技术领域本发明涉及图像检索技术领域，具体涉及一种基于颜色特征的图像检索方法。
背景技术：
随着多媒体技术的迅速发展，其所产生的图像数据量也在与日俱增，如何在海量的数据中快速而有效的检索到需要的图像，已是目前亟待解决的问题。因为只有快速、准确地检索和利用图像数据，才能更好的利用这些图像信息。颜色特征是人类用于感知和区分不同物体的一种基本视觉特征，在分析图像的过程中，颜色是一种简化目标提取和分类的重要描述符号。用户给定要检索的颜色特征向检索系统发出请求，系统根据给定的颜色信息与图像数据库进行匹配，按照匹配相似度大小向用户提供检索结果。传统的基于颜色信息的判断大多是基于单个像素的颜色信息进行处理，而对彩色图像进行分析时发现，图像的颜色一般是渐变的，一种颜色不会仅有一个像素，从而导致检索工作繁锁而复杂，且工作效率低下。
技术实现要素：
本发明的目的在于提供一种基于颜色特征的图像检索方法，从而大大减小了运算量，并提高处理速度。为了实现上述目的，本发明采用了以下技术方案：一种基于颜色特征的图像检索方法，其步骤如下：(1)加载Lab颜色模式样本集和待检颜色信息；(2)获取待检索的彩色图像样本，并对彩色图像样本进行gamma校正以提高彩色图像样本的对比度；(3)用SLIC超像素分割算法对gamma校正后的彩色图像样本进行超像素分割处理，分割出多个不同的超像素区域；(4)对经步骤(3)分割出的每个超像素区域进行均值处理，使每个超像素区域内的所有像素值相同，其均值为式中：L‾=Σn=0NkLn/Nka‾=Σn=0Nkan/Nkb‾=Σn=0Nkbn/Nk]]>其中：Nk表示第k个区域的像素个数，Ln、an、bn表示分别对应Lab颜色模式样本中三通道的像素值；(5)将超像素区域中的一个像素值与步骤(1)中加载的Lab颜色模式样本集中各颜色值之间利用马氏距离进行比较，则马氏距离最小的颜色值所对应的样本颜色就是该超像素区域的颜色，其中马氏距离计算公式为：Dij=(Labi-Labhj)TS-1(Labi-Labhj)]]>式中：Labi表示第i个超像素区域内的一个像素的颜色值，Labhj表示Lab颜色模式样本集中的第j类样本中第h个样本的颜色值，S-1为协方差矩阵S的逆，T表示矩阵的转置；(6)将彩色图像样本中各个超像素区域的颜色与步骤(1)中加载的待检颜色信息进行比较，若彩色图像样本中包含了待检颜色信息中的所有信息，则该彩色图像样本即为目标图像。上述所提及的n、k、i、j、h均为自然数。进一步方案，所述步骤(2)中gamma校正是对彩色图像样本进行非线性色调编辑，则RGB中红、绿、蓝三个通道的颜色分别进行如下处理：R=gamma(r255.0)G=gamma(g255.0)B=gamma(b255.0)]]>其中：gamma(x)=(x+0.0551.055)2.4(x>0.04045)x12.92(otherwise)]]>这里r，g，b分别表示红、绿、蓝三个颜色通道的像素值，取值范围均为[0,255]。进一步方案，所述步骤(3)中的用SLIC超像素分割算法对gamma校正后的彩色图像样本进行处理，其具体步骤如下：(a)首先将待检索的彩色图像样本从RGB颜色空间转化为Lab颜色空间供后续超像素分割所用；(b)初始化彩色图像样本被分割成超像素区域的类别数量K和迭代次数；对于像素大小为N的彩色图像，以步长初始化聚类中心，即以宽、高间隔为s取像素点为聚类中心点，聚类中心用五维向量表示为Ci＝[li,ai,bi,xi,yi]T，其中(li,ai,bi)表示第i个聚类中心的颜色值，(xi,yi)为第i个聚类中心的坐标值，T表示转置；第i个聚类中心Ci与其周围像素点的距离d(i)在初始化时为无穷大，即d(i)＝∞；(c)在以聚类中心Ci为中心点的3*3区域内，比较两两像素之间的梯度大小，并将聚类中心