基于内容的图像检索系统(6)

河南理工大学毕业设计（论文）说明书

4 图像特征匹配算法

图像检索的匹配策略大致可以分为两种，一种是完全匹配，另外一种是相似性匹配。当两幅图像的特征完全相同时，图像匹配成功，成为完全匹配。当两幅图像的特征间的距离小于某一个阈值时，图像匹配成功，成为相似匹配。传统数据库中的完全匹配并不是图像数据库检索的主流（往往用于基于图像元数据的检索），在基于内容的图像检索中，占主导地位的是建立在图像低层视觉特征对比基础上的相似性检索。在提取的图像特征后，可采用相应的相似性度量策略来进行特征匹配，也就是通过确定检索图像同数据库目标图像特征向量的距离来确定待检索图像同数据库中目标图像间的相似性。

一个合适的相似性度量方法对图像检索结果影响很大。相似性度量方法的好坏会影响到图像检索的性能，相似性度量的计算复杂度会影响到用户对图像检索的响应时间。理想的相似性度量方法应该满足人的视觉特征，也就是说视觉上相似的图像间应具有较小的距离，而视觉上不相似的图像间应具有较大的距离。

4.1 相似度量定理

设A,B,C为任意的n维特征向量，通常情况下，距离度量函数d应受以下四条公理的限制：

自相似公理

d(A,A)?d(B,B)?0

（4-1）

最小公理

d(A,B)?d(A,A)?0

（4-2）

对称公理

d(A,B)?d(B,A)

（4-3）

三角不等公理

d(A,C)?d(A,B)?d(B,C)

（4-4）

在实际应用中，所采用的相似度比较函数并非严格满足上述距离度量的四条公理，它们往往只是满足上述公理的某个或某几个。

4.2 常用的匹配算法

常用的相似度方法是向量空间模型(VectorsPacemodel)，即将视觉特征看作是向

22

河南理工大学毕业设计（论文）说明书

量空间中的点，通过计算两个点之间的接近程度来衡量图像特征间的相似度。目前，图像检索中用到的特征匹配算法很多，常用的有以下几种。

（1）Minkowsky距离

Minkowsky距离是基于Lp范数定义的，即

1p?p?Lp(A,B)???ai?bi?

?i?1?如果p=1，L1(A,B)称为曼哈顿(Manhattan)距离，即

L1(A,B)??ai?bi

i?1nn （4-5）

（4-6）

如果p=2，L2(A,B)称为欧式距离(Euclidean distance)，即

??L2(A,B)???(ai?bi)??i?1?

n12（4-7）

如果p??，L?(A,B)称为Chebychv距离，即

L?(A,B)?max(?ai?bi)

i?1? （4-8）

（2）直方图相交法

直方图相交法(histogrom intersection)是由Swain等人于1991年首次提出的，直方图相交法计算简单快速，并且能较好地抑制背景的影响，其数学描述为

d(A,B)?1??min(ai?bi)

i?1n （4-9）

式（4-9）可以进一步进行归一化处理为

d(A,B)?1??min(a?b)iii?1nmin(?ai,?bi)i?1i?1nn（4-10）

（3）二次式距离

对于颜色直方图的图像检索来说，二次式距离已被证明比欧式距离及直方图相交法更为有效，其原因在于这种距离考虑到了不同颜色之间存在的相似度。二次式距离可以表示为

dqad(A,B)?(A?B)TM(A?B)

（4-11）

23

河南理工大学毕业设计（论文）说明书

式中，M?[mij]，mij表示直方图中下标i和j的两种颜色之间的相似度。这种方法通过引入颜色相似性矩阵M，使其能考虑到相似但不相同的颜色见的相似性因素。

尽管迄今为止己经提出了很多距离函数，但是最常用的还是欧氏(Euclidean)距离。在实际的应用中，可能不需要计算平方根，原因是无论是否开方，对于那些相距最近的事例(或事例集)最终结果还是最近的。欧式距离的优点是当对坐标轴进行正交旋转时，欧式距离保持不变，样本集合仍然能够保持原来的相似性结构。有时候为了减少计算量，经常会使用曼哈顿距离。本文的相似性度量方法采用的是欧氏距离法。

