基于多特征融合的图像检索技术研究与实现

杜跃 苏硕 李敬铮

摘  要：为了满足精准、智能、高效的图像检索方式，提出了一种基于多特征融合图像检索方法，多特征图像检索技术实现的图像检索使用了图像自身的多特征作为图像检索的依据，提高了图像搜索的精准性和高效性。通过测试，实验结果证实了多特征融合图像检索技术利用了图像的颜色和纹理等作为检索的特征，多特征融合图像检索系统具有一定的学术意义和现实价值，能够大幅度提高图像检索的精确性，满足了用户的需求，具有良好的实用价值。

关键词：多特征融合;图像检索;纹理;图像特征

中图分类号：TP391.41       文献标识码：A 文章编号：2096-4706（2020）03-0083-003

Abstract：In order to meet the requirements of accurate，intelligent and efficient image retrieval，a method of image retrieval based on multi feature fusion is proposed. The image retrieval realized by multi feature image retrieval technology uses the multi feature of image itself as the basis of image retrieval，which improves the accuracy and efficiency of image retrieval. Through the test，the experimental results confirm that the multi feature fusion image retrieval technology uses the color and texture of the image as the retrieval features. The multi feature fusion image retrieval system has certain academic significance and practical value，can greatly improve the accuracy of image retrieval，meet the needs of users，and has good practical value.

0  引  言

当前，随着科学技术的发展，互联网技术不断发展，但是图像检索的效率仍然过于低下，互联网的高速发展给人们提供了大量的信息资源，但是不断增加的数据资源也给人们带来了一定的困难，即如何在海量数据资源中实现对信息的检索，提高用户的查询效率，因此目前急需一种更加精准、高效、智能的图像检索技术。本文以图像的多特征性作为图像检索的关键，由于图像各特征均蕴含着大量图像自身的内容，利用图像的多特征进行图像检索可以大幅度提高图像检索的性能，但由于在多特征融合图像检索技术中，很多图像的特征都具有相似性，并且图像具有多样性，因此如何利用图像的多特征实现图像检索是目前困扰学术界最主要的问题。作者对基于内容的图像检索技术进行阐述，并且设计一种基于多特征融合的图像检索技术，使用图像颜色和纹理等特征基于不同的权值进行图像检索，提高了图像检索的效率和精准性。

1  基于多特征融合的图像检索技术系统结构

基于多特征融合图像检索技术的系统结构主要分为两个子系统，分别是数据库生成系统和图像查询系统，其中数据库生成系统主要是通过数据的传输和数据的收集实现，而图像的查询系统是通过图像的特征进行图像检索和查询。数据库的生成系统主要进行对图像的收集以及图像特征的处理，其中图像的收集和处理包括对图像的处理如图像格式的处理、色彩空间的处理、图像比例的调整分析，本文基于图像内容的处理和收集建立在图像特征收集的基础上，图像特征的收集是多特征融合图像检索技术的根本，特征主要包括图像的颜色、图像的纹理、图像的形状等等。

1.1  图像特征收集处理系统

图像的检索系统建立在图像特征收集处理系统基础上，由查询、结果浏览以及检索引擎组成。对于图像的检索一般可以分为三个基本步骤：首先需要通过图像库生成系统图像的数据库，然后用户基于自身的需求如图像数目、图像类型、图像特征等，通过系统进行图像检索及相关图像的搜索。用户向系统提交检索需求之后，搜索引擎通过对用户的数据进行处理并在数据库中进行查找，对于图像的特征进行计算之后寻找到客户需要的图像，并且根据图像对比与客户需求的达标程度和相似程度进行图像排列，最后进行图像显示。

1.2  图像检索技术

目前，全世界范围内都对图像检索进行了大量的研究，我国同样也开展了相关研究，目前多项工作都是建立在基于文本的图像检索或基于单特征的图像检索。本文基于多特征融合的图像检索系统利用图像的颜色和图像的纹理特征，根据图像中的内容提出图像特征并对图像进行相似性计算，检索流程如图1所示。基于内容的图像检索技术中关键性在于如何对图像进行特征提取，根据图像特征进行计算及用户交互，并对图像分析和相似性计算，最后根据用户实际需求选取相似的图像。

2  颜色特征

为了正确地使用图像颜色特征进行图像检索工作，让图像检索效果更好地符合人类的视觉系统，基于颜色的图像检索首先需要建立颜色空间模型，目前使用最多的图像颜色模型是RGB颜色模型。作为使用最广泛的颜色模型，RGB颜色模型操作简单，但该模型不符合人类视觉对颜色的直观感知，而HSV颜色空間模型更符合人类视觉模型的直观感受。因此，本文基于多特征融合的图像检索技术研究与实现，选择了HSV颜色空间模型，HSV颜色空间模型可以方便地与RGB颜色空间模型相互转化，具体的转换模式如下所示：

按照目前人类的视觉分辨能力，根据色彩的不同对各个分量进行量化，将H色调划分为16个等分，将图像的饱和度以及图像的亮度划分为4个等分，色调（H）、饱和度（S）以及图像亮度（V）的计算如下：

