综合颜色特征与形状特征的图像检索算法

阿卜杜如苏力·奥斯曼，吐尔洪江·阿布都克力木，马丽亚木·阿布来孜ABDURUSUL Osman,MARYAMGULAbliz,TURGHUNJAN Abdukirimturki

新疆师范大学 数学科学学院，乌鲁木齐 830054

综合颜色特征与形状特征的图像检索算法

阿卜杜如苏力·奥斯曼，吐尔洪江·阿布都克力木，马丽亚木·阿布来孜ABDURUSUL Osman,MARYAMGULAbliz,TURGHUNJAN Abdukirimturki

新疆师范大学 数学科学学院，乌鲁木齐 830054

由于小波变换具有良好的局部特性与多尺度特性，能多尺度逼近边缘，这使得它在图像奇异性检测和特征提取方面得到了广泛的应用。采用二次样条二进小波变换进行边缘检测，用边缘梯度方向直方图表示图像形状特征，用颜色直方图表示图像颜色特征，提出了综合颜色特征和形状特征的图像检索算法。实验结果表明，该算法不仅具有较好的检索性能，而且对图像中存在的光照变化和几何变化（尺度、平移、旋转等）具有较强的鲁棒性。

图像检索；二进小波变换；边缘检测；颜色特征；形状特征

1 引言

随着数据库技术、多媒体技术、网络技术的迅速发展，人们越来越多地接触到大量的数字图像数据库，为了对图像库进行有效管理，高效的图像检索系统为人们所需要[1]。传统的基于文本的图像检索方法已经不能满足实际的需求。为了克服传统检索方法的局限性，基于内容的图像检索技术应运而生。因此基于内容的图像检索技术已迅速成为图像数据库技术中的研究热点之一，并得到了国内外信息领域科技人员的广泛重视和研究。自从1992年Kato提出基于内容的图像检索一词以来，使这一方面的研究和应用开始快速发展并已取得了很多令人瞩目的成果。如IBM公司的QBIC系统[1]和Virage公司的VIR图像工程系统，基于区域特征的如UCSB的Netra系统[2]等。国内从1994年开始关注这方面的研究，清华大学计算机系于1997年研制了一个Intemet上基于内容检索的原型系统，国防科大多媒体开发中心设计开发了一个基于内容的视频新闻节目浏览检索系统，各类新的基于内容的检索系统也不断出现。

基于内容的图像检索[3-4]主要使用图像的颜色、纹理、形状和空间位置关系等底层特征进行检索。颜色是图像中最直接和最简单的特征，它对图像本身的尺寸、方向、旋转等的依赖性较小，因此利用图像颜色特征来检索是基于内容的图像检索技术中最常用的基本方法。但是颜色特征对亮度变化比较敏感，而且以直方图作为颜色特征没有包含任何颜色的空间布局信息，而形状特征作为物体本质特征之一，它不随周围和亮度等环境的变化而变化，是物体稳定的特征，相对于颜色和纹理特征显得更为直观，并且携带了一定的空间布局信息。形状特征本身的优点使得它可以将不同的图像目标区分开，因此采用颜色和形状特征相结合的方法进行图像检索，弥补了只用单一特征进行图像检索的不足。对于颜色特征本文采用性能较好的HSV[5]颜色空间的直方图，对于形状特征利用二次样条二进小波多尺度变换模极大值进行边缘检测，用边缘梯度方向直方图表示图像形状特征。实验结果表明该算法不仅具有对图像光照变化和几何变化较强的鲁棒性，同时具有较好的检索性能。

2 二进小波变换模极大值边缘检测

利用小波变换提取边缘方法优点是具有“变焦”的功能，由于小波变换具有良好的局部特性与多尺度特性[6]，能多尺度逼近边缘，所以应用小波变换提取边缘被认为是一种最为有效、最有前途的方法。1992年Mallat提出了二进小波变换多尺度的边缘分析方法[7]。由于二进小波介于连续小波和离散小波之间，是一种本身带有强烈方向性的小波函数，这使得它在图像奇异性检测和特征提取方面得到了广泛的应用。

对于二维小波变换的图像边缘检测，设二维平滑函数θ(x，y)且满足条件，将其沿 x、y两个方向上的一阶导数作为两个基本小波：

则对任意的 f(x，y)∈L2(R2)，其在尺度s=2j上的沿水平方向和垂直方向的二进小波变换包括两个分量：

分别是图像灰度沿x、y方向的梯度。由此可得图像 f(x，y)在尺度2j下的二进小波变换模值和幅角：

若Msf(x，y)在点(x0，y0)达到极大值，则函数 f*θs(x，y)认为是 f(x，y)在 (x0，y0)处具有最大的方向导数，从而f(x，y)在该点处的函数值有突变，而突变发生的方向是沿着 Asf(x，y)所指的方向。由此可以认为(x0，y0)是图像的边缘点，于是，计算一个光滑函数沿着梯度方向的模极大值等于计算小波变换的模极大值。由于模极大值对应图像的边缘位置，所以在边缘信息提取时先找出模的极大值，再选择某一阈值以除去较小的模极大值，然后将相邻的具有相近的模极大值和相近的幅角的极大值点连接起来得到边缘链，选一个阈值以滤出噪音点即可得到图像的边缘。

