基于颜色特征的藏毯图像检索研究与实现.docx

基于颜色特征的藏毯图像检索研究与实现基于颜色特征的藏毯图像检索研究与实现摘要：针对国内外还没有可供研究人员和公众使用的藏毯类非物质文化遗产数字化资源平台这一状况，分析了在藏毯图像中运用基于内容的图像检索系统技术的可行性。通过对藏毯图像的颜色特征分析，针对传统HSV颜色空间量化的缺陷，使量化更为有效，把HSV颜色空间量化成188维，实现了在基于JAVA的框架中计算颜色直方图的方法，采用相似距离衡量直方图的相似度。考虑时间消耗并通过查准率的比较，藏毯图像检索的查准率明显提高。关键词：藏毯;量化;特征;图像引言藏毯在藏族传统艺术的基础上，吸收、融合了汉族、国外宗教艺人的精华，并且形成了具有自己独特的藏族艺术风格的工艺美术品，其图案设计和色彩源于藏传佛教文化，艺术价值极高，是珍贵的非物质文化遗产。随着近年来非物质文化遗产保护工作的不断深入，以及非物质文化遗产数字化、信息化的科技进步，全国各地非物质文化遗产数据库建设步伐不断加快，在分析藏毯的纹理特征、色彩分布和形状特征的基础上，即可以支持基于文字以及图像属性的查询，又可以提取藏毯图像的关键特征值来实现基于内容的图像检索。本文在研究基于内容的图像检索方法的基础上，经过改进，提出了一种针对藏毯图像基于HSV颜色空间量化的图像检索实现方法，为藏毯这一非物质文化遗产的保护和继承提供了技术支撑平台。一、基于内容的图像检索方法传统的基于文本的图像检索技术，主要利用数据库管理系统对图像采用人工描述并进行管理和检索，通过图像的描述文字和用户输入的关键字进行比较，但由于人工标注效率低和自身的主观偏差性，比较的结果不仅效果差，而且不能对图像中所包含的颜色、纹理等不能用文本信息标注的特征进行检索。基于内容的图像检索(Content-BasedImageRetrieval，CBIR)近年来已成为提高图像检索的有效手段。基于CBIR技术的图像检索系统，采用相似性匹配算法计算关键图像特征与特征库中图像特征的相似度，然后按照相似度从大到小的顺序将匹配图像反馈给用户。用户可根据自己的满意程度，选择是否修改查询条件，继续查询，以达到令人满意的查询。CBIR的实现依赖于两个关键技术：图像特征提取和匹配，图像特征提取分为低层视觉和语义内容，比较成熟的`检索算法大部分是基于图像的低层特征，即利用图像的颜色、纹理、形状、空间关系特征来检索。在基于内容的图像检索中，颜色作为图像的重要视觉信息已成为图像内容组成的基本要素，颜色特征成为在基于内容的图像检索中最早、最广泛使用的视觉特征，目前常用的颜色特征包括颜色直方图、颜色距、颜色聚合向量、颜色协方差矩阵等。纹理是物体表面的结构模式，反映了图像中同质现象的视觉特征，它体现了物体表面的具有缓慢变化或者周期性变化的表面结构组织排列属性，其本质是刻画像素的邻域灰度空间分布规律，典型的分析方法有：空间域纹理分析、频率域纹理分析、空间/频率域联合纹理分析和基于分形模型的纹理分析方法。对于某些纹理和颜色信息不够丰富的图像来说，基于颜色和纹理的方法就无法满足检索需要，这是可借助于形状特征来描述，形状是最难描述的图像特征，它不随周围环境，如颜色的变化而变化，是物体的稳定特征。基于形状特征的图像检索主要是检测或分割出目标轮廓，并针对其进行形状特征的提取或直接针对图像寻找适当的矢量特征，目前基于形状特征的图像检索主要有基于轮廓和基于区域的方法。空间关系指图像中分割出来的多个目标之间相互的空间位置或相对方向关系，通常分为两类：相对空间位置信息和绝对空间位置信息。提取图像空间关系特征有两种方法：一种方法是对图像进行自动分割，根据划分出的对象或颜色区域提取图像特征，并建立索引;另一种方法是简单将图像均匀地划分为若干规则区域后分别提取特征，并建立索引。二、颜色特征颜色是彩色图像最底层、最直观的物理特征，是一种全局特征，它描述了图像或图像区域所对应的景物的表面性质。作为图像最直观而明显的特征，颜色特征是基于像素点的特征，所有属于图像或图像区域的像素都有各自的贡献。相对于其它的图像特征如纹理和形状来讲，颜色特征非常稳定，不局限于图像的大小和方向，并且对于旋转、平移、尺度变化，甚至各种变形都不敏感，表现出相当强的鲁棒性，因此在基于内容的图像检索中发挥着重要的作用，这也使得颜色特征成为图像检索中应用最为广泛的底层视觉特征。2.1颜色模型颜色空间也称彩色模型，它的用途是在某些标准下用通常可接受的方式对彩色加以说明。本质上，彩色模型是坐标系统和子空间的阐述。RGB色彩模式是工业界的一种颜色标准，在RGB模型中，RGB即是代表红、绿、蓝三个通道的颜色，通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来构成了所有颜色，是目前运用最广的颜色系统之一。将这三种颜色划分成256(0-255)个等级，这三原色