,5,5）、 （16,4，4）、 （18,3,3）、（8,3,3）、（6,2,2） 等， 對應的特征維數(shù)分別為 300、256、162、72和 24。而 HSV的量化等級數(shù)分別為（8,3,3），即得到72維特征矢量的時候，HSV的量化效果最好［2］。

所得的72維特征矢量中每一維均代表了這種顏色在圖像中所占的比例。若某一維上的特征值越大，那么這一維所代表的顏色在圖像中所占的比例也越大。 可以說一幅圖像的主色其實是由特征值比較大的那些維所決定。我們可以認為，將一幅圖像的72維特征值按照從大到小的順序排列，如果前面m個維數(shù)上的特征值之和超過了某一個閾值d，那么這m個維數(shù)所代表的顏色就是這幅圖像的主色。這時我們可以忽略其他的維數(shù)對圖像顏色的影響。在此，閾值d取80%。因為人的大腦接收到的來自外部世界的感知信息中，80%以上是通過視覺系統(tǒng)進行加工處理的［3］。所以這個閾值d根據(jù)人的視覺誤差可以取80%。通過這種方法，我們能夠在最大限度保留圖像主要顏色信息的情況下將圖像的特征維數(shù)從72維降下來，只需要計算從大到小排列、特征值之和超過80%的前面m維，實現(xiàn)圖像降維的目的。然后將降維后的圖像采用直方圖的交集作為相似性度量進行檢索。這樣能大大提高檢索的效率。

2 運用顏色對方法進行二次檢索

結合顏色與空間信息采用顏色對方法進行二次檢索，提高檢索精度。上述方法在保留圖像主要特征的情況下，大幅減少了圖像特征向量的維數(shù)，提高了WEB圖像檢索的效率。但是顏色直方圖［4］基于全局方式，容易丟失掉圖像顏色的空間分布信息。因此，我們采用上述方法先對WEB圖像降維，采用直方圖的交集作為相似性度量進行首次檢索，得到了檢索結果排列比較靠前的一部分在全局顏色分布上相似的圖像，之后進一步考慮顏色的空間分布狀況，采用顏色對方法對第一次檢索得到的圖像進行二次檢索以提高檢索精度。

所謂圖像的顏色對，是指圖像中各子塊與相鄰子塊之間的顏色灰度值的差額對數(shù)量?；陬伾珜Φ念伾狈綀D，需要借助圖像子塊之間的相鄰關系，通過顏色對統(tǒng)計數(shù)據(jù)來表達圖像中顏色的空間分布信息。如果兩幅圖像的總體顏色相似而且顏色對相同，那么這兩幅圖像是非常相似的。

下面我們將用圖例的方式來說明顏色對的工作原理。假設一幅圖像A被平均分成3×3個子塊，如圖1所示。每一個子塊上的數(shù)字表示本子塊的顏色灰度平均值。將圖像A向左移動一格，即第二個子塊被移到第一個子塊，第三個子塊被移到第二個子塊，………，則圖A中第一個子塊被移出；此時將這個子塊放到最后一個子塊，得到新圖像作為圖像B,如圖2所示。用顏色對表格分別記錄圖像A和圖像B中各個左右相鄰子塊的距離（見表1和表 2）。

圖1 圖像A各子塊顏色灰度

圖2 圖像B各子塊顏色灰度

表1 圖像A的顏色對

表2 圖像B的顏色對

圖像B是圖像A向左移動后得到的圖像。相對圖像A而言，圖像B中各個子塊的空間位置發(fā)生了變化。如果用顏色直方圖度量圖像A和圖像B，則認為圖像A和B是相同的圖像。所以，顏色直方圖沒有反映出圖像中顏色的空間分布信息。如果對第一次利用顏色直方圖檢索得到的圖像再次利用顏色對進行檢索，將提高檢索的精度。

