基于色彩和图像特征组合的图像检索方法技术

一种具有改进性能的图像检索方法，其通过适当组合色彩和纹理特征来检索与查询图像相似的数据图像。在包含多个数据图像的图像数据库中检索与查询图像相似的数据图像的该方法包括：计算查询图像和图像数据库中每一个数据图像间的色彩和纹理距离；使用预定加权系数对所计算的色彩和纹理距离进行加权；考虑人类视觉感知性能，通过组合所加权的色彩和纹理距离，计算查询图像和每一个数据图像间的特征距离；以及使用特征距离，确定与查询图像相似的数据图像。根据图像检索方法，可根据人类视觉感知机制通过组合从图像区域中提取的色彩和纹理特征检索与查询图像相似的数据图像。基于图像区域的检索能够从一图像中更准确地检索更多的对象和许多信息。（*该技术在2022年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术涉及一种图像检索方法，更具体地涉及一种基于在人类视觉感知中是有意义的色彩和纹理描述器(describer)的图像检索方法。
技术介绍
近年来，多媒体数据的迅速增加方便了有效管理多媒体数据的数据检索和数据库领域的研究。特别地，图像检索领域的研究或者集中在现有的基于文本的图像检索方法上，或者集中在更先进的图像检索方法上。对于基于文本的数据检索，从大规模数据库中检索所需的数据需要付出极大的努力，并且对于基于部分特征的检索或大量数据的检索是不适用的。为解决这个缺点，已经对使用很好表现了多媒体数据特征的数字特征描述器(descriptor)的检索方法进行了探索。人类视觉感知的主要特征，即色彩和纹理特征能够用特征描述器表示。根据传统的图像检索方法，其中的数据图像是通过特征描述器索引的图像数据库已经被建立，并且根据特征描述器从图像数据库中检索所需的图像。传统的基于色彩特征的图像检索方法的例子包括提取色彩矢量、量化色彩矢量、从量化的色彩矢量中获得典型的色彩矢量，以及使用典型的色彩矢量检索图像数据。传统的基于纹理特征的图像检索方法使用共生矩阵、高斯-马克夫随机场(GRMF)模型等。近来的一种纹理特征提取方法使用一种能够适合于人类的视觉图像感知机制的多通道方法的伽柏(Gabor)滤波器。在传统的图像检索方法中，基于色彩和纹理的数据检索是分别执行的，并且从整个图像中提取色彩和纹理特征。由于这个原因，传统的方法不能应用于具有多个对象或以多种色彩表现的，并具有多个特征的图像。色彩或纹理特征是用于检索特定图像数据的。因此，会导致不正确的图像检索结果。为解决这些问题，另一种传统的图像检索方法是在以色彩和纹理矢量分量形成的矢量空间中检索目标图像的。这里，矢量空间是通过色彩和纹理矢量分量的简单综合形成的，因而增加了矢量空间的维数。因此，需要对增加维数的矢量空间重新定义距离函数，并计算每一个分量的加权系数，这是相当烦琐的。计算很复杂，并且结果可能不正确。
技术实现思路
为解决上述问题，本专利技术的目的是提供一种性能改进的基于色彩和纹理特征组合的图像检索方法。为实现本专利技术的目的，提供一种考虑人类视觉感知特性、使用通过合并色彩和纹理距离计算的特征距离来检索与查询图像相似的数据图像的方法。在一个实施例中，本专利技术提供一种在包含多个数据图像的图像数据库中检索与查询图像相似的数据图像的方法，该方法包括(a)计算查询图像和图像数据库中每一个数据图像之间的色彩和纹理距离；(b)使用预定的加权系数对所计算的色彩和纹理距离进行加权；(c)考虑人类视觉感知性能，通过组合所加权的色彩和纹理距离，计算该查询图像和每一个数据图像之间的特征距离；以及(d)使用该特征距离，确定与该查询图像相似的数据图像。最好，在步骤(a)之前，图像检索方法还包括(pa-1)使用色彩特征将该查询图像和每一个数据图像划分成多个区域；以及(pa-2)在该查询图像和每一个数据图像中确定样本区域以提取纹理特征。最好，步骤(a)包括(a1)使用色彩特征生成多个区域的色彩矢量，并计算色彩距离；(a2)使用纹理特征生成多个区域的纹理矢量，并计算纹理距离。最好，步骤(pa-1)包括量化查询图像和每一个数据图像的色彩矢量。