基于内容的图像检索

詹洪陈+王怀登+何菁+袁杰

摘 要： 主要围绕基于内容的图像检索的相关技术进行了研究。设计分析了基于内容的图像检索系统的具体结构，研究了结构中各模块的具体内容。并且用Matlab软件工具基本实现了基于内容的图像检索，以手机图像为例，验证了算法的正确性。

关键词：图像检索； 特征提取； 相似性度量； Matlab软件

中图分类号： TN957.52?34 文献标识码： A 文章编号： 1004?373X（2014）07?0068?03

Content?based image retrieval

ZHAN Hong?chen1， WANG Huai?deng1， HE Jing1， YUAN Jie2

（1. Jinling College of Nanjing University， Nanjing 210089， China； 2. School of Electronic Science and Engineering， Nanjing University， Nanjing 210093， China）

Abstract： Correlative techniques of CBIR are studied. The physical structure of CBIR system is designed and analyzed， and the concrete content of the modules is researched. Matlab is used to realize the CBIR. Taking the mobile telephone images as the example， the algorithm is proved to be correct.

Keywords： image retrieval； feature extraction； similarity measurement； Matlab

0 引 言

随着大规模数字图像库的出现，传统的图像检索技术存在的问题越来越突出，为了解决这些问题，人们提出了基于内容的图像检索技术（Content?based Image Retrieval，CBIR）[1]。其主要方法是提取每幅图像的视觉内容特征，如颜色、纹理、形状及空间关系等，建立图像的特性矢量作为其索引，按查询图像和目标图像特征的相似性匹配进行图像检索。相对于文本方式，CBIR主要具有以下特点：直接对图像进行分析并提取特征，使得检索更加接近图像对象；提取特征的方式多样化；特征提取和索引建立可由计算机自动实现；用户能够参与检索过程，具有人机交互性[2?3]。

1 基于内容的图像检索系统结构

基于内容的图像检索系统通常由两个模块构成：图像库建立模块和图像库检索模块。本文在Matlab软件环境下开发实现了一个基于内容的图像检索系统，主要用于验证形状特征和颜色特征提取算法的可行性和有效性以及相似性度量的性能。其具体结构如图1所示。

图1 基于内容的图像检索系统结构图

2 系统模块功能

2.1 图像库建立模块

图像库建立模块的主要功能是图像预处理及图像特征提取，其核心是图像特征提取技术。

（1） 图像预处理

图像预处理：读取图像数据，包括图像的模式、大小等，对图像进行色彩空间转换、尺寸比例调整等，还包括对图像进行直方图均衡化、锐化滤波等，以增强图像对比度，提升图像亮度，突出使物体的边缘轮廓清晰[4]。

（2） 图像特征提取

本文设计的图像检索系统主要是提取图像的形状和颜色特征。在进行特征提取时，首先需对图像进行分割，这里采用的是边缘检测法[5]，即提取图像的边界，然后对各个连通域进行特征提取，包括颜色特征和一些基于区域的形状特征。

2.2 图像库检索模块

图像库检索模块主要负责度量查询图像与特征数据库中对应的各个图像之间的相似度，其核心部分是特征匹配[6]，这里在进行特征匹配时通过计算两个特征向量之间的相关系数度量其相似性。经过匹配，系统最后按照相似度大小顺序输出检索结果。

3 基于内容的图像检索的具体实现

本文在Matlab软件环境下以手机图片库为例，实现基于内容的图像检索。

3.1 图像特征提取的算法流程

如图2所示，在算法实现的具体过程中，需注意以下几个步骤：

图2 图像特征提取的算法流程图

（1） 图像分割

采用边缘检测法进行图像分割，即利用边缘检测算子提取图像边界[7]，这里采用Canny算子。用边缘检测法提取的图像边界可能会不连续，丢失一部分边界点信息，故可先用灰度阈值法将图像二值化，这里灰度阈值[T]可以用Qtsu 法直接求得，再用边缘检测法进行图像的边界提取。

（2） 连通域标记

区分连通区域，表示连通域个数。即对属于同一个像素连通区域的所有像素分配相同的编号，对不同的连通区域分配不同的编号。

（3） 对连通域提取形状特征[8]

形状特征表达用基于区域的描述方法，提取区域面积、横纵对比度、各连通域所占比例等参数作为形状特征向量[9]。

（4） 对连通域提取颜色特征[10]

提取颜色特征时选取的是RGB颜色空间，颜色量化采用均匀量化的方法[11]。具体过程为：将[0，255]划分为四个均匀的小区间，令：

[R=1，R∈[0，63]2，R∈[64，127]3，R∈[127，190]4，R∈[191，255]G=1，G∈[0，63]2，G∈[64，127]3，G∈[127，190]4，G∈[191，255]B=1，B∈[0，63]2，B∈[64，127]3，B∈[127，190]4，R∈[191，255]]

3.2 图像检索的具体算法流程

如图3所示，在算法实现的具体过程中，需注意以下几个步骤：

（1） 相似计算[12]