3 檢索方法的實現(xiàn)過程

檢索過程大概分7個步驟來實現(xiàn)：

（1）將圖像由RGB顏色空間轉(zhuǎn)換到HSV顏色空間，轉(zhuǎn)換后，H∈［0,360］；S∈［0,1］；

（2）采用非等間隔量化方法將HSV量化到72維，將HSV三個顏色分量合成一維特征向量L,L=9H+3S+V,0≤L≤71；

（3）將L維按特征值大小從大到小排列，取特征值之和超過80%的前面m維，忽略其他維的顏色特征，用直方圖的交集作為相似性度量進行第一次圖像檢索；

（4）將第一次圖像檢索得到的檢索結果排列在前50的圖像文件分成3×3子圖像Pmn(m,n=1,2,3),采取“八方向相鄰技術”計算每個子塊的顏色對表，將表按顏色對值從大到小排序，形成特征庫。

（5）計算檢索圖像I的3×3子塊顏色直方圖，選擇用戶感興趣的x個圖像子塊，采取“八方向相鄰技術”計算這些子塊與相鄰子塊的顏色對表；以x個顏色對表中所有顏色對的平均值的3%為閾值，進行去噪處理，將x個顏色對表中剩余的顏色對按其值從大到小排序，作為檢索圖像I的代表特征。

（6）計算特征庫中每個圖像子塊Pmn(m,n=1,2,3)的顏色對表和檢索圖像I的顏色對表的局部匹配值,其中M表示檢索圖像I中所有顏色對數(shù)，px和ix分別表示檢索圖像I和圖像庫中相應圖像的第x個顏色對值，從而計算

（7）給定閾值 β（0＜β＜1）,將 S(P,I)＞β 的圖片 P 作為檢索結果。

4 實驗結果及分析

為了檢驗本文檢索方法的可行性和有效性，本文在 Windows XP、Visual C++6.0環(huán)境下進行實驗。實驗用到的圖像數(shù)據(jù)集來源于baidu圖像搜索引擎。實驗中用查準率和查全率對結果進行評價。第一次利用HSV顏色模型降維，并以直方圖相交距離作為相似性度量進行檢索，然后對返回的前50幅圖像再次利用顏色對特征進行二次檢索。

為了檢測本文降維方法的性能，本實驗對第一次檢索過程中采用降維方法與72維不降維方法的檢索性能進行了對比（見表3）?？梢钥闯觯肏SV顏色模型降維保留了圖像的主要信息，但圖像的檢索時間得到了大大的改善。

第一次檢索后對返回的前50幅圖像再次利用顏色對特征進行二次檢索，二次檢索在返回圖像為10、20和30時統(tǒng)計的查全率和查準率見表4。從數(shù)據(jù)看二次檢索比第一次檢索的查準率提高了。由此，驗證了本方法能從效率上和準確度上有效地提高WEB圖像檢索的性能。

表3 第一次檢索過程中采用降維方法與72維不降維方法的檢索性能比較

表4 二次檢索在返回圖像為10、20和30時統(tǒng)計的查全率和查準率

5 結 語

網(wǎng)絡的迅速發(fā)展為基于內(nèi)容的圖像檢索技術提供了一個新的應用領域,而基于內(nèi)容WEB圖像檢索技術在這個新的應用領域還有很多工作要做。例如優(yōu)化圖像的存儲、圖像的索引；將基于語義的圖像檢索和相關反饋機制引入WEB圖像檢索等。

[1]姜蘭池，沈國強，張國煊.基于HSV分塊顏色直方圖的圖像檢索算法[J].機電工程，2009，26（11）：54-57.

[2]劉為.基于內(nèi)容圖像檢索關鍵技術的研究[D].長春：吉林大學，2010

[3]李清勇.視覺感知的稀疏編碼理論及其應用研究 [D].北京：中國科學院研究生院（計算機技術研究所）,2006.

[4]李冬梅.基于顏色直方圖的圖像檢索技術應用研究[D].天津：河海大學，2004.