3 特征提取

3.1 颜色特征提取

颜色是图像最显著的特征之一，相对于其他特征，由于它非常稳定，即其对于旋转、平移、尺度变化具有相当强的鲁棒性，而且计算简单，因此成为现有检索系统中应用最广泛的特征。在实际应用中常用的颜色空间模型很多，选取什么样的颜色模型对检索结果影响很大。RGB颜色模型是最基础，最常用的颜色模型，数字图像一般都采用RGB颜色模型来表示，但是RGB颜色模型不符合人对颜色的感知心里，而HSV颜色模型能够较好地符合人眼的感知特征，同时可以分别提取出图像的色调H和亮度V以及饱和度S信息，因此本文采用的是HSV颜色空间模型。

由于一般情况下获取的图像都是在RGB颜色空间描述的，为了计算的方便经常要做颜色空间的转换。从RGB颜色模型到HSV颜色模型的转换公式如下：

其中：

按照人的视觉分辨能力，根据色彩的不同范围将h、s、v分量进行非等间隔的量化，把色调h分成16份，饱和度s和亮度v分别分成4份，与之对应的量化后的色调，饱和度和亮度值分别为H、S、V。

对于量化后的各分量，将它们合成为一维特征矢量，即G=HQsQv+SQv+V，其中Qs、Qv分别是分量的量化级数，通常取Qs=4，Qv=4，则G=16H+4S+V，相当于取色调H的权值为16，取饱和度S的权值为4，取亮度V的权值为1，G的取值范围为[0，255]，计算G获得256柄的一维直方图矢量。即图像的颜色特征向量Vcolor表示如下：

其中，i表示灰度级，L表示灰度级种类数，ni表示图像中具有灰度级i的像素总数，N表示图像总的像素数。

3.2 形状特征提取

边缘上每一像素都对应此处一个边缘梯度方向，边缘可以看做由具有特定方向的边缘像素点构成，对边缘像素点的梯度方向的统计能够更好地表征物体的形状信息。在建立边缘梯度方向直方图时，首先利用2次样条二进小波模极大值方法提取边缘，然后根据式（6）计算出边缘图像的梯度方向角 Asf(x，y)，同时将 Asf(x，y)由弧度转换为度，根据其所在象限转换到[0°～360°]，最后对边缘像素点的梯度方向角进行统计建立边缘梯度方向直方图H(i)。具体实现的方法为将梯度方向角Asf(x，y)∈[0°～360°]均匀的量化为L个区间，即n(i)的取值范围为0，1，…，L-1定义为：

为了使边缘梯度方向直方图对图像光照变化、平移变化、尺度变化具有不变性，最后用边缘像素的总数得到归一化的边缘梯度方向直方图H(i)。L值越大，角度量化的单位个数越多，计算量就会增加，但是图像库中有些图像边缘信息多。对于数字化图像，每个像素点的周围只有8个邻接点，它将一个平面分成8个扇区[8]，因此每个点处只有8个方向可作为梯度方向，考虑到既要包括足够的信息用以提高检索精度，又要使边缘梯度方向直方图特征向量的数据量尽可能少以便提高检索速度最后选择L=8。由此绘制边缘梯度方向直方图H(i)，其横坐标代表8个量化的角度单位，每一个单位45°，纵坐标代表对应角度单位内的像素个数在所有边缘像素点中的比列，得到一维的边缘梯度方向直方图。其函数如下：

其中，ni表示边缘梯度方向角在i×45°～(i+1)×45°之间的像素个数，N为边缘像素点的总数。

4 图像检索算法与实验

4.1 相似性匹配

基于内容的图像检索主要采用相似性的检索方法，即通过特征向量之间的相似性来判断两幅图像的相似程度，然后给出与查询图像最相似的若干图像。本文采用颜色直方图来表示图像颜色特征，边缘梯度方向直方图来表示图像形状特征，因此图像之间的相似性通过比较颜色和形状特征向量之间的相似性进行度量，采用Euclidean距离[9]来度量特征向量之间的距离，并且采用根据不同向量的重要程度设定权值的方法来提高检索精确度。

Euclidean距离为：

式中，fi为数据库中图像的特征向量，fqi为待查询图像的特征向量，n为特征向量空间维数。

利用公式（13）计算两幅图像颜色和形状特征相似度分别为Dc和Ds，则任意两幅图像的相似度为：

式中，Wc、Ws分别为颜色和形状特征不同重要程度设定的权值，Wc+Ws=1。

4.2 检索实验结果与分析

为了对本文图像检索的性能进行测试，从华盛顿大学网站（http：//www.cs.washington.edu/research/imagedatabase）及Corel图像库中收集约1 120多幅图像，包括动物、花、汽车、建筑、自然风景等5类。各类图像相似数目超过20幅。在相同的软硬件环境下对本文算法和文献[10]算法进行性能比较（文献[10]是用综合不变矩和canny算子进行边缘检测，再得到相应的边界方向直方图作为图像特征来进行检索的方法）。在比较不同方法的检索性能时，采用查准率与查全率作为检索效率的性能指标，具体步骤：上述图像库中每一类图像中随机抽取10幅组成一个新的图像库，对每类图像进行10次查询，并将其作为该类图像的平准查准率和平均查全率，结果如表1所示。