特征匹配过程中通过计算相关系数来度量两幅图像之间的相似性，在提取出目标图像的特征矩阵后，将其与特征库中对应各图像的特征矩阵进行相似度计算。特征矩阵由所提取的形状特征和颜色特征构成，其每个行向量代表不同的特征描述，故计算相似度时先分别计算两特征矩阵各对应行向量的相关系数，这里由于各个行向量描述不同的特征，需考虑它们之间应有不同的权重，再综合得到两矩阵的相似度，以衡量图像之间的相似性。

（2） 检索结果输出

特征匹配后找出最相似的[N]幅图像，将其按相似度由大到小顺序输出图像。

图3 图像检索的算法流程

3.3 检索结果示例

以手机图片检索为例，输出与输入图像最相似的3幅图像，并按相似度大小顺序输出，如图4所示。

4 结 语

本文实现了基于内容的图像检索，首先建立图像特征库，即通过对图像分割找出图像各连通域，分别进行形状和颜色特征提取，得到图像的特征矩阵存入图像特征库；然后，提取出目标图像的特征矩阵，并与库中各图像特征矩阵进行匹配，算出相似度；最后根据匹配结果找出最相似的[N]幅图像，按相似度由大到小将图像顺序显示。以手机图像检索为例，得到了正确的检索结果，验证了算法的正确性和有效性。

图4 手机图片检索示例

注：本文通讯作者为袁杰。

参考文献

[1] 张骞.基于文本的与基于内容的图像检索技术比较研究[J].情报探索，2012（1）：111?113.

[2] 马玉国，武栓虎，宋宜斌.基于多特征抽取的商标图像检索[J].计算机工程与应用，2008，44（18）：172?174.

[3] 阿斯艳·哈米提，阿不都热西提·哈米提.基于文本的图像检索与基于内容的图像检索技术的比较研究[J].首都师范大学学报：自然科学版，2012，33（4）：6?9.

[4] 霍宏涛.数字图像处理[M].北京：北京理工大学出版社，2011.

[5] 叶青，唐鹏举.基于内容的图像检索方法研究与实现[J].怀化学院学报，2011，30（8）：31?35.

[6] 周明全，耿国华，韦娜.基于内容图像检索技术[M].北京：清华大学出版社，2007.

[7] 孙振权，肖诗赋，吕学强.基于内容图像检索的特征融合技术研究[J].图像图形技术研究与应用， 2010（1）：156?161.

[8] 沈金科.基于内容的图像检索方法研究与实践[D].武汉：武汉工程大学，2011.

[9] 李星.基于内容的图像检索技术研究与应用[D].北京：北京交通大学，2008.

[10] 姜亚莉.基于内容的图像检索系统分析[J].测绘与空间地理信息，2012，35（1）：119?123，126.

[11] 黄晶，倪林.基于颜色块的半径和角度直方图的图像检索[J].计算机工程，2008，34（10）：202?204，234.

[12] 武燕燕.基于内容的图像检索技术研究[D].南京：南京航空航天大学，2010.

[R=1，R∈[0，63]2，R∈[64，127]3，R∈[127，190]4，R∈[191，255]G=1，G∈[0，63]2，G∈[64，127]3，G∈[127，190]4，G∈[191，255]B=1，B∈[0，63]2，B∈[64，127]3，B∈[127，190]4，R∈[191，255]]

3.2 图像检索的具体算法流程

如图3所示，在算法实现的具体过程中，需注意以下几个步骤：

（1） 相似计算[12]

特征匹配过程中通过计算相关系数来度量两幅图像之间的相似性，在提取出目标图像的特征矩阵后，将其与特征库中对应各图像的特征矩阵进行相似度计算。特征矩阵由所提取的形状特征和颜色特征构成，其每个行向量代表不同的特征描述，故计算相似度时先分别计算两特征矩阵各对应行向量的相关系数，这里由于各个行向量描述不同的特征，需考虑它们之间应有不同的权重，再综合得到两矩阵的相似度，以衡量图像之间的相似性。

（2） 检索结果输出

特征匹配后找出最相似的[N]幅图像，将其按相似度由大到小顺序输出图像。

图3 图像检索的算法流程

3.3 检索结果示例

以手机图片检索为例，输出与输入图像最相似的3幅图像，并按相似度大小顺序输出，如图4所示。

4 结 语

本文实现了基于内容的图像检索，首先建立图像特征库，即通过对图像分割找出图像各连通域，分别进行形状和颜色特征提取，得到图像的特征矩阵存入图像特征库；然后，提取出目标图像的特征矩阵，并与库中各图像特征矩阵进行匹配，算出相似度；最后根据匹配结果找出最相似的[N]幅图像，按相似度由大到小将图像顺序显示。以手机图像检索为例，得到了正确的检索结果，验证了算法的正确性和有效性。

图4 手机图片检索示例

注：本文通讯作者为袁杰。

参考文献

[1] 张骞.基于文本的与基于内容的图像检索技术比较研究[J].情报探索，2012（1）：111?113.