Ci移到梯度最小的区域为Ck，从而避免聚类中心是边缘点和噪声点，其中两两像素之间的梯度G(x,y)定义如下：G(x,y)=(V(x+1,y)-V(x-1,y))2+((V(x,y+1)-V(x,y-1))2]]>式中V表示像素的五维向量，即为V[L,a,b,x,y]，其中(L,a,b)表示像素的颜色值，(x,y)表示像素的坐标值；(d)在移动后的聚类中心Ck的2s×2s邻域内比较每个像素到聚类中心的空间距离，其中2s×2s邻域指的是以聚类中心Ck为中心区域的2s×2s所有像素，s为步骤(b)中的步长大小，也就是聚类中心的周围区域；然后更新聚类中心，具体如下所示：Ds=(||Labi-Labk||NLab)+(||Si-Sk||Ns)]]>Ckn=1NkΣi∈GkLabkSk]]>上两式中：Ds表示为第i个像素到聚类中心Ck的空间距离；Ckn为更新后的新的聚类中心的五维向量；Labi表示第i个像素的彩色值：Labi＝[Li,ai,bi]；Labk表示聚类中心Ck的彩色值：Labk＝[Lk,ak,bk]；Si表示第i个像素的二维空间位置坐标,Si＝[xi,yi]T，Sk表示聚类中心Ck的二维空间位置坐标,Sk＝[xk,yk]T；Nlab和Ns分别为彩色和空间距离的归一化常数；Gk表示聚类中心Ck所表示的聚类区域，Nk表示聚类中心Ck内所包含的像素数量；(e)比较步骤(b)中聚类中心Ci与周围像素点的距离d(i)和步骤(d)中像素到聚类中心Ck的空间距离Ds之间的大小，若Ds<d(i)，则更新d(i)＝Ds，并通过标签记录此时的位置；(f)反复执行步骤(d)、(e)，直到达到步骤(b)所设定的迭代次数；(g)比较两两相邻聚类中心区域的亮度差值，当该差值小于设定的阈值时，将最小的聚类中心区域合并到其相邻的最大的聚类中心区域中，否则，该最小聚类中心区域继续寻找最近的聚类中心区域进行合并，其中亮度差值公式如下：Dm＝(μ-μm)2式中，μ和μm分别表示最小聚类中心区域的平均亮度值和与其最近的邻聚类中心区域的平均亮度值，Dm表示最小的聚类中心区域和与其最近且最大的邻聚类中心区域亮度差值，m＝1,2,...,M。更进一步方案，将待检索的彩色图像样本从RGB颜色空间转化为Lab颜色空间的步骤如下：(a)首先将彩色图像的RGB颜色空间按下式转换到XYZ颜色空间：XYZ=M*RGB]]>式中：R、G、B分别代表彩色空间RGB的三个通道，X、Y、Z对应XYZ彩色空间的三个通道，M为3×3的矩阵，且[M]=0.4360.3850.1430.2220.7170.0610.0140.0970.714]]>(b)将XYZ彩色空间转换到Lab空间，其转换公式如下：L*=116f(Y/Yn)-16a*=500[f(X/Xn)-f(Y/Yn)]b*=200[f(Y/Yn)-f(Z/Zn)]]]>式中：f(t)=t1/3if(t>(629)313(296)2t+429otherwise]]>L*、a*、b*是最终的LAB彩色空间三个通道的值，Xn、Yn、Zn一般默认都是1。本发明改变了传统的基于单个像素的颜色检索方法，是对待检索的彩色图像样本进行目标颜色判断，从而快速地从一堆彩色图像中检索出满足要求的所有图像。本发明首先利用超像素将图像分割为若干个像素值相同的超像素区域，然后对各个超像素区域的颜色进行判断，其相对于传统的基于单像素的图像处理方法，对每个区域进行处理，即只需要对每个超像素区域判断一次颜色，从而大大减小了运算量，提高了处理速度。具体实施方式为了更好的理解本发明内容，下面结合具体实施例对本发明做进一步说明。