转化之后的各个分量需要合并为同一维度的特征向量，为了便于计算将上述分量转换成一维特征，本设计以颜色直方图作为图像颜色特征的表示方法。颜色直方图中以直方图的横轴表示颜色的量化等级，纵轴表示各颜色在该图像中所占的比例，具体表述如下所示：

3  纹理特征

纹理也是图像描述中一个非常重要的概念，纹理作为所有事物表面特有的一种特性，也是图像检索中的重要依据。图像纹理特征描述的方法主要有马尔可夫分析法和多尺度自然回归模型法。纹理对应图像中的规则，表示了图像自身的特征。较为常见的纹理频谱法是利用Gabor滤波器进行图像纹理的提取。纹理分析中常用的二维模式变换公式如下所示：

通过对特征向量的提取，就可以得到该图像特征向量，作为图像检索的评判依据和标准。

4  多特征融合技术

图像一类特征向量中的各个特征分量实际代表的物理意义以及取值范围是不一样的，在图像检索中所起的作用也是不同的。因此在基于多特征进行图像检索时，需要对一类特征中的不同分量以及不同特征分量进行统一化，首先需要将图像特征的内部进行统一处理，然后是对特征向量外部统一。

4.1  特征向量的内部统一处理

特征向量内部统一处理是对于一类图像特征中的不同分量进行相似度计算，使其拥有相同的权重，本文采用高斯归一方法进行处理。首先假设一维特征向量标记为F=（F1，F2，F7，F8…Fn），如果使用i代表图像库当中的图像，对于某一个图像当中i的特征向量记为F=（F1，F2，F7，F8，…，Fi），将多个特征进行组合就可以得到一个特征矩阵，进一步可以计算特征矩阵的出均值和标准差，从而得到归一的图像特征。

4.2  特征向量的外部统一处理

由于颜色特征和纹理特征的向量所代表的含义是不同的，所以需要对于不同的特征向量进行归一处理，使得不同类型的图像特征在相似度计算的过程具有一致性。本文使用的方法如下所示：计算图像中颜色和纹理所对应的特征向量Fx和Fy中的相似数值;通过计算出相似数值之后，通过线性代数计算出特征向量当中的均值和标准差。最后在检索过程中可以通过图像之间的相似距离选择合适的图像作为最终的结果。

在使用颜色和纹理特征进行多特征图像检索的时候，用户可以通过自己的需要设定图像检索的颜色标准和纹理标准进行图像检索，然后对颜色和纹理特征进行比较，得到两幅图像当中的相似性距离差异，就可以表示出颜色和纹理在这个图像当中所占的权重，相应图像就可以检索并呈现于用户。

5  实验结果

在实验过程中，本文分别选择了几类图像进行查询，多次重复检索实验，取多次查询的准确率和查全率的平均值作为最终实验结果，具体結果如表1所示。从实验结果可以看出，本文提出的基于多特征图像检索系统性能较优，由于综合了图像的多个特征，可以更好地表示图像自身的内容，因此相比于传统单一特征的图像检索具有更高的准确性和查全率，检索的性能也得到了大幅度的提高。

6  结  论

本文针对图像检索技术进行了相关的研究，提出一种基于多特征的图像检索方法。在对基于多特征融合的图像检索技术系统进行研究的基础上，对图像特征选择和图像检索系统进行了设计与实现。基于多特征融合的图像检索技术系统中的关键技术主要包括图像特征的选择和图像特征的提取以及多特征的加权融合。从图像自身角度而言，由于图像具有较多的属性，而每种特征可以反映图像的一种或多种特征属性，因此对图像的多个特征进行提取和融合，可以更好地表示图像自身的内容。对图像的多特征进行归一化处理并基于多特征融合进行图像检索将大大提高图像检索的性能，可以更好地符合用户的需求。

参考文献：

[1] KATO T. Database architecture for content-based image retrieval [J].Proceedings of SPIE-The International Society for Optical Engineering，1992，1662：112-123.

[2] 兰蓉，马威.基于改进纹理特征的现堪图像检索算法 [J].西安邮电大学学报，2019，24（4）：36-42.

[3] 唐立军，段立娟，高文.基于内容的图象检索系统 [J].计算机应用研究，2001（7）：41-45.

[4] 罗永兴，于明，陈雷.基于内容的图像检索系统研究 [J].计算机与数字工程，2004（6）：92-94+101.

[5] A.S.潘迪，R.B.梅西.神经网络模式识别及其实现 [M].北京：电子工业出版社，1999.

[6] 李勍，章毓晋.基于特征元素和关联规则的图象分类方法 [J].电子学报，2002（9）：1262-1265.

[7] SWAIN M J，BALLARD D H. Color Indexing [J].International Journal of Computer Vision，1991，7（1）：11-32.

[8] HAFNER J，SAWHNEY H S，et al. Eficient color hsitogram indexing forquadratic form distance functions [J].IEEE Transactions 0n PatternAnalysis and Machine Intelligence，1999，17（7）：729-776.