基于颜色和纹理特征的图像检索算法研究.docx

基于颜色和纹理特征的图像检索算法研究
摘要：
图像检索技术是一种将图像数据转换为有用信息的方法，对于许多应用领域包括医学、遥感、安全监控与图书馆等都具有重要的意义。本文从颜色和纹理两方面入手，介绍了基于颜色和纹理特征的图像检索算法研究。首先，对颜色特征进行了详细的介绍，包括颜色空间、颜色直方图、颜色分布和颜色矩等，然后，着重介绍了图像中纹理特征提取的方法，包括LBP和GLCM等。最后，本文还根据已有研究，介绍了一种融合颜色和纹理特征的方法，通过实验结果，验证了该方法在图像检索方面的有效性。
关键词：图像检索；颜色特征；纹理特征；LBP；GLCM
1.引言
近年来，由于计算机硬件和图像处理技术的不断提升，图像检索技术在图形图像、医学、教育等许多领域都得到了广泛的应用。图像检索技术是一种将图像数据转换为有用信息的方法。在海量的图像数据中，快速准确地检索与查询需要的图像，具有重要的意义。
传统的图像检索技术主要是采用基于文本和标记的方法，这种方法存在很多的限制，不能够满足复杂的图像检索需求。因此，基于图像自身的特征进行检索已成为研究的热点。
图像自身的特征分为多种，其中包括颜色、纹理、形状等。本文着重探讨了通过颜色和纹理特征实现图像检索的方法。
2.基于颜色特征的图像检索
颜色是图像中最基本和最重要的特征，对许多应用领域都具有重要的意义。在图像检索中，颜色特征常常是最先考虑的。
2.1颜色空间
常用的颜色空间有RGB、HSV、YUV等，对于不同的应用场景需要选择合适的颜色空间。
RGB颜色空间是将颜色分解成红色(R)、绿色(G)和蓝色(B)三个通道，这种颜色空间不便于计算机处理。
HSV(Hue-Saturation-Value)颜色空间由色调(Hue)、饱和度(Saturation)和亮度(Value)三个分量构成。HSV颜色空间具有色彩信息和光亮信息的分离，更符合人类视觉系统的特点。HSV颜色空间被广泛应用在图像处理领域。
YUV(Y-luma、U-chroma、V-chroma)颜色空间是一种由亮度（Y）和色度（U,V）两种信息所组成的颜色空间。在数字视频中，YUV颜色空间比HSV颜色空间被更广泛地使用。
2.2颜色直方图
颜色直方图是描述颜色分布情况的一种方法。对于一张图片，首先将其转为指定颜色空间的图像，然后通过统计图像中每个像素点的颜色信息，在整幅图像的颜色分布上统计各个颜色级别的像素占有率，这样就得到了颜色分布的概率密度。
图像的颜色直方图可以表示为一个向量，该向量的每一个分量表示图像在某个颜色区域中像素出现的次数。颜色直方图可以以一定的方式进行归一化，便于量化图像的颜色分布情况。
2.3颜色分布
颜色直方图只能描述单个颜色的情况，对于颜色的空间分布一个单独的颜色直方图更不能够满足需求。
为了解决这个问题，颜色分布可以采用渐变色的方法，来描述颜色的空间分布。
2.4颜色矩
颜色矩是一种描述颜色分布情况的统计量。颜色矩包括色调全局重心、饱和度全局重心和明度全局重心等内容。这些颜色矩因为具有简单性、可逆性和具有特定意义，因此在颜色特征提取中被广泛应用。
3.基于纹理特征的图像检索
纹理特征是指图像中重复出现的像素模式。纹理特征提取是图像处理领域一个研究热点，目前对于纹理特征提取主要有局部二值模式（LBP）和灰度共生矩阵（GLCM）两种方法。
3.1LBP
局部二值模式是一种用来描述图像纹理特征的算子。由于LBP工作过程中只关注每个像素周围的像素灰度值，对图像在灰度差异性较大的应用中效果明显。
LBP的基本思想是用一个固定大小的窗口，在窗口中遍历每个像素，对于每个像素，与其相邻的八个像素点比较其灰度值大小。如果邻域内灰度值大于中心点的灰度值，则为1，否则为0，即得到一个二进制串。将这个二进制数转化成十进制数作为该像素的LBP值，以LBP值作为窗口中心点的像素点的特征，继续遍历所有像素点，并统计时域邻域中不同类型的LBP值出现的次数，得到一个LBP直方图，即纹理特征。
3.2GLCM
灰度共生矩阵是一种描述图像纹理特征的方法。它主要是通过统计像素灰度值在两个方向上的共生关系，生成一个灰度共生矩阵。
GLCM算法从某一领域的特定方向出发，通过对每个像素的灰度值进行统计，标定其相对位置，得到由灰度值为元素的方阵——灰度共生矩阵。
在计算灰度共生矩阵时，需要定义领域窗口的大小以及其在像素中的位置关系，常见的关系包括水平方向、垂直方向、45度方向和135度方向。
4.融合颜色和纹理特征的图像检索
颜色和纹理特征在图像检索中均具有很高的应用价值，很多学者将颜色特征与纹理特征相结合，提出了多种融合颜色和纹理特征的方法。
一种常用的方法是将颜色和纹理特征分别提取，然后在提取到的特征中分别计算相似度得到相应的权值。然后加权融合这些特征向量，以