实施例1：一种基于颜色特征的图像检索方法，其步骤如下：(1)加载Lab颜色模式样本集和待检颜色信息；(2)获取待检索的彩色图像样本，并对彩色图像样本进行gamma校正以提高彩色图像样本的对比度；其中gamma校正是对彩色图像样本进行非线性色调编辑，则RGB中红、绿、蓝三个通道的颜色分别进行如下处理：R=gamma(r255.0)G=gamma(g255.0)B=gamma(b255.0)]]>其中：gamma(x)=(x+0.0551.055)2.4(x>0.04045)x12.92(otherwise)]]>这里r，g，b分别表示红、绿、蓝三个颜色通道的像素值，取值范围均为[0,255]；其中gamma函数不是唯一的，主要用来对图像进行非线性色调编辑；(3)用SLIC超像素分割算法对gamma校正后的彩色图像样本进行超像素分割处理，分割出多个不同的超像素区域；其中用SLIC超像素分割算法对gamma校正后的彩色图像样本进行处理，其具体步骤如下：(a)首先将待检索的彩色图像样本从RGB颜色空间转化为Lab颜色空间供后续超像素分割所用；(b)初始化彩色图像样本被分割成超像素区域的类别数量K和迭代次数；对于像素大小为N的彩色图像，以步长初始化聚类中心，即以宽、高间隔为s取像素点为聚类中心点，聚类中心用五维向量表示为Ci＝[li,ai,bi,xi,yi]T，其中(li,ai,bi)表示第i个聚类中心的颜色值，(xi,yi)为第i个聚类中心的坐标值，T表示转置；第i个聚类中心Ci与其周围像素点的距离d(i)在初始化时为无穷大，即d(i)＝∞；(c)在以聚类中心Ci为中心点的3*3区域内，比较两两像素之间的梯度大小，并将聚类中心Ci移到梯度最小的区域为Ck，从而避免聚类中心是边缘点和噪声点，其中两两像素之间的梯度G(x,y)定义如下：G(x,y)=((V(x+1,y)-V(x-1,y))2+((V(x,y+1)-V(x,y-1))2]]>式中V表示像素的五维向量，即为V[L,a,b,x,y]，其中(L,a,b)表示像素的颜色值，(x,y)表示像素的坐标值；(d)在移动后的聚类中心Ck的2s×2s邻域内比较每个像素到聚类中心的空间距离，其中2s×2s邻域指的是以聚类中心Ck为中心区域的2s×2s所有像素，s为步骤(b)中的步长大小，也就是聚类中心的周围区域；然后更新聚类中心，具体如下所示：Ds=(||Labi-Labk||NLab)+(||Si-Sk||Ns)]]>Ckn=1NkΣi∈GkLabkSk]]>上两式中：Ds表示为第i个像素到聚类中心Ck的空间距离；Ckn为更新后的新的聚类中心的五维向量；Labi表示第i个像素的彩色值：Labi＝[Li,ai,bi]；Labk表示聚类中心Ck的彩色值：Labk＝[Lk,ak,bk]；Si表示第i个像素的二维空间位置坐标,Si＝[xi,yi]T，Sk表示聚类中心Ck的二维空间位置坐标,Sk＝[xk,yk]T；Nlab和Ns分别为彩色和空间距离的归一化常数；Gk表示聚类中心Ck所表示的聚类区域，Nk表示聚类中心Ck内所包含的像素数量；(e)比较步骤(b)中聚类中心Ci与周围像素点的距离d(i)和步骤(d)中像素到聚类中心Ck的空间距离Ds之间的大小，若Ds<d(i)，则更新d(i)＝Ds，并通过标签记录此时的位置；(f)反复执行步骤(d)、(e)，直到达到步骤(b)所设定的迭代次数；(g)比较两两相邻聚类中心区域的亮度差值，当该差值小于设定的阈值时，将最小的聚类中心区域合并到其相邻的最大的聚类中心区域中，否则，该最小聚类中心区域继续寻找最近的聚类中心区域进行合并，其中亮度差值公式如下：Dm＝(μ-μm)2式中，μ和μm分别表示最小聚类中心区域的平均亮度值和与其最近的邻聚类中心区域的平均亮度值，Dm表示最小的聚类中心区域和与其最近且最大的邻聚类中心区域亮度差值，m＝1,2,...,M。