图像颜色检索的一种方法

图像颜色检索的一种方法

1颜色定量的方法对于颜色提取，通常采用采样和量化后的颜色分布直接作为颜色索引，获得的颜色索引表示图像中不同颜色的图像排列。这与传统的几何方法不同。颜色索引的方法具有动态的算法，可以适应不同的变化。例如，即使改变位置、方向、甚至基本形状（例如，在桌子上放置衬衫），也不会影响搜索结果。然而，这种方法对光非常敏感，因此改变照明强度的变化会改变算法的结果。因此，人们提出了一种手动测量颜色的方法，以减少光强度的变化对颜色搜索的影响。颜色定量的方法是对图像进行预处理.为了减少光照情况对查询结果的影响,规范化图像为标准的光照度,使用颜色定量的方法进行管理,并利用在场景中放入几片光谱反射修补片.尽管利用颜色定量进行预处理的方法工作效果很好,但是,令人不太满意的是颜色定量的获得比基于颜色目标识别更困难.简单的颜色校正方法如:在场景中放入一个白色的校准片,这样做效果不好.因为复合光源和光的反射等原因,导致照明度经常在强度和光谱的组成上改变.因此,我们提出了采用颜色常量的方法.2方向导数方向导数它是使用颜色值的对数的导数索引的方法(拉普拉斯或方向导数),它得到的结果是与相临区域的变化率.因为,光照度在一定区域内可以看作为定量.这样,以颜色变化率为索引,就可以排除光照成分对颜色的影响.2.1两区域课外两方小区的变换对求导结果的影响运用拉普拉斯公式对象素的三元素求对数后,再求导,则产生一个新的三元组,这实际上是把测量颜色面积的方法用测量颜色边界长度来代替.求导以后,除了两种颜色区域边界外,这个三元组都近似为0,所有在某一种颜色边界的象素都会得到大致相同的三元组.把它们进行统计,并放入直方图的相应项中.故在直方图中每一项的统计值代表了两个特定颜色的边界长度.即使由于偶然光照情况使两区域中RGB三元组发生变化,在这两个区域中RGB三元组的变化率也不会发生显著变化.而由于对数的导数正好反映这种变化率,因而求导结果也不会发生大的变化.所以,求导后,三元组仍然可以放入直方图中的相应项中.显然,光照不会影响两种色块的边界长.因此,随着光照度的变化,直方图中的值不会随着光照而改变.但是,由于它是通过求两种颜色的边界长的方法实现颜色的查询,所以噪音对查询结果的影响比测量颜色面积的方法大,并且对于在没有光照度变化的情况下,它的检索效果不如测量颜色面积的方法.2.2颜色常数直方图的构建方法1指定的颜色值的对数ik(x,y)⇐ln(ρk(x,y)),k=1,2,3.其中ρk(x,y)表示(x,y)点的R,G,B值.2[fx,y][fx,yfx,yfx,yfx,yfx,yfx,yfx,yfx,yfx,yfx,yfx,yfx,yfx,yfx,yfx,yfx,yb]n拉普拉斯卷积:dk(x,y)⇐ᐁ2ik(x,y),k=1,2,3.∇2={[f(x+1,y)−f(x,y)]−[f(x,y)−f(x−1,y)]}+{[f(x,y+1)−f(x,y)]−[f(x,y)−f(x,y−1)]}.∇2={[f(x+1,y)-f(x,y)]-[f(x,y)-f(x-1,y)]}+{[f(x,y+1)-f(x,y)]-[f(x,y)-f(x,y-1)]}.4个方向的导数:dm,k(x,y)⇐∇mik(x,y)‚k=1‚⋯‚3,m=1,⋯‚4.dm,k(x,y)⇐∇mik(x,y)‚k=1‚⋯‚3,m=1,⋯‚4.31直方图的构建拉普拉斯:4个方向导数:3图像相似距离的计算图像的检索问题可以表示为:任给一个检索图像P,从图像库φ中检索出一个图像,使∀F∈φ,取minD(f(P),f(F)).其中D(f(P),f(F))为图像P和F的相似距离.那么,如何来计算图像之间的相似距离呢?一种方法是由Swain提出的直方图交集的方法.3.1图像的初步比较直方图交集算法,根据颜色索引检索出查询图像的颜色直方图,将其与模型图像(即库中的每个图像)的直方图取交集,根据交集的值来选出最佳匹配图像.直方图交集的公式如下其中,Ha为查询图像直方图,Hb为图像库中的任一图像直方图,D(Ha,Hb)为两图像的匹配值.D(Ha,Hb)∈(0,1),它的值越接近1,则两幅图像越相似.如果两幅图像完全一致,则D(Ha,Hb)=1.直方图交集方法能对两幅图像进行详细的比较.然而,对于许多合成的图像,例如商标等,它们有大量的一致颜色.三维直方图只有几个域的值很高,而其它许多域的颜色信息变化很有限.因而,对于这样的图像进行过细的比较是不必要的.又由于在扫描图像时容易产生一些噪音,所以,这种过细的比较容易产生错误的结果.3.2距离公式的建立我们使用了一个距离查询方法,将要查询的图和模型图进行比较.从我们实验的查询结果可以看出,这种方法对在有噪音的情况下效果更好.我们可以利用欧基里德距离公式(EuclideanDistance)来计算距离.对于两个N维直方图x,y,两者的欧式距离可以表示如下d2hist(x,y)=(x1−y1)2+(x2−y2)2+⋯+(xn−yn)2=(x−y)T(x−y).dhist2(x,y)=(x1-y1)2+(x2-y2)2+⋯+(xn-yn)2=(x-y)Τ(x-y).这种距离公式虽然简单,但是与特定的颜色分布无关,因此,我们引入相关权值A,这里A是一个N×N维矩阵,此时距离公式可以表述如下d2hist=(x−y)TA(x−y).dhist2=(x-y)ΤA(x-y).为了简化运算,将直方图x,y规范化,使其满足:0≤xi,yi≤1且.矩阵A=[aij],权aij表示颜色i和颜色j之间的相似程度.若取z=x-y,则有取定了距离公式后,我们需要找出A的取值,且要保证此矩阵A能够保证d2hist≥0.然而,这种假设不是必要条件,因为有条件存在.我们用dij表示颜色i和颜色j在RGB颜色空间中的距离.取aij=(1-dij/dmax),其中,dmax=maxij(dij).有因为则其中4试验结果的分析与比较我们对直方图交集和欧式距离公式的方法从以下几个方面进行了对比实验.1n正常n库中的每个图像都被作为查询图像.2r旋转r对库中的图像进行了水平旋转实验.即在二维空间验证同一物体按不同的方向放置是否对查询结果产生影响.3方向d对同一物体的不同侧面拍摄的图像.即在三维空间的变化.4比例图s同一幅图像按不同的大小比例进行实验.即为了验证同一幅图像,图像的大小比例不同是否会对查询结果产生影响.5图像旋转非负局部变化图像的噪音对查询结果的影响.我们随机地在图像中加入各种颜色的噪音,来测量噪音对查询结果的影响.以下是对库中100多幅图像进行实验得到的统计结果:由以上的实验数据可以看出,图像大小比例的变化及在二维空间进行图像的旋转,对实验结果无影响;图像在三维空间的方向变化和噪音,降低了检索的正确率.从直方图交集方法和欧式距离公式方法的实验结果对比可以看出,欧式距离公式的方法比直方图