一种多层分级图像检索方法
【专利摘要】本发明的名称为一种多层分级图像检索方法，本发明涉及计算机安全、计算机应用、模式识别、计算机网络、电子商务、电子政务等领域。本发明设计了一种多层分级的图像检索方法。首先对待检索图像进行颜色的分级检索，此时可以根据颜色特征将图像出来，排除大量的非相似图像。在颜色检索的基础上，对图像进行再一次的小波分解，提取其频域特征，在提取频域特征时，对其进行特征值使用多种方法进行提取，通过对多种特征的筛选完成图像检索。利用颜色特征进行检索，主要是为了缩小检索范围，方便下一步的检索。在对图像进行颜色检索时，为了提高算法的鲁棒性，将筛选的阈值设置的相对较大，以保证能够将更多的相似图像选入下一步筛选，而不会发生漏选。
【专利说明】一种多层分级图像检索方法
【技术领域】
[0001]本发明涉及计算机安全、计算机应用、模式识别、计算机网络、电子商务、电子政务等领域。
【背景技术】
[0002]基于内容的图像检索技术是由计算机自动提取包含图像内容的可视化特征:颜色、纹理、形状、轮廓、对象的位置和相互关系等，对数据库中的图像和查询样本图像在特征空间中进行相似匹配、检索出与样本相似的图像。近年基于内容的图像检索技术取得了快速发展，这方面的主要算法有:
[0003]?基于颜色特征的检索
[0004]?基于纹理特征的检索
[0005]?基于形状特征的检索
[0006]?与图像压缩技术相结合的检索
[0007]利用颜色特征进行检索是基于内容的图像检索的基础。颜色特征的检索技术在基于内容的检索技术中也是应用最为广泛的技术，这是因为颜色是一幅图像最外在的直观特征。在数字图像中，颜色具有相似性的图像往往表达的是同一信息，而不同的图像内容往往以不同的颜色信息形式显示 出来。同时，颜色特征对于图像整体的尺寸、方向、视角依赖性最小，例如即使发生一定角度的旋转，其图像的颜色信息并不发生任何改变。但是，因为不同的图像内容，也会产生类似的颜色信息，因此，颜色特征的提取往往存在一定程度的误差。
[0008]利用纹理特征进行检索的主要技术有:统计方法、几何方法、基于模型的方法和信号处理方法。
[0009]统计法是利用像素间的局部相关性来刻画纹理，主要适用于分析像山脉、木纹、森林、草地等纹理细腻和局部细节有不规则的物体。统计法试图从纹理图像中计算出一些在某个区域内或他们之间的边界处保持相对平稳的特征值，将该特征值作为特征来表示区域内的一致性以及区域之间的相异性。
[0010]几何方法是建立在纹理基元理论基础之上的。纹理基元理论认为纹理是由若干纹理基元所构成的。集合方法主要是通过提取纹理基元的几何特征来表示图像纹理特征。
[0011]模型法假设纹理按照某种模型分布，采用模型的参数作为纹理特征。典型的方法是随机场方法，比如分形模型法、GibbS随机场模型法、马尔可夫随机场模型法等。这类方法的关键是如何为待处理图像选择合适的模型以及如何估计所选模型的参数。该类方法存在计算量大，自然纹理很难用单一模型表达的缺点。
[0012]信号处理方法是指通过对信号的分析得到图像的特征值，通过信号的分析结果特征进行图像检索。该方法通常将信号作为一个二维信号，使用滤波方法对纹理图像进行分析的一种方法。频域方法主要包括傅立叶变换、小波变换、Gabor变换等方式。
【发明内容】
[0013]本发明设计了一种多层分级的图像检索方法。首先对待检索图像进行颜色的分级检索，此时可以根据颜色特征将图像出来，排除大量的非相似图像。在颜色检索的基础上，对图像进行再一次的小波分解，提取其频域特征，在提取频域特征时，对其进行特征值使用多种方法进行提取，通过对多种特征的筛选完成图像检索。
[0014]利用颜色特征进行检索，主要是为了缩小检索范围，方便下一步的检索。在对图像进行颜色检索时，为了提高算法的鲁棒性，将筛选的阈值设置的相对较大，以保证能够将更多的相似图像选入下一步筛选，而不会发生漏选。
[0015]该发明的流程图如图1所示。
【专利附图】
【附图说明】
[0016]图1是发明的具体流程图。
【具体实施方式】
[0017]I基于颜色特征的分类
[0018]1.1提取图像内所有像素的RGB值
[0019]遍历待检索图像内的所有像素点，得到当前图像的RGB值。
[0020]1.2色彩空间转换
[0021]将当前图像进行色彩空间转换，将当前图像从RGB空间转换为HSV空间。
[0022]进行转换的公式为:
【权利要求】
1.一种多层分级图像检索方法，其特征是首先对待检索图像进行颜色的分级检索，此时可以根据颜色特征将图像出来，排除大量的非相似图像。在颜色检索的基础上，对图像进行再一次的小波分解，提取其频域特征，在提取频域特征时，对其进行特征值使用多种方法进行提取，通过对多种特征的筛选完成图像检索。
2.根据权利要求1所属的方法，其特征是利用颜色特征进行检索，主要是为了缩小检索范围，方便下一步的检索。
3.根据权利要求1所属的方法，其特征是在对图像进行颜色检索时，为了提高算法的鲁棒性，将筛选的阈值设置的相对较大，以保证能够将更多的相似图像选入下一步筛选，而不会发生漏选。
4.根据权利要求1所属的方法，其特征是在完成对图像的小波变换后，分别对其进行了方差筛选、不变矩筛选、特征向量夹角筛选。方差筛选时，使用 ο β〈 σ，< σ / β 式中σ为查询图像的方差，σ ’为数据库中检索图比对方差，β = l-per/100，选取per为一个特定的值，他是判别前的一个假定，以一个特定的百分比让图像通过检索。不变矩筛选时，根据待检索图像和数据库图像的不变矩计算对应的欧式距离，欧式距离越小，表示图像的相似性越高；欧式距离越大，表明图像的相似性越低。此处欧式距离的阈值根据实际情况进行设定。特征向量夹角筛选时，计算当前待检索图像和数据库内的特征向量夹角。使用特征向量夹角的余弦值来衡量相似度，如果值越接近1，表示相似度越高；如果越接近-1，表示相似度越低。
【文档编号】G06F17/30GK103885978SQ201210562418
【公开日】2014年6月25日 申请日期:2012年12月20日 优先权日:2012年12月20日
【发明者】李立宗 申请人:天津职业技术师范大学