4.3 本系统的匹配算法

本系统使用的相似性度量方法是欧式距离法。通过结合颜色直方图的相似度与纹理特征相似度，可以将基于颜色的图像检索与基于纹理的图像检索结果相结合。设q为查询图像，t为数据库中的图像，Dc代表基于颜色特征的相似度，Ds表示基于纹理特征的相似度。则两幅图相见的综合相似性可如下计算。

D(q,t)??cDc??sDs?c??s

（4-12）

这里，?c和?s分别为对颜色加权和对纹理加权。其中?c??s?1。 欧式距离代码以及加权检索代码如下： 欧式距离：

function d=Euc_distance(m,n); %用欧几里德距离进行相似性判断 s=size(m,2); sum=0; for i=1:s

sum=sum+(m(i)-n(i))^2; end d=sqrt(sum);

加权相似度： Do=Wc*Do1+Ws*Do2;

[D,IX]=sort(Do); %按欧几里德距离升序排列

24

河南理工大学毕业设计（论文）说明书

5 CBIR的设计与实现

本章结合前面几章介绍的图像特征提取和相似性度量方法，构建了基于内容的图像检索系统。首先介绍了系统开发工具及系统运行环境，然后描述了基于内容的图像检索实验系统的设计原则和总体框架，介绍了软件界面并说明了系统的使用步骤，最后对500幅图像库进行仿真实验，并对实验结果进行了分析。

5.1 开发工具及系统运行环境

5.1.1 开发工具

根据对实验系统中的颜色模型、各个特征提取算法等方面的设计，本文选用MATLAB软件设计语言，在Windows XP下完成。

MATLAB由一系列工具组成。这些工具方便用户使用MATLAB的函数和文件，其中许多工具采用的是图形用户界面。包括MATLAB桌面和命令窗口、历史命令窗口、编辑器和调试器、路径搜索和用于用户浏览帮助、工作空间、文件的浏览器。随着MATLAB的商业化以及软件本身的不断升级，MATLAB的用户界面也越来越精致，更加接近Windows的标准界面，人机交互性更强，操作更简单。而且新版本的MATLAB提供了完整的联机查询、帮助系统，极大的方便了用户的使用。简单的编程环境提供了比较完备的调试系统，程序不必经过编译就可以直接运行，而且能够及时地报告出现的错误及进行出错原因分析。

MATLAB的优势在于它有：有好的工作平台编程环境、简单易用的程序语言、强大的科学计算机数据处理能力、出色的图形处理功能、应用广泛的模块集合工具箱、实用的程序接口和发布平台、应用软件的开发。

MATLAB具有的特点在于：

（1）高效的数值计算及符号计算功能，能使用户从繁杂的数学运算分析中解脱出来；

（2）具有完备的图形处理功能,实现计算结果和编程的可视化； （3）友好的用户界面及接近数学表达式的自然化语言，使学者易于学习和掌握；

（4）功能丰富的应用工具箱(如信号处理工具箱、通信工具箱等) ,为用户提供了大量方便实用的处理工具。

5.1.2 运行环境

25

河南理工大学毕业设计（论文）说明书

系统实现的硬件环境如下：CPU为AMD，内存为512M，显示器分辨率为1024×768。

系统的软件运行环境为Windows XP操作系统，要求安装有Matlab7.0以上版本。

MATLAB 7.0集成环境包括MATLAB主窗口、命令窗口(Command Window)、工作空间窗口(Workspace)、命令历史窗口(Command History)、当前目录窗口(Current Directory)和启动平台窗口(Launch Pad)。

5.2 系统结构设计、系统功能

5.2.1 系统的结构

基于图像内容的图像检索主要思路是：从图像中分析抽取低层视觉特征用于检索，这里是用颜色特征、纹理特征来衡量图像之间的相似度以实现基于内容的检索。整个流程可用图5-1所示框图表示：

图5-1 基于内容的图像检索系统框图

图像检索 纹理特征 颜色特征 计算相似度 纹理特征库 颜色特征库 特征提取并显示 权值设置 图像库 选择关键图 用户 相似图像集 特征提取 我们可以从系统框图中抽象出四个层次： （1）图像特征提取

颜色空间为HSV，自动地对图像数据进行自动的特征提取，提取用户感兴趣的、适合检索要求的特征。全局统计直方图表示图像全局的特征。

纹理特征采用灰度共生矩阵方法，由灰度共生矩阵计算所需的四个纹理参数，

26

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库基于内容的图像检索系统(6)在线全文阅读。