(4)对经步骤(3)分割出的每个超像素区域进行均值处理，使每个超像素区域内的所有像素值相同，其均值为式中：L‾=Σn=0NkLn/Nka‾=Σn=0Nkan/Nkb‾=Σn=0Nkbn/Nk]]>其中：Nk表示第k个区域的像素个数，Ln、an、bn表示分别对应Lab颜色模式样本中三通道的像素值；(5)将超像素区域中的一个像素值与步骤(1)中加载的Lab颜色模式样本集中各颜色值之间利用马氏距离进行比较，则马氏距离最小的颜色值所对应的样本颜色就是该超像素区域的颜色，其中马氏距离计算公式为：Dij=(Labi-Labhj)TS-1(Labi-Labhj)]]>式中：Labi表示第i个超像素区域内的一个像素的颜色值，Labhj表示Lab颜色模式样本集中的第j类样本中第h个样本的颜色值，S-1为协方差矩阵S的逆，T表示矩阵的转置(上述所提及的n、k、i、j、h均为自然数)；(6)将彩色图像样本中各个超像素区域的颜色与步骤(1)中加载的待检颜色信息进行比较，若彩色图像样本中包含了待检颜色信息中的所有信息，则该彩色图像样本即为目标图像。更进一步方案，将待检索的彩色图像样本从RGB颜色空间转化为Lab颜色空间的步骤如下：(a)首先将彩色图像的RGB颜色空间按下式转换到XYZ颜色空间：XYZ=M*RGB]]>式中：R、G、B分别代表彩色空间RGB的三个通道，X、Y、Z对应XYZ彩色空间的三个通道，M为3×3的矩阵，且[M]=0.4360.3850.1430.2220.7170.0610.0140.0970.714]]>(b)将XYZ彩色空间转换到Lab空间，其转换公式如下：L*=116f(Y/Yn)-16a*=500[f(X/Xn)-f(Y/Yn)]b*=200[f(Y/Yn)-f(Z/Zn)]]]>式中：f(t)=t1/3if(t>(629)313(296)2t+429otherwise]]>L*、a*、b*是最终的LAB彩色空间三个通道的值，Xn、Yn、Zn一般默认都是1。实施例2：以在待检索的彩色图像中检索含有红、蓝两种颜色的图像为目标图像为例进行说明，其检索方法如下：(1)加载Lab颜色模式样本集和待检颜色信息红和蓝；(2)获取待检索的彩色图像样本，并对彩色图像样本进行gamma校正，以提高彩色图像样本的对比度；(3)用SLIC超像素分割算法对gamma校正后的彩色图像样本进行超像素分割处理，分割出多个不同的超像素区域；如对于612*563大小的彩色图像划分为500个不同大小的超像素区域，迭代次数为20次；(4)对经步骤(3)分割出的每个超像素区域进行均值处理，使每个超像素区域内的所有像素值相同，其均值为(5)将超像素区域中的一个像素值与步骤(1)中加载的Lab颜色模式样本集中各颜色值之间利用马氏距离进行比较，则马氏距离最小的颜色值所对应的样本颜色就是该超像素区域的颜色；因为经(4)处理后，每个超像素区域的像素值是相同的，这样每个区域仅需要比较一次就可得该区域的颜色。例如对于某一超像素区域中类别号为10的区域的像素值通过马氏距离计算公式(式中Labi表示第i个超像素区域内的一个像素的颜色值，Labhj表示Lab颜色模式样本集中的第j类样本中第h个样本的颜色值，S-1为协方差矩阵S的逆，T表示矩阵的转置)来计算该像素值与Lab颜色模式样本中各颜色值之间的马氏距离大小，最终得出该像素值与红色的马氏距离最小，则该超像素区域的颜色即为红色；(6)经步骤(5)处理后，该彩色图像样本中的各超像素区域都有对应的颜色，然后将这些颜色分别与步骤(1)中加载的待检颜色信息红和蓝进行比较判断，若这些颜色中既有红色又有蓝色，则说明该彩色图像样本即为我们要检索的目标图像，反之则不是我们所需要的目标图像。如此按上述步骤(1)－(6)分别对所有的待检索彩色图像样本进行处理，以快速从成千上万的图像样本中检索出我们所需要的目标图像。以上所述的实例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。