基于多特征融合和SVM分类的图像检索技术探究

【摘  要】卫星遥感、医疗诊断、公安系统等行业图像分析应用较为广泛，图像数据库规模逐渐增大，而如何应用此图像完善查询、检索等工作已经成为目前研究重点。基于此，本文主要以基于多特征融合的图像检索技术切入，分析在颜色、纹理特征基础上，添加SVM分类模式，可有效提高图像检索准确性与效率，对各行业发展意义重大。

【关键词】多特征融合;SVM分类;图像检索技术

引言

在科学技术不断发展下，图像检索效率仍然有所不足，互联网的发展尽管为人们提供了诸多资源，但其数量过于庞大，也导致用户在检索信息时无法第一时间获得所需信息。因此，亟需有一种能够更加智能、高效、精准检索图像的技术，可基于多特征融合与SVM分类方法，为图像检索技术添加语义分类能力，以促进图像检索实用价值的提升。

1.基于多特征融合的图像检索技术

1.1颜色特征

为了正确利用图像颜色检索图像，保证其结果与人类视觉系统相符，则需要构建颜色空间模型，现阶段最多颜色模型为RGB模型，其操作较为简单，但此模型与人类视觉对颜色感知不一致，而HSV颜色空间与人类视觉感知更符合。所以，本文基于多特征融合图像选择HSV颜色空间模型，其可与RGB模型转化。

根据当前人类视觉分辨能力，可依据不同色彩量化各个分量，将H色调分为16等分，不同图像饱和度及亮度不同。图像亮度（V）、饱和度（S）、色调（H）计算如下：

完成转化后，需要将各分量合并为维度相同的特征向量，为方便计算则将上述向量向一维特征转变。本次设计以颜色为主的图像颜色特征方式，以直方图横轴代表量化颜色等级，纵轴则是颜色在图像中比例：

1.2纹理特征

图像特征中纹理作为其中重要概念，其作为事物表面特有特性，是图像检索的主要依据之一。在描述图像纹理特征中，主要使用多尺度自然回归模型法与马尔科夫分析法，纹理相当于图像规则，代表图像特征。常见纹理谱法主要是通过Gabor滤波器提取图像纹理，二维模式变换公式见下：

公式中g为母波，w为高斯函数复调制动频率，恰当变换选取g的尺寸，则是利用改变n与m的数值以达到乙组与原来方向尺寸相似的滤波器。通过提取特征向量，则可获得此图像特征向量，以此作为检索图像的标准与依据。

1.3多特征融合技术

图像特征向量中不同特征分量代表不同的取值范围与物理意义，在检索图像中作用也有所不同，所以在基于多特征检索图像时，需要统一一类特征重点不同特征分量及分量，统一处理图像特征。

特征向量统一内部处理是计算此类特征不同分量相似度，让其权重相同，此次应用高斯归一方式处理，假设一维特征向量是，以i代表图像库图像，对某一图像特征进行标记，组合多个特征后即可获得特征矩阵，计算矩阵标准差与均值，以获得归一图像特征。

特征向量统一外部处理则是由于纹理与颜色特征向量具有不同含义，需要对此进行处理，让不同类型特征经过相似度计算后拥有

一致性。本次所用方法是计算图像纹理与颜色对应Fx和Fy相似值，利用线性代数获得特征向量标准差与均值，检索中以相似距离选择图像。

2.基于SVM分类的多特征检索技术

2.1 SVM分类

SVM方法主要是以线性可分离情况发展而成，求解不可分离线性情况，获得SVM模型，而非线性SVM模型，可将其进行线性化求解。SVM问题能够体现出凸优化问题，获得全局最小目标函数值，其他人工神经网络、分类器等则通常智能得到局部最优解。SVM算法由于其能明确数据为反类还是正类问题，又可称其为两类分类器。但是，实际应用中通常包含诸多类别，如人脸识别、文本分类等，所以主要研究在于从两类分类器转变成多类分类。而为了解决不同人体，学者在分解算法、二次规划算法、增量算法基础上改进，提出二次规划算法，应用单纯行法与罚函数法，通过分解算法步骤方式，以迭代解决。

2.2实验步骤

文中图像分类框架如图1。

第一步，选用图像库中图像共1000副，每个分类平均有100副，在每个分类中选择80副为训练集，剩余20副则是检测检索性能。

第二步，通过获取图片颜色及纹理等特征向量，依据图像库分类做好人工标注，借助不同特征组合分析其对于图像分类的影响，以提高分类效率。

第三步，则是选择SVM算法中较为成熟的软件，可使用LIBSVM软件，其具有使用便捷的优点，以进行图像分类。

第四步，由于RBF核函数可获得较好分类效果，所以图像分类操作中SVM算法选用RBF核函数，软件系统默认此参数为分类算法并对其进行分类模型训练。

第五步，完成分类后根据检索程序进行。

3.实验结果

在基于多特征与SVM分类图像检索中，选用Corel图像库，结果如下：

由此可知，基于SVM分类与多特征图像检索具有较高检索效率，可满足图像检索要求。

4.结束语

综上所述，单一特征图像检索性能受限，无法检索不同类别图像。因此，本文提出基于多特征与SVM分类的图像检索技术，利用Coerl-test图像库，先依据图像颜色及纹理特征进行初步检索后，再选取部分图像为训练集实现分类训练，考虑不同特征优先级，以提高检索效率。

參考文献

[1]杜跃，苏硕，李敬铮.基于多特征融合的图像检索技术研究与实现[J].现代信息科技，2020，4（03）：83-85.

[2]顾军华，王锋，戚永军，孙哲然，田泽培，张亚娟.基于多尺度卷积特征融合的肺结节图像检索方法[J].计算机应用，2020，40（02）：561-565.

基金项目：课题名称：分层多特征融合图像检索方法研究，课题编号：No：Y201738641。

作者简介：潘红艳，女，汉族，山东青州人，硕士研究生，副教授，研究方向为信息处理。