基于Android系统的植物图像检索研究

章丽姣，吴成玉，吴飞青

（浙江大学宁波理工学院，浙江宁波315100）

基于Android系统的植物图像检索研究

章丽姣，吴成玉，吴飞青

（浙江大学宁波理工学院，浙江宁波315100）

在Android移动平台上，基于植物图像内容的检索技术进行了研究，实现了基于颜色和纹理特征的植物图像检索系统。颜色特征采用了基于HSV颜色空间的分块主色提取方法，纹理特征采用了纹理谱方法。最后对系统的性能进行了测试和分析。

图像检索；Android系统；颜色特征；纹理特征

一、引言

基于内容的图像检索是近年来图像研究领域的热点。传统的搜索引擎公司包括Google和百度都已发布了智能移动终端上基于内容的图像检索产品Google Goggles和百度识图。Google Goggles是一款Android平台软件，用户可以用手机拍摄当地地标建筑、书籍封面、艺术作品、酒类标签以及产品商标，即可立即获得相关信息。但是由于图像检索的精度受限，Google Goggles不能检索动物、家具、服饰等其他种类照片，对图像检索的种类有较大的限制，其应用领域也相对狭窄，尚不能真正达到基于内容的图像检索的目的。百度识图是一款非常实用便捷的图像检索软件，基于先进的图像识别技术，通过手机拍照或本地上传图像在全网海量图片中智能筛选精美图片。全网海量图片分为美女、风景、明星、花卉、服饰、体育、建筑和美食八大类型，并实时更新。

但是由于图片种类太多，检索结果不是十分精确。

本文针对植物图像，提取植物图像的颜色和纹理特征，实现智能手机Android系统上的检索。系统支持直接拍摄照片或者查找本地图片进行图像检索，按相似度从大到小顺序将检索结果图像输出。颜色特征采用了分块主色法[1]，纹理特征采用了纹理谱法[2]。经测试，系统运行稳定，检索速度快，准确率较高。

二、系统框架概述

基于内容的图像检索是通过图像视觉特征的相似性匹配来查找用户要求的图像。该系统包括特征库生成子系统和查询子系统，每个子系统包含相应的功能模块和部件如图1所示。

图1 图像检索系统框架

1.特征库生成子系统

该系统将图像数据库中的每幅图像进行特征提取，生成对应的图像特征库，主要包括：①图像数据库，用于存储数字化的图像信息。在建库时需进行图像预处理，如转换格式、统一规格和灰度处理等，为图像的特征提取奠定基础。②特征提取，从包含大量信息的图像中分解出不同种类的特征信息，包括低层视觉特征和高层语义特征。前者有颜色、纹理、形状等特征，后者包括文本描述以及视觉特征和文本描述的组合。③图像特征库，用于存储特征提取后得到的各种特征信息。

2.查询子系统

该系统对用户输入的查询图像进行特征提取，然后检索特征库，将用户要求的最相似的图像检索出来，并以相似度降序排列，主要包括：①用户接口，实现用户和系统内核交流的平台，包括查询图像的提交和检索结果的显示。检索结果是一系列与查询图像相似的图像，按照相似程度由大到小排列。用户通过浏览检索结果，可以选择需要的图像。②相似度测量，通常利用各种距离函数将查询图像的特征与图像特征库中的特征进行相似性匹配，得到它们之间的相似程度。

对于一个图像检索系统，特征提取和相似度测量是两大关键。

3.检索算法

（1）颜色特征算法

本系统采用分块主色法提取颜色特征。首先根据人眼特性进行颜色空间转换[3]，将RGB色彩空间转换到HSV空间，如（1）式所示：设RGB颜色空间值为（r,g,b），其中r,g,b∈[0～255]，转换后得到HSV值，其中h∈[0～360],s∈[0～1],v∈[0～1]。

为简化计算，又对HSV空间进行适当的量化处理，如（2）式所示。由量化后的H，S，V合成一个一维特征矢量L，如(3)式所示。

然后将图像的二维空间进行10×10的划分，得到100个分块。针对每个分块统计特征矢量L，提取象素点数目最多的那种颜色作为该分块的主色。这样就得到图像的颜色特征向量：L=（L0，L1，…，L99）。

给定两幅图像p和q，假设q为待检索图像，p为图像库中任意一幅图像。利用(4)式计算基于颜色特征的距离，即进行颜色特征的相似度测量。

(2)纹理特征算法

为了刻画图像像素点在某邻域内的灰度变化，考虑像素点的3×3邻域，如图2所示，其中Ii(i=0,1,…，8）表示图像在该像素点处的灰度，I4所在位置为中心点。对于24位RGB彩色图像，可以用(5)式将其转换为灰度图像。

