一种基于混合微结构描述子的图像检索方法
【专利摘要】本发明涉及一种基于混合微结构描述子的图像检索方法，首先利用混合微结构描述子（Hybrid?MSD，HMSD）生成图像库对应的图像特征库，接着利用HMSD提取检索图像的内容特征，然后利用相似性度量准则进行度量，最后将相似性度量结果排序，并对应为图像呈现给用户。由于本发明中混合微结构描述子含有两种常用的颜色空间模型下的方向和颜色的微结构，因此在颜色、纹理、形状特征以及颜色分布信息上有很强的分辨能力，在一定程度上反映着人类视觉系统的属性。因此基于混合微结构描述子的图像检索方法的图像检索性能有着较大的提升。
【专利说明】—种基于混合微结构描述子的图像检索方法
【技术领域】
[0001]本发明涉及一种基于混合微结构描述子的图像检索方法。
【背景技术】
[0002]基于内容的图像检索(Content Based Image Retrieval, CBIR)基本思想是根据检索图像所包含的视觉感知内容和语义内容建立特征矢量，进而根据特征矢量的相似度进行匹配检索。CBIR中常用的视觉内容特征主要包括图像颜色、形状和纹理等。颜色、形状、纹理从不同角度刻画图像内容。为了提高检索性能，需要更合理的描述图像内容，因此有效的综合不同类型特征是提升检索性能的有效方法。文献“Image retrieval based onmicro-structure descriptor, Pattern Recognition, 2011, 44(9):2123-2133.，，公开了一种用于特征提取的微结构描述子(Micro-Structure Descriptor,MSD)0该方法利用微结构对图像的颜色、纹理、形状及其分布信息进行了有效的综合描述。首先将输入自然图像转换到HSV颜色空间，然后在得到的图像进行边缘方向的提取，接着在边缘方向图像上提取微结构图，最后，根据微结构图在量化后的HSV颜色空间图像上进行映射，得到最终的微结构图像，并对微结构图像进行共生矩阵和直方图的描述。虽然该方法结合颜色、纹理和形状等图像特征，但是由于微结构图像是由边缘方向图像和量化图像进行求交集运算产生的，因此边缘方向信息和颜色信息描述能力不足，而且该方法中微结构分析过程复杂。
[0003]综上所述，现有的特征提取方法不能很有效的综合表征图像的颜色、纹理、边缘方向等图像内容信息。
【发明内容】
[0004]要解决的技术问题
[0005]为了避免现有技术的不足之处，本发明提出一种基于混合微结构描述子的图像检索方法，克服现有图像检索方法中特征描述能力不足的缺点，提高图像检索的精度。
[0006]技术方案
[0007]—种基于混合微结构描述子的图像检索方法，其特征在于步骤如下:
[0008]步骤1:对图像库中所有图像，利用混合微结构描述子进行图像内容的特征描述，生成对应的图像特征库；
[0009]步骤2:利用混合微结构描述子提取检索图像的内容特征；
[0010]步骤3:将检索图像特征和图像特征库中的特征向量进行相似性度量；
[0011]步骤4:将相似性度量的前N个结果对应的图像返回，相似性量化方法采用城市块距离；
[0012]所述步骤I和步骤2的混合微结构描述子步骤如下:
[0013]步骤a:对输入图像分别转换为RGB和HSV颜色空间模型下的数据；
[0014]步骤b:对每种颜色空间模型下的图像数据分别进行边缘方向提取和颜色量化，得到颜色量化图像和边缘方向图像；[0015]步骤c:分别对每个颜色量化图像和边缘方向图像进行微结构分析并进行直方图描述；
[0016]步骤d:将不同颜色模型下的两个相同类型的微结构使用共生矩阵和直方图进行描述；
[0017]步骤e:将混合的量化图像微结构直方图和混合的边缘方向微结构直方图进行综
口 ο
[0018]所述步骤b中的边缘方向提取步骤如下:
[0019]步骤(a):在三维颜色空间中使用Sobel算子求出图像每个通道在X和y方向的方向梯度；
[0020]步骤(b):根据公式和I= J(Za)2I(I)2+(?)2、|A| = a/(Xv)2+(Fv)2+(Zv)2 得到
f , \
公式a *b = XhXv+YhYv+ZhZv，然后根据向量间夹角公式0 = arccos计算出图像边缘方
IN'PlJ
向图像；
[0021 ] 其中，a (Xh, Yh, Zh)和b (Xv, Yv, Zv)分别表示水平和垂直方向的梯度，Xh表示X通道在水平方向的梯度，Xv表示X通道在垂直方向的梯度。Yh、Yv和zh、Zv分别是Y、Z通道在两个方向的梯度；
[0022]步骤(C):将每个像素的边缘方向Θ统一量化成m格，其中me {6, 12, , 36} ?Θ (x，y)表示边缘方向图，0(U) = i?，其中。在HMSD中，统一将方向量化为
m=24，步长为 7.5°。
[0023]所述步骤b中颜色量化方法如下:HMSD的颜色空间模型的量化中采用将HSV颜色空间和RGB统一量化为120色的方法。其中两个模型的H和R部分被量化为O到5，S和G部分被量化为O到3，V和B部分被量化O到4，综合起来，两种模型都是产生120色。
