孙晋

（辽宁师范大学 计算机与信息技术学院，辽宁 大连 116029）

随着多媒体技术的发展及互联网的不断普及，数字图像作为一种内容丰富、表现力强的信息储存形式被大量应用，而海量的数字图像也因此产生。如何快速准确地从数据库中找到用户所需要的图像逐渐成为一个难题并被研究者重视。传统的基于文本的图像检索技术主要依靠人工标记，在大量消耗人力资源的同时，还存在用户对图像内容的理解不同，标记的信息不全面等问题。因此，基于内容的图像检索技术随之产生。该方法利用图像的视觉特征（如颜色、纹理等底层特征）进行检索[1]，通过计算这些底层特征之间的相似度作为图像间的相似性，得到检索结果。相对于人工标记，这种方法所提取的特征更具有通用性，从而有效解决了基于文本的图像检索技术的不足。

在基于内容的图像检索技术中，颜色作为图像最直观的特征之一，多年以来被许多专家学者所重视，并提出了很多基于颜色特征的图像检索方法，如：SWAIN M等[2]提出的颜色直方图检索算法，依据整幅图像的颜色直方图进行检索，但存在着丢失颜色分布信息等问题；LIN C H等[3]提出了基于K均值聚类算法的检索方法；Tang Zhenjun等[4]利用了图像哈希函数提取颜色特征；Xia Shixiong等[5]提出描述在每一环形子集中相似的散布信息的差异，利用这些环形子集的差异建立差异颜色直方图；YAP P J[6]等利用Legendre矩提取图像的彩色信息并进行检索，但Legendre矩的图像描述能力不强，实际检索效果不够理想。……