图2 图像像素的3*3邻域表示

如果将像素点的灰度看作纹理基元，并用二进制序列Vi(i=0,1,…，7)来刻画邻域内像素点的灰度沿水平方向的变化情况，即基元的排列，则Vi可定义为

其中，Ti为正的阈值常数(实验中取Ti=2)。

从(6)式容易看出，此方法注重像素灰度的显著变化，这符合人类视觉对图像纹理的感知。因为与绝对灰度值比较，人类视觉系统对灰度的变化更为敏感。另外，(6)式表明，Vi中“0”的个数越多，意味着该像素所在的邻域越光滑。

为了刻画图像的纹理谱分布和图像的光滑度(或粗糙度)，并易于计算和理解，将二进制序列Vi作进一步处理，记

这时B即可唯一地表示图像在此邻域中心点的纹理模式，即像素灰度在此3×3邻域中的变化状况。根据(7)式易知，B的取值范围为[0,1,2,…,255]，统计图像各像素点的纹理在值B处的分布，就可以得到图像的纹理谱。假设用B(i,j)表示图像在像素点I (i,j)处的纹理值B，表示图像B,HK(k=0,1,…，255）的纹理谱，则有

给定两幅图像p和q，假设q为待检索图像，p为图像库中任意一幅图像。利用(9)式计算基于纹理特征的距离，即进行纹理特征的相似度测量。

综合颜色和纹理特征的图像检索可以用(10)式计算由于两种特征的相似度测量值不具有直接的可比性，所以需要事先进行归一化处理。

其中，WY和WW分别是颜色和纹理特征的权重系数，WY+WW=1.0。

三、系统测试

整个系统的开发环境[4]为：

开发语言：android

Android手机开发平台：Android系统4.0以上

PC端操作系统平台：WINDOWS Win7

开发工具：Eclipse4.2

系统测试时，选取了20种类型的植物图像共200幅进行检索性能的测试，图像尺寸为600×450。

客户端UI界面如图3所示，用户可以选择直接拍摄照片或者查找本地手机相册中图片进行图像检索。界面中第三个图标是浏览历史检索记录。选择本地图片作为待检索图像的界面如图4所示。用户选择一幅图像后，系统会根据相似程度将检索结果显示出来，如图5所示。用户可以选择感兴趣的图像查看其详细信息介绍，如图6所示。图7是感兴趣图像的百度链接。图8是历史检索记录界面。经测试，系统运行稳定，检索速度和结果较为满意。

图3 客户端UI主界面

图4 选择待检索图像

图5 图像检索结果显示

图6 检索结果详细介绍

图7 检索结果百度链接

图8 检索结果历史记录

四、结论

本文对Android移动平台上基于植物图像内容的检索技术进行了研究，实现了基于颜色和纹理特征的植物图像检索系统，在移动终端上应用。

[1]何清法,李国杰.综合分块主色和相关反馈技术的图像检索方法[J].计算机辅助设计与图形学学报,2001,(10).

[2]万华林,Chowdhury MU,等.图像纹理特征及其在CBIR中的应用[J].计算机辅助设计与图形学学报,2003,(2).

[3]田玉敏,林高全.基于颜色特征的彩色图像检索方法[J].西安电子科技大学学报(自然科学版),2002,(1).

[4]赵亮,张维.基于Android技术的界面设计与研究[J].电脑知识与技术,2009，(29).

（责任编辑：魏树峰）

Research on the Plant Image Retrieval Based on Android System

ZHANG Li-jiao,WU Cheng-yu,WU Fei-qing
(Ningbo Institute of Technology,Zhejiang University,Ningbo 315100,China)

The retrieval technology based on plant image is studied on the Android mobile platform.A plant image retrieval system based on the features of color and texture is designed.The color feature adopts the retrieval method based on HSV Color Space,and the texture feature adopts the texture spectrum approach.The performance of the system is tested and analyzed.

image retrieval;Android system;color feature;texture feature

TP391.4

B

2016－08－12

章丽姣（1994-），女，浙江淳安人，通信工程专业本科。

吴成玉（1979-），女，浙江宁波人，讲师，研究方向：电子学流设计。E-mail:wuchengyu79@163.cm.

国家大学生创新创业训练计划资助项目（201513022007）；宁波市创新团队资助项目（2012B82002，2013B82005）；浙江大学宁波

理工学院教改项目（NITJG-201619）

1671－802X(2016)05－0001－05