表1 平均查全率和平均查准率 （%）

图1和图2给出了本文方法和文献[10]的方法在建筑类的一次检索结果中的前16幅图像，其中左上角第一幅为示例图像，检索结果按相似性大小排列。

图1 本文方法对建筑类检索结果图

图2 文献[10]方法对建筑类检索结果图

实验结果表明，本文方法具有较好的检索性能，检索准确率高于结合不变矩和用Canny算子进行边缘检测，再得到相应的边界方向直方图作为图像特征来进行检索的方法，检索效果更符合人眼的视觉感受。

5 结束语

小波变换具有良好的局部特性与多尺度特性，能多尺度逼近边缘，这使得它在图像奇异性检测和特征提取方面得到了广泛的应用。本文采用二次样条二进小波变换进行边缘检测，用边缘梯度方向直方图表示图像形状特征，用颜色直方图表示图像颜色特征，综合颜色特征和形状特征来进行检索。实验结果表明，本文方法不仅具有较好的检索性能，而且对图像中存在的光照变化和几何变化（尺度、平移、旋转等）具有较强的鲁棒性。检索准确率高于综合不变矩和用Canny算子进行边缘检测，再得到相应的边界方向直方图作为图像特征来进行检索的方法。今后研究重点是进一步改善基于图像底层特征检索的性能，进行基于图像的高层次特征的提取和检索研究。

[1]Flckner M，Sawhney H，Niblack W，et al.Query by image and video content：the QBIC system[J].IEEE Computer，1995，28（9）：23-32.

[2]Smith J，Chang S F.Visual SEEK：a fully automated contentbased image query system[C]//Proceedings of the 4th ACM Multimdia Conference，Boston，Nov 1996：87-98.

[3]Cheol H H，Sim K B.Real-time face detection using AdaBoot algorithm[C]//Proceedings of Control，Automation and Systems-ICCAS，Seoul，Korea，2008：1892-1895.

[4]孙文波，吴锡生.综合颜色纹理形状特征的图像检索[J].计算机工程与设计，2009，30（21）：4904-4906.

[5]李国辉，柳伟，曹莉花.一种基于颜色特征的图像检索方法[J].中国图象图形学报，1999，4（3）：249-255.

[6]成礼智，王红霞，罗永.小波的理论与应用[M].北京：科学出版社，2004.

[7]Mallat S.A theory for multiresolution signal decomposition[J]. IEEE Trans on PAML，1989，11（7）：674-693.

[8]Cohen A.Biorthogonal wavelets and dual filter[M]//Barland M. Wavelets in Image Communication.Germany：Elsevier，2004：1-26.

[9]傅蓉，许宏丽.基于小波多尺度分析的彩色图像检索方法[J].中国图象图形学报，2004，9（11）：1326-1330.

[10]樊亚春，耿国华，周明全.用不变矩和边界方向进行形状检索[J].小型微型计算机系统，2004，25（4）：659-662.

College of Mathematical Sciences,Xinjiang Normal University,Urumqi 830054,China

Because of the wavelet transform has good local characteristics and multi-scale characteristic,it can be multi-scale edge approximation,this makes it wide range of applications in image singularity detection and feature extraction.Using dyadic wavelet transform on edge detection,use of edge gradient direction histogram express shape features,use of HSV color model express image color features,this paper puts forward an algorithm that image retrieval approach combining color feature and shape feature.The experimental results show that the algorithm not only has a strong robustness to the image illumination change,and geometry change,and has a good retrieval performance.

image retrieval;dyadic wavelet transform;edge detection;color feature;shape feature

A

TP391.41

10.3778/j.issn.1002-8331.1202-0115

ABDURUSUL Osman,MARYAMGUL Abliz,TURGHUNJAN Abdukirimturki.Image retrieval approach combining color feature and shape feature.Computer Engineering and Applications,2013,49（7）：167-170.

新疆维吾尔自治区自然科学基金（No.200721104）；国家自然科学基金（No.10661010，No.11261061）；新疆师范大学2012年大学生课外学术科技作品项目。

阿卜杜如苏力·奥斯曼（1987—），男，硕士研究生，研究方向为小波分析及其应用；吐尔洪江·阿布都克力木（1962—），通讯作者，男，教授，博士，研究方向为小波分析与模式识别；马丽亚木·阿布来孜（1987—），女，硕士研究生，研究方向为小波分析及其应用。E-mail：thj@xjnu.edu.cn

2012-02-07

2012-03-30

1002-8331（2013）07-0167-04

CNKI出版日期：2012-06-15 http://www.cnki.net/kcms/detail/11.2127.TP.20120615.1727.053.html