张 斌

宿州职业技术学院，安徽 宿州 234101

随着多媒体信息量的不断增多，人们在工作生活中对图像的检索与查询越来频发[1]。基于颜色的图像检索（TBIR）技术成为当前研究的热点，该种方法的优点是技术简单、实现容易，但是存在不足之处[2]。传统的颜色直方图检索方法[3]，在不同的颜色背景下检测同一目标物，尽管颜色直方图的颜色检测结果区别很大，但是进行相识度测量时却默认为相识度不高[4]。因此，开发一种基于颜色的图像检索系统成为了迫在眉睫的研究工作重点。鉴于此，引入改进的加权局域颜色直方图和全局直方图相结合方法，可应用于颜色网络图像的检索中。此外，还检测了该算法应用的实际效果，这为推动高效图像检索技术的研发与应用提供了理论参考。

1 基于颜色检索的图像检索系统

1.1 系统的检索流程与方法

1.1.1 系统检索流程

整个图像检索系统检索流程如图1 所示：首先是打开示例图像，通过特征提取和相似度的比较，检索出图像库中与示例图像相似度较高的目标图像；其次重新将图像库中的jpg 图像按照相似度的大小排列顺序，最后在界面上输出相似度最高的前8 幅图像。本文系统开发工具选用的是matlab（7.0版本）。该系统选择GUI 来设计布置界面，布置完成后的界面如图2 所示。

图1 基于彩色特征的图像检索流程图

图2 GUI 界面布置图

1.1.2 图像特征提取方法

该系统采用一种全局颜色直方图和分块关键直方图相结合的算法进行图像颜色特征提取。首先在HSV-颜色空间下对图像进行非均匀的等级量化处理，共得到256 等级。同时，对颜色空间进行归一化处理，以颜色取值为横坐标，每个颜色值对应的像素数目为纵坐标，构成整幅图的颜色直方图如下：

图3 图像效果

1.1.3 图像相识度测量方法

相识度测量模块是检索系统中的核心，通过特征模块检索完成数据库中匹配图像提取，进而实现目标图像的检索。在具体检索时，首先要分析图像库中图像的颜色直方图的信息，并与关键图的颜色直方图进行比较，进而得到相似度，本次设计运用的是欧氏距离测量相似度[4]。选取的颜色空间为“HSV-颜色空间”。HSV-颜色空间中颜色的分布较为均匀，颜色间相似度同其圆柱形坐标方位有关[5]。此外，HSV-颜色空间的三大通道是相互之间独立的，不同的通道的变化给人不同的视觉感受。因此，HSV-颜色空间的分划常常是更加的精确。

1.2 图像检索性能评价指标

查准、查全率一般情况下是用来评价检索性能的相似性检索准则，对各个检索结果进行计算便可以得出查准、查全率的平均值[6]，以此给出评价。

1.2.1 查准率

1.2.2 查全率

查准、查全率分别从准确性和全面性两个方面评价了系统的有效性。理论上说是两者的比例越大越好，但是这两者又是矛盾体，所以本次系统就要求尽量使查准率和查全率达成平衡。

1.3 图像检索系统性能测试

1.3.1 系统优越性测试

为了突出颜色图像检索技术的优越性，选择了更为客观的评价方式（查准率大小），即通过检验检索图像是否属于同一类别进行判定两幅图像是否为相似的图像。本文从3 个图像类别中共选择了5幅图像作为查询图像，合计15 幅图像，分别采用全局直方图、分块直方图以及本文算法对15 幅图进行查询，对比在查全率分布为0.2、0.4、0.6、0.8、1.0时的查准率情况。

1.3.2 系统普适性测试

为了验证本文算法的普适性，对图像库中的6类图像包括人物、建筑、植物、景色、商标和山水进行查准率和查全率的统计，每类图像选择10 幅图像进行测试，合计60 幅图像，选择查全率为80%时，测试不同图像类别的颜色特征查准率。

2 结果与讨论

2.1 图像相似性查询测试

首先，从图像检索数据库中随机选择一张“图像”作为研究对象，其界面展示如图4 所示。

图4 确定查询图像的界面

其次，通过计算示例图像与图像库素材的相似度完成检索操作。在计算相似度之前，需要确定好距离的度量方法。该系统采用欧氏距离算法测量颜色直方图距离，从而确定图像间相似度，得到的检索结果如图5 所示。从检索结果中可以看出，这种综合检索的方法能够准确从图像库中找到，并检索出目标图像。

图5 基于颜色的图像检索结果

2.2 不同算法的检索效果分析

如表1 所示，在相同查全率基础下，该算法的查准率均高于全局直方图与分块直方图方法的检索结果。其中在查全率为40%时，该算法的相似图像查准率达到100%。一般而言，查全率高的查准率往往较低，而查准率高的查全率往往偏低。所以通过对比查准率与查全率的取值范围，可以判定该方法是否能满足用户的实际需求。如表1 所示，本文算法在查全率为80%时，查准率依然能够达到90.46%，说明该系统还可以得到令查询用户比较满意的检索结果。

表1 三种算法的比较

2.3 本文算法的性能评价

如表2 所示，当查全率为80%时，本文算法在人物与商标图像的检索查准率较高，而在植物与景色图像检索的查准率较低。

表2 本文算法的性能统计

综上所述，结合了颜色特征和纹理特征的图像，本文算法的查准率和查全率都高，且检索的效果更好。这种综合检索的方法能对单一特征检索方法的缺陷做出补偿，可以更全面的利用图像颜色特征检索与样图相似图像。单一特征提取算法的复杂度都比较低，结合HSV 空间提取颜色特征的方法可以满足较为复杂的图样，因此这种综合检索方法更为有效。

3 结论

网络图像检索长期以来都是计算机应用技术发展的重要方向，基于颜色特征的图像检索的方法研究能够为图像数据库的分析与检索带来更准确的查询技术。研究设计的图像全局颜色与关键颜色模块直方图检索方法具有较好的检索效果。主要结论如下：

该颜色特征检索系统比单一化的全局直方图和分块直方图的颜色特征提取方法具有更高的查全率和查准率。

从研究实例中看出，无论是人物、建筑、植物、景色、商标和山水等图像的检索，均具有较好查准率和查全率，符合实际使用的需求。

为了进一步提高图像颜色特征的检索效果，还需要从颜色的心理、物理和视觉等方面进行更加深入的研究。