一种基于颜色特征和纹理特征的快速图像检索方法
【技术领域】
[0001 ]本发明涉及一种基于颜色特征和纹理特征的快速图像检索方法。
【背景技术】
[0002] 图像检索技术在搜索引擎、大数据挖掘、图像理解方面具有重要的应用价值。研究 者们从图像信号处理、模式分类等诸多角度提出了一系列图像检索方法，这些方法都是基 于对图像内容的理解来判断两幅图像的相似程度。然而，目前很多检索方法的运算速度缓 慢，不能满足诸多实际应用的需求，限制了图像检索技术的发展。
[0003] 图像内容的理解可以通过对颜色或者灰度的直方图统计来进行，这类方法具有计 算量小的优点，但是对内容理解的程度有限，仅仅停留在整体图像层面，对图像细节内容的 感知能力较弱。另外一类方法通过提取图像的纹理特征，反映两幅图像细节的相似程度。这 类方法的优点是能够较为精确的区分内容的差别，但其往往需要消耗较大的计算资源，运 行效率较低。
[0004] 目前，研究者们解决图像检索运算速度问题的途径主要是通过加速图像特征的提 取速度，或者是提高处理器的运算效率。前者在一定程度上局限于图像的细节内容的表征， 忽视了不同图像之间全局特征的差异，后者则过度依赖硬件性能，导致设备的成本增加。综 合利用上文所述的整体颜色特征和内容细节特征的检索方法，有可能解决精度和速度之间 的矛盾，满足实际应用的需求。
[0005] 中国专利CN104899326A中提出了一种基于二进制多索引哈希技术的图像检索方 法，该方法主要利用主分量分析来区别图像之间的差异和相似程度，虽然哈希索引具有较 高的运算效率，但是这种方法需要依赖一个固定的图像数据库进行训练，通用性能较差，当 图像受到光照等因素干扰时，主分量方法不能正确判断图像之间的相似程度。中国专利 CN104899280A中提出了一种基于彩色直方图和NSCT的模糊相关异步图像检索方法，该方法 直接利用颜色直方图的特征进行图像内容的区分，所用的模糊函数依赖于经验数据而确 定，检索性能表现不稳定，该方法还利用纹理特征进行图像检索，其运算效率不高。中国专 利CN104850644A中提出了一种基于Lucene的高光谱图像检索方法及检索引擎，该方法忽略 了图像内容的区别，不能用于图像内容的检索。中国专利CN104834748A中提出了一种利用 基于深度语义排序哈希编码的图像检索方法，该方法利用卷积神经网络进行了图像语义的 深入挖掘，具有较高的图像理解能力，但是其检索算法浪费了计算资源，在海量图片的检索 中，对区别明显的图片进行了过度深入的分析，该方法有进一步加速的空间。中国专利 CN104834732A中提出了一种纹理图像检索方法，该方法利用了传统的纹理特征进行匹配， 其算法受到图像旋转、几何形变的影响较大，且运算量较高。
【发明内容】
[0006] 本发明为了解决上述问题而提供的一种基于颜色特征和纹理特征的快速图像检 索方法，包括以下步骤：
[0007] 步骤1:将待检索图像进行预处理，去除待检索图像中的背景，保留去除背景后待 检索图像；
[0008] 步骤2:对数据库中存储的每幅图像，压缩其颜色空间；
[0009] 步骤3:对数据库中压缩颜色空间后得到的每幅图像，提取其颜色直方图（/^ );
[0010]步骤4:对待检索图像，提取出彩色RGB空间像素，压缩其颜色空间；
[0011] 步骤5:对待检索图像，提取每种颜色的计数器值，对计数器值进行归一化，得到待 检索图像的颜色直方图（Hq);
[0012] 步骤6:根据待检索图像的颜色直方图（Hq)，设定阈值t，找到所有大于所述阈值t 的直方图分量，将其下标保存到待检索图像的下标特征集合X中，如下列公式所示：
[0013]
[0014] X= {p | Hq(p) >t}
[0015] 步骤7:通过所述集合X找到颜色直方图（Hq)中的对应值构成特征矢量Zq，通过所 述集合X找到数据库中每一幅颜色直方图)中的对应值构成特征矢量Zi，所述特征 矢量Zq和通过以下公式获得：