量化色彩矢量的步骤可以包括(pa-1-1)对该查询图像和每一个数据图像执行对等的组滤波以滤除噪声，并起到平滑效果；以及(pa-1-2)使用归纳莱奥德算法(generalized Lloyd algorithm)对该查询图像和每一个数据图像的经滤波的像素值进行簇化。最好，该图像检索方法还包括在经过量化处理的查询图像和每一个数据图像的每一个像素中定义指示色彩均匀性的J值；存储查询图像和每一个数据图像的每一个像素中的J值以获得J图像；使用预定的划分方法将每一个J图像划分成多个区域；重复对每一个J图像的划分以获得每一个J图像的划分后区域上的图；以及基于色彩相关，通过合并划分后的区域，获得每一个J图像的最终的图。最好，步骤(pa-1-2)包括应用预定算法以增加所得的簇数或合并所得的簇。在该图像检索方法中，通过使用每一个区域的典型色彩矢量和典型色彩矢量的百分比的色彩特征描述器fc(Ik)来表示色彩特征。该色彩特征描述器fc(Ik)可以由下式表示fc(Ik)={(c-k1,pki),(c-k2,pk2),…,(c-kNk,pkNk)}]]>其中，k是指示每一个区域的序列号的正整数，cki是第k个区域的第i(i＝1，2，...，N)个典型色彩矢量，pki是第k个区域的第i个典型色彩矢量的百分比，并且Nk是第k个区域的典型色彩矢量数。最好，图像检索方法还包括在每一个划分后的区域中通过典型色彩以及其百分比对特征矢量空间进行索引。该对特征矢量空间进行索引的步骤可以包括对在具有网格结构的色彩空间中的网格点指定典型色彩；以及将指定结果存储为数据库中的一个表。在该图像检索方法中，查询图像的每一个区域的每一个色彩矢量和每一个数据图像的每一个区域的每一个色彩矢量之间的色彩距离可以使用下式计算dc(I1,I2)=Σi=1N1p1i2+Σi=1N2p2i2-Σi=1N1Σi=1N22a1i,2jp1ip2j]]>其中，假设Td是最大的距离，它定义两个色彩的相似性；α是预定的比例系数，dmax＝αTd，并且dij是两个色彩矢量ci和cj的欧几里得距离‖ci-cj‖，如果dij≤Td，则 ；以及如果dij＞Td，则aij＝0。在该图像检索方法中，最好步骤(a2)使用伽柏函数。在步骤(a2)中，多个区域的纹理矢量可以使用具有N个频率通道和M个方位通道的伽柏函数产生，其中N和M是预定的正整数。在该图像检索方法中，纹理特征可以由纹理特征描述器fl(Ik)来表示ft(Ik)＝{(mk11，σk11)，(mk12，σk12)，...，(mk1M，σk1M)，(mk21，σk21)，...，(mkij，σkok)，...，(mkNM，σkNM)｝其中，mkii是区域Ik的第i个频率通道和第j个方位通道的像素值均值，并且σkij是区域Ik的第i个频率通道和第j个方位通道的像素值的方差。在步骤(a2)，查询图像的每一个区域的每一个色彩矢量和每一个数据图像的每一个区域的每一个色彩矢量之间的纹理距离可以使用下式计算d1(I1,I2)=Σi=1MΣj=1m|m1ij-m2ijσ(mij)|+Σi=1NΣj=1M|σ1il-σ2ijσ(σij)|]]>最好，步骤(pa-2)包括(pb-1)获得查询图像和每一个数据图像的网格图；以及(pb-2)根据该网格图，获得每一个区域的所需尺寸的纹理样本。在这种情况中，步骤(pb-1)可以包括(pb-1-1)对样本区域获得具有最大边长的矩形M(i，j)，其中0≤i≤n，0≤j≤m；(pb-1-2)将矩形M(i，j)分割每一个都具有l×l尺寸的子矩形；以及(pb-1-3)使用预定的函数获得样本区域的网格图本文档来自技高网...

【技术保护点】
一种通过考虑人类视觉感知性能，使用组合色彩和纹理距离计算的特征距离来检索与查询图像相似的数据图像的方法。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：崔良林，赵南翊，郭征元，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：KR[韩国]