基于边缘梯度方向直方图的图像检索

余 胜 谢 莉

（湖南人文科技学院物理与信息工程系 湖南 娄底 417000）

0 引言

基于内容的图像检索 （Content Based Image Retrieval，CBIR）是当前计算机视觉领域研究的热点问题之一，其利用图像自身的形状、 颜色和纹理等特征实现图像的自动检索，克服了基于文本的图像检索需要大量人工对图像进行文字标注的不足。 基于内容的图像检索综合了低层的图像理解算法，提供了更加有效的检索方法，并可增加反馈环节，进一步优化检索结果。

形状特征是数字图像的一个重要视觉特征，跟颜色特征和纹理特征相比，其是图像的中间层特征，更能描述图像的视觉特征。 常用的形状描述方法分为基本区域的表示法和基本轮廓线的表示法两大类。 基于区域的表示法从目标图像的整个区域检测形状特征算法计算量非常大，而基于轮廓线的表示法仅描述对目标图像进行边缘检测后的边缘点，计算量较小，准确度高。 直方图对灰度图像中各个灰度值的分布情况进行了统计，其具有旋转、平移不变性。 本文提出了一种基于图像边缘的梯度方向直方图进行图像检索。 实验结果表时，本文算法具有很好的检索性能。

1 检索算法描述

1.1 图像预处理

边缘是指图像周围像素灰度值有阶跃变化或屋顶变化的像素的集合，是一个有幅值和方向的矢量。 当前传统的边缘检测方法有一阶微分算子、 二阶微分算子和Canny 算子。本文选择一阶微分算子中的Prewitt 算子实现图像的边缘检测。

1.2 梯度方向直方图

对边缘图像中的每一个边缘点构造边缘梯度方向直方图h（n），该直方图表示边缘点方向角落在第n 级点的高斯加权模之和。 即将360°的角度空间量化为36 级,因此有1≤n≤36。 在以边缘点为中心的邻域内用高斯圆形窗口函数对每个像素的梯度模作高斯加权，即m′（i，j）=m（i，j）×w（i，j）。 其中，w（i，j）为窗口内点（i，j）的高斯系数。 再以这些像素点的梯度矢量方向为索引， 统计分别落在36 级角度空间的梯度模之和。 即一幅边缘图像可以得到一个36 维的梯度方向直方图H（n），H（n）=[h（1），h（2），…，h（36）]。

1.3 相似性度量

2 仿真实验

本实验使用的是MPEG-7 形状测试库，共有20 类图像，每一类20 幅，共400 幅bmp 格式的图像。本实验返回9 幅图像，9 幅图像依次按与待检索图像之间的街区距离进行升序排列。 如图1 所示，从仿真结果可以看出，待检索图像与第1幅返回图像间的距离为0， 说明这两幅图像的形状特征完全相同。

3 结束语

本文提出了一种基于图像形状特征的图像检索方法，利用图像的边缘方向直方图很好的描述了图像的形状特征。 仿真实验表明，本文所提出的算法具有很好的检索性能。

［1］李博,杨丹张,小洪.一种新的基于梯度方向直方图的图像配准方法[J].计算机应用研究,2007,3：312-314.

［2］张小虎，李由，李立春.一种基于梯度方向直方图的直线轮廓提取新方法[J].光学技术,2006，6：824-826.

［3］刘永俊，孙强强.一种新的商标图像检索方法[J].常熟理工学院学报：自然科学,2010，4：106-109.