[2] 马玉国，武栓虎，宋宜斌.基于多特征抽取的商标图像检索[J].计算机工程与应用，2008，44（18）：172?174.

[3] 阿斯艳·哈米提，阿不都热西提·哈米提.基于文本的图像检索与基于内容的图像检索技术的比较研究[J].首都师范大学学报：自然科学版，2012，33（4）：6?9.

[4] 霍宏涛.数字图像处理[M].北京：北京理工大学出版社，2011.

[5] 叶青，唐鹏举.基于内容的图像检索方法研究与实现[J].怀化学院学报，2011，30（8）：31?35.

[6] 周明全，耿国华，韦娜.基于内容图像检索技术[M].北京：清华大学出版社，2007.

[7] 孙振权，肖诗赋，吕学强.基于内容图像检索的特征融合技术研究[J].图像图形技术研究与应用， 2010（1）：156?161.

[8] 沈金科.基于内容的图像检索方法研究与实践[D].武汉：武汉工程大学，2011.

[9] 李星.基于内容的图像检索技术研究与应用[D].北京：北京交通大学，2008.

[10] 姜亚莉.基于内容的图像检索系统分析[J].测绘与空间地理信息，2012，35（1）：119?123，126.

[11] 黄晶，倪林.基于颜色块的半径和角度直方图的图像检索[J].计算机工程，2008，34（10）：202?204，234.

[12] 武燕燕.基于内容的图像检索技术研究[D].南京：南京航空航天大学，2010.

[R=1，R∈[0，63]2，R∈[64，127]3，R∈[127，190]4，R∈[191，255]G=1，G∈[0，63]2，G∈[64，127]3，G∈[127，190]4，G∈[191，255]B=1，B∈[0，63]2，B∈[64，127]3，B∈[127，190]4，R∈[191，255]]

3.2 图像检索的具体算法流程

如图3所示，在算法实现的具体过程中，需注意以下几个步骤：

（1） 相似计算[12]

特征匹配过程中通过计算相关系数来度量两幅图像之间的相似性，在提取出目标图像的特征矩阵后，将其与特征库中对应各图像的特征矩阵进行相似度计算。特征矩阵由所提取的形状特征和颜色特征构成，其每个行向量代表不同的特征描述，故计算相似度时先分别计算两特征矩阵各对应行向量的相关系数，这里由于各个行向量描述不同的特征，需考虑它们之间应有不同的权重，再综合得到两矩阵的相似度，以衡量图像之间的相似性。

（2） 检索结果输出

特征匹配后找出最相似的[N]幅图像，将其按相似度由大到小顺序输出图像。

图3 图像检索的算法流程

3.3 检索结果示例

以手机图片检索为例，输出与输入图像最相似的3幅图像，并按相似度大小顺序输出，如图4所示。

4 结 语

本文实现了基于内容的图像检索，首先建立图像特征库，即通过对图像分割找出图像各连通域，分别进行形状和颜色特征提取，得到图像的特征矩阵存入图像特征库；然后，提取出目标图像的特征矩阵，并与库中各图像特征矩阵进行匹配，算出相似度；最后根据匹配结果找出最相似的[N]幅图像，按相似度由大到小将图像顺序显示。以手机图像检索为例，得到了正确的检索结果，验证了算法的正确性和有效性。

图4 手机图片检索示例

注：本文通讯作者为袁杰。

参考文献

[1] 张骞.基于文本的与基于内容的图像检索技术比较研究[J].情报探索，2012（1）：111?113.

[2] 马玉国，武栓虎，宋宜斌.基于多特征抽取的商标图像检索[J].计算机工程与应用，2008，44（18）：172?174.

[3] 阿斯艳·哈米提，阿不都热西提·哈米提.基于文本的图像检索与基于内容的图像检索技术的比较研究[J].首都师范大学学报：自然科学版，2012，33（4）：6?9.

[4] 霍宏涛.数字图像处理[M].北京：北京理工大学出版社，2011.

[5] 叶青，唐鹏举.基于内容的图像检索方法研究与实现[J].怀化学院学报，2011，30（8）：31?35.

[6] 周明全，耿国华，韦娜.基于内容图像检索技术[M].北京：清华大学出版社，2007.

[7] 孙振权，肖诗赋，吕学强.基于内容图像检索的特征融合技术研究[J].图像图形技术研究与应用， 2010（1）：156?161.

[8] 沈金科.基于内容的图像检索方法研究与实践[D].武汉：武汉工程大学，2011.

[9] 李星.基于内容的图像检索技术研究与应用[D].北京：北京交通大学，2008.

[10] 姜亚莉.基于内容的图像检索系统分析[J].测绘与空间地理信息，2012，35（1）：119?123，126.

[11] 黄晶，倪林.基于颜色块的半径和角度直方图的图像检索[J].计算机工程，2008，34（10）：202?204，234.

[12] 武燕燕.基于内容的图像检索技术研究[D].南京：南京航空航天大学，2010.