顏色與紋理結(jié)合的一種新的圖像檢索方法.pdf

1、隨著英特網(wǎng)的不斷發(fā)展，圖像數(shù)量與日俱增，每天大量的圖像都會被添加到圖像數(shù)據(jù)庫中，圖像檢索技術(shù)逐漸成為一個非?；钴S的研究領(lǐng)域。如何有效地對這些圖像進行分析、存儲和檢索已經(jīng)成為一個亟待解決的問題。因此建立一個高效，準確的圖像檢索系統(tǒng)是迫切需要的。
　　早期的研究是基于文本的圖像檢索技術(shù)(TBIR)，首先對圖像進行手動標注，即利用圖像名稱、拍攝的地點等描述性文字標記所有圖像，然后人們根據(jù)這些描述性文字查詢自己需要的圖像。然而這種基于文本

2、的檢索圖像技術(shù)更多地依賴人對圖像的主觀理解，而忽略了圖像本身的內(nèi)容信息，因此無法較準確完整的描述出圖像內(nèi)容的含義。
　　在過去的幾十年中，已經(jīng)有很多基于內(nèi)容的圖像檢索系統(tǒng)被開發(fā)出來，例如：IBM的QBIC系統(tǒng)，MIT的相冊系統(tǒng)，Berkeley的Blobwrold系統(tǒng)等等。這些典型的基于內(nèi)容的圖像檢索(CBIR)系統(tǒng)的主要思想是：使用用戶提交的查詢圖像與數(shù)據(jù)庫中的圖像進行特征的比較，來判斷圖像之間的相似性。常用的特征包括：顏色，紋

3、理，形狀，空間關(guān)系等,其中空間分布特性很少被考慮，因此主要采用的特征是顏色，紋理和形狀。
　　采用單一的圖像特征在某些情況下不能達到較好的效果，尤其是在海量的圖像庫中，若對每張圖像進行相似度計算將在很大程度上降低檢索效率。因此本文提出了一種新的顏色和紋理結(jié)合的方法。本文的主要貢獻概括為如下幾部分：
　　首先，對特征提取的方法，顏色直方圖法進行了改進，將其與紋理方法相結(jié)合，并且通過比較各種紋理方法，選取一種更好的方法，以提高圖

4、像檢索的準確性。
　　其次，通過一種快速的圖像紋理識別的技術(shù)來辨別圖像是否為紋理圖像，然后對紋理圖像進行紋理特征的提取，對非紋理圖像進行顏色特征提取，通過對不同類別的圖像進行分類檢索，提高檢索效率。
　　最后，運用常用的聚類方法，K-MEANS聚類算法分別對紋理圖像進行紋理特征的聚類和對非紋理圖像進行顏色聚類，極大的提高了檢索的速度。
　　實驗結(jié)果表明，通過采用紋理識別技術(shù)，聚類方法，以及改進的顏色特征提取方法和紋理特