一种图像检索方法
【技术领域】
[0001]本发明涉及信息检索技术领域，具体是一种图像检索方法。
【背景技术】
[0002]随着信息技术的发展，图像检索的应用领域越发广泛，已成为不可或缺的技术，衡量图像检索算法好坏的重要指标除了准确度之外就是时间和空间复杂度。自上世纪七、八十年代开始，图像检索便成为一个非常活跃的研宄领域，主要使用了基于文本的图像检索技术和基于内容的图像检索技术。
[0003]基于文本的图像检索技术(TBIR)沿用了传统文本检索技术，它难以考虑图像本身固有的颜色、纹理、形状等内容特征，而是使用关键字来描述图像，即检索的时候一般以输入关键字的形式检索相关图像。该技术存在以下两方面缺陷:首先因为现在图像数据库规模的不断膨胀，对数据库中每一副图像进行人工标注需要耗费大量的时间和人力；其次，图像内容千差万别，使用关键字难以准确描述图像的内涵，而且在人工选取关键字的过程中会包含强烈的主观性，可能造成图像理解上的偏差，直接影响图像的检索效果。
[0004]基于内容的图像检索技术(CBIR)包含图像视觉特征提取和特征相似度计算两个环节。现有的基于内容的图像检索系统大部分仅采用单一的图像检索方法或仅使用一类图像特征。因此，当查询图像包含多个物体或者背景比较复杂时，会引入较大的检索错误，使得检索结果不够精确。虽然存在基于特征融合进行图像检索的方式，但特征融合的方式单一，检索效果并不理想。
【发明内容】
[0005]本发明的目的在于提供一种基于图像的纹理特征、边缘形状特征以及颜色特征相似度相结合的检索方法，保证了检索结果的精度。
[0006]为实现上述目的，本发明提供如下技术方案:
[0007]一种图像检索方法，基于包括N个比对图像的图像库，包括以下步骤:
[0008](I)提取源图像和图像库中每个图像的纹理特征，包括以下步骤:
[0009]11)获取源图像和图像库中的每个图像，将源图像、图像库中每个图像调整为大小一致，将调整后的每个图像划分为m*n分区；
[0010]12)针对调整后的每个图像，计算其每个分区中每个像素块的平均灰度值，依次取每个像素块的8邻域像素块，计算每个像素块的8邻域像素块的平均灰度值；根据每个像素块的平均灰度值、每个像素块的平均灰度值与其对应的8邻域像素块的平均灰度值的比值，计算每个分区的8邻域像素块的灰度离散度；
[0011]13)定义一致性阈值，针对每个图像的每个分区，根据灰度离散度和一致性阈值获得每个分区的特征向量；
[0012]14)根据每个图像的所有分区的特征向量获取每个图像的纹理特征；
[0013](2)计算源图像与图像库中每个图像之间的纹理特征相似度，将纹理特征相似度大于第一设定阈值的图像组合成第一图像集；
[0014](3)采用canny算子提取源图像和第一图像集中每个图像的边缘形状特征，根据提取的边缘形状特征，对边界方向以5度为间隔来进行划分，经过划分后形成一个一共有72级的边界方向直方图，并采用公式Fi= f i/S对边界方向直方图进行归一化处理；其中，匕为归一化的边界方向直方图，f i为边界方向直方图；S为图像的面积；
[0015](4)计算源图像与第一图像集中每个图像之间的边缘形状特征相似度，将边缘形状特征相似度大于第二设定阈值的图像组合成第二图像集；
[0016](5)获取源图像和第二图像集中每个图像的颜色特征，包括以下步骤:
[0017]51)将源图像与第二图像集中每个图像转换为HSV图像格式，获取格式转换后的每个图像的三个通道，所述三个通道为色调通道、饱和度通道和亮度通道；
[0018]52)对饱和度通道进行二值化处理，得到饱和度通道的亮区域和暗区域，将饱和度通道的亮区域对色调通道进行投影获得色调通道的色调区域，以及将饱和度通道的暗区域对亮度通道进行投影获得亮度通道中与饱和度通道暗区域对应的区域，并统计色调通道中的色调区域的灰度直方图以及亮度通道中与饱和度通道暗区域的对应区域灰度直方图；
[0019]53)根据色调通道中的色调区域的灰度直方图设定色调数组，以及根据亮度通道中与饱和度通道暗区域的对应区域灰度直方图设定亮度数组，并根据色调数据和亮度数组获取对应图像的颜色信息；
[0020]54)根据图像的颜色信息获取图像的颜色向量，对图像的颜色向量进行二值化处理，根据二值化处理结果计算图像的颜色特征
[0021](6)计算源图像与第二图像集中每个图像之间的颜色特征相似度，将颜色特征相似度大于第三设定阈值的图像组合成第三图像集；
[0022](7)对第三图像集中的图像进行排列显示，包括以下步骤:
[0023]71)根据与源图像之间的颜色特征相似度由高到低的顺序，对第三图像集中的图像进行排列显示；
[0024]72)当存在多个与源图像之间的颜色特征相似度相同的图像，则分别计算该多个图像与源图像之间的颜色距离，以与源图像之间的颜色距离由小到大的顺序对该多个图像进行排列显示。
[0025]与现有技术相比，本发明的有益效果是:
[0026]本发明采用图像的纹理特征、边缘形状特征以及颜色特征相似度相结合的检索方法，图像特征向量维度较低，提高了图像处理速度，从而提高了图像检索的速度，大大地提高了图像检索的准确度，保证了检索结果的精度。本发明具有计算简单、对待检索图像无需人工处理、普适性强、耦合性低等特点，增强了其用于数字图像检索的实用性。
[0027]本发明根据边缘形状特征获得边界直方图，边界方向不会受到图像中对象位置变化的影响，具有尺度不变性，弥补了颜色直方图无法描述图像中颜色的局部分布及每种色彩所处的空间位置的确定。
【附图说明】
[0028]图1是本发明实施例的图像检索方法的流程图。
【具体实施方式】
[0029]下面将结合本发明实施例及附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0030]请参阅图1，本发明实施例中，一种图像检索方法，基于包括N个比对图像的图像库，包括以下步骤:
[0031](I)提取源图像和图像库中每个图像的纹理特征，具体包括:
[0032]11)获取源图像和图像库中的每个图像，将源图像、图像库中每个图像调整为大小一致，将调整后的每个图像划分为m*n分区；
[0033]12)针对调整后的每个图像，计算其每个分区中每个像素块的平均灰度值，依次取每个像素块的8邻域像素块，计算每个像素块的8邻域像素块的平均灰度值；根据每个像素块的平均灰度值、每个像素块的平均灰度值与其对应的8邻域像素块的平均灰度值的比值，计算每个分区的8邻域像素块的灰度离散度；
[0034]13)定义一致性阈值，针对每个图像的每个分区，根据灰度离散度和一致性阈值获得每个分区的特征向量；
[0035]14)根据每个图像的所有分区的特征向量获取每个图像的纹理特征；
[0036](2)计算源图像与图像库中每个图像之间的纹理特征相似度，将纹理特征相似度大于第一设定阈值的图像组合成第一图像集；
[0037](3)采用canny算子提取源图像和第一图像集中每个图像的边缘形状特征，根据提取的边缘形状特征获得边界直方图，具体为:对边界方