[0016] Zq= [ζι,Ζ2, ·-·ζμ]
[0017] Zm = Hq(p) ,Ρ^Χ
[0018] Z1d=[z，i,z，2,---z，M]
[0019]
[0020] 其中，m为所述特征矢量中元素的序号，M为所述集合X中元素的数量；
[0021] 步骤8:逐一对比，待检索图像的特征矢量和数据库中每一幅图像的特征矢量，按 照距离大小进行排序，得到数据库中所有图像的第一次预选排序R，数据库中距离最小的图 像，排在最前面；
[0022]步骤9:步骤8所述的第一次预选排序的基础上，通过图像纹理特征，进行第二次精 确排序，并获得最终检索结果。
[0023]具体地，所述步骤1分成以下步骤：
[0024] (Ι-a):根据检索的需求，找到待检索图像中符合检索需求的主要景物或人物，将 除此以外的图像背景去除；
[0025] (1-b):保存去除了背景的待检索图像，将其取代包含背景的旧的检索图像用于图 像检索。
[0026]具体地，所述步骤2分成以下步骤：
[0027] (2-a):将数据库中存储的图像提取出彩色RGB空间像素，R代表红色分量，G代表绿 色分量，B代表蓝色分量；
[0028] (2-b):将RGB空间像素的分辨率压缩到一个很小的数量D，即色彩分量取D个离散 的值。通过以下进行：
[0029] R(i,j)=R,(i,j)XD/D,
[0030] G(i，j)=G，（i，j)XD/D，
[0031] B(i，j)=B，（i，j)XD/D，
[0032] 其中，R是经过压缩后的红色分量，G是经过压缩后的绿色分量，B是经过压缩后的 蓝色分量，R'是未压缩的原始图像的红色分量，G'是未压缩的原始图像的绿色分量，B'是未 压缩的原始图像的蓝色分量。D是压缩后的颜色分量的分辨率，D'是未压缩的原始图像的颜 色分量的分辨率，i是图像像素点的横坐标，j是图像像素点的纵坐标；
[0033] (2-c):将经过步骤(2-b)中所述的颜色空间压缩的图像保存，用于颜色直方图的 提取；
[0034] 所述步骤4按照与所述步骤(2-b)和(2-c)类似的过程，压缩待检索图像颜色空间。 [0035]具体地，所述步骤3分成以下步骤：
[0036] (3-a):将RGB颜色空间的每一种颜色进行唯一的编号p，得到个编号，对应种颜色， P的取值范围为：
[0037] ρ = 1，2，···Ρ
[0038] P = DXDXD
[0039] (3-b):为步骤(3-a)中所述的每种颜色设定一个计数器，遍历图像中的每一个像 素，根据其RGB颜色分量，获得对应颜色编号，将对应颜色的对应计数器累加1，如下公式所 示：
[0040] Co(p) =0
[0041] Ck+i(p) =Ck(p)+l
[0042] 其中，c(p)为颜色p的计数器，k代表遍历图像像素过程中已经访问过的像素的数 量，k取值范围为，w为图像宽度，h为图像高度。计数器初始化为0;
[0043] (3-c):将步骤(3-2)中所述计数器的值进行归一化，得到数据库中每幅图像的颜 色直方图4 4
[0044] 所述步骤5按照与所述步骤(3-b)类似的过程，提取待检索图像中每种颜色的计数 器值。
[0045] 具体地，所述步骤9分成以下步骤：
[0046] (9-a):提取待检索图像的纹理特征序列和数据库中每一幅图像的纹理特征，其中 代表纹理特征的序号；
[0047] (9-b):取第一次预选排序中的前N幅图像，计算待检索图像的所有纹理特征到这N 幅图像中某一幅图像的所有纹理特征之间的距离，依据其中距离的最小值计算数据库中的 图像与待检索图像的相似程度，如以下公式所示：
[0048]
[0049]其中，r为第一次预选排序R中的元素，对应数据库中图像的编号；
[0050] (9-c):第一次预