[0024]所述步骤c中的微结构分析方法如下:在图像中，从上到下、从左到右遍历每个点，当该点与其三邻域的点(0° ,45°和90°方向上的相邻点冲有一个或多个点和该点的值相等，那么该点进行标记，否则不进行标记。当图像每个点都经过这种操作后，就完成了图像的微结构分析。
[0025]所述步骤C中的微结构直方图描述方法如下:统一的将量化的图像用f(x，y)表示，图像的值用f (X，y) = w表示；对图像中的每个点P。= (X。，yQ)，有f (P。),45°和90°度方向上，用Pi= (XiJi)表示P。的三邻域且f (Pi) = Wi,其中i=l, 2，3 ;w。和Wi的共现次用N表示，反表示Wtl的出现次数；在量化的图像上从上到下、从左到右遍历每个
点，根据下式统计该点的临近点和它相关性信息:
[0026]
川…、A/(/^)= Wj I 内—栩=D)
V^o) —--τ? rr \ > t
3A Uip0) = wj+a
[0027]使用下式分别对两个边缘方向的微结构直方图和量化图像的微结构直方图进行合并，H⑴=Max{Ha(i)，Hb(i)};其中Ha(i)是RGB颜色空间模型下微结构描述，Hb⑴是HSV颜色空间模型下微结构描述。H(i)是两种微结构综合后的结果。[0028]所述的不同颜色模型下的微结构描述综合方法具体步骤如下:
[0029]得到混合的边缘方向微结构直方图和混合的量化图像的微结构直方图，分别有仏和H。。然后将He追加在H。后面得到最终的描述子。He和H。的合并方法如下式。
【权利要求】
1.一种基于混合微结构描述子的图像检索方法，其特征在于步骤如下: 步骤1:对图像库中所有图像，利用混合微结构描述子进行图像内容的特征描述，生成对应的图像特征库； 步骤2:利用混合微结构描述子提取检索图像的内容特征； 步骤3:将检索图像特征和图像特征库中的特征向量进行相似性度量； 步骤4:将相似性度量的前N个结果对应的图像返回，相似性量化方法采用城市块距离； 所述步骤I和步骤2的混合微结构描述子步骤如下: 步骤a:对输入图像分别转换为RGB和HSV颜色空间模型下的数据； 步骤b:对每种颜色空间模型下的图像数据分别进行边缘方向提取和颜色量化，得到颜色量化图像和边缘方向图像； 步骤c:分别对每个颜色量化图像和边缘方向图像进行微结构分析并进行直方图描述； 步骤d:将不同颜色模型下的两个相同类型的微结构使用共生矩阵和直方图进行描述； 步骤e:将混合的量化图.像微结构直方图和混合的边缘方向微结构直方图进行综合。
2.根据权利要求1所述基于混合微结构描述子的图像检索方法，其特征在于:所述 步骤b中的边缘方向提取步骤如下: 步骤(a):在三维颜色空间中使用Sobel算子求出图像每个通道在X和y方向的方向梯度； 步骤(b):根据公式μ =+(Yk)- +(Zli)2、|A| = ^j(Xv)2 +(Yv)2 +(Zv)2 得到公式
r Jj \a.b = XhXv+YhYv+ZhZv,然后根据向量间夹角公式0 = arccos计算出图像边缘方向图像； 其中，a (Xh, Yh, Zh)和b (Xv, Yv, Zv)分别表示水平和垂直方向的梯度，Xh表示X通道在水平方向的梯度，Xv表示X通道在垂直方向的梯度。Yh、Yv和zh、Zv分别是Y、Z通道在两个方向的梯度； 步骤(C):将每个像素的边缘方向Θ统一量化成m格，其中me {6, 12,, 36} ?Θ (x, y)表示边缘方向图，=供，其中供￡{0，1，…，m}。在HMSD中，统一将方向量化为m=24，步长为 7.5°。
3.根据权利要求1所述基于混合微结构描述子的图像检索方法，其特征在于:所述步骤b中颜色量化方法如下:HMSD的颜色空间模型的量化中采用将HSV颜色空间和RGB统一量化为120色的方法。其中两个模型的H和R部分被量化为O到5，S和G部分被量化为O到3，V和B部分被量化O到4，综合起来，两种模型都是产生120色。
4.根据权利要求1所述基于混合微结构描述子的图像检索方法，其特征在于:所述步骤c中的微结构分析方法如下:在图像中，从上到下、从左到右遍历每个点，当该点与其三邻域的点中有一个或多个点和该点的值相等，那么该点进行标记，否则不进行标记。当图像每个点都经过这种操作后，就完成了图像的微结构分析；所述三邻域的点中有一个或多个点为O。，45。和90。方向上的相邻点。
5.根据权利要求1所述基于混合微结构描述子的图像检索方法，其特征在于:所述步骤c中的微结构直方图描述方法如下:统一的将量化的图像用f(x，y)表示，图像的值用f(x，y) = w表示；对图像中的每个点P。= (X。，yQ)，有f (P。),45°和90°度方向上，用Pi= (Xi, Yi)表示P。的三邻域且f (Pi) = Wi,其中i=l, 2，3 ;wQ和Wi的共现次用N表示，歹表示Wtl的出现次数；在量化的图像上从上到下、从左到右遍历每个点，根据下式统计该点的临近点和它相关性信息:
【文档编号】G06T7/00GK103473288SQ201310386079
【公开日】2013年12月25日 申请日期:2013年8月29日 优先权日:2013年8月29日
【发明者】李映, 孙文超, 焦文健 申请人:西北工业大学