文章目录

    • 基于内容的图像检索系统
  • 第一章 基于内容的图像检索简介及相关工作
    • 1.1 简介
    • 1.2 相关工作
  • 第二章 基于内容的图像检索原理及方法分析
    • 2.1 颜色度量体系
    • 2.2 颜色特征的表达
  • 第三章 实验论证
    • 3.1流程图

基于内容的图像检索系统

【摘要】本系统设计了一个基于MATLAB编写的图像检索算法。该课题设计偏重于理论方面，分别介绍了这几个部分所采用的一些方法。首先，对课题具体研究意义和相关背景进行简明阐述，其次，介绍图像内容检索理论的一些基本概念。其中包括图像的直方图等。最后，对图像进行颜色特征和LBP局部纹理特征融合特征，然后根据欧式距离进行计算，根据距离的不同，进行最后的结果显示。实验结果表明，该算法对图像检索具有很高的识别率。

【正文】

第一章 基于内容的图像检索简介及相关工作

1.1 简介

二十世纪末的时候，由于人工智能和计算机的发展突飞猛进，日新月异。各国对于图像分析的研究有了更大的进步，积极深入的研究。但是由于当时的技术并没有现在的技术能够达到一定的水平，计算机和图像识别技术也是处于不发达的时候，对图像的分辨率也没有达到要求，因此，只能说研究的结果并不理想。
在上个世纪八十年代左右，西方一些发达的国家为了能够解决图像检索问题，开始研究“图像检索系统”。但由于当时各方面技术的不成熟，是“图像检索系统”也处以一个初级阶段，并没有利用这种技术形成一套完成系统。而且在这种技术的应用上，也是处于解决具体问题的过程阶段。而到了九十年代，“图像检索系统”随着“计算机技术”和“机器视觉技术”的不断进步，也取得了突破性的进展。在这样的前提下，很多发达国家将这种技术正是应用到了搜索引擎中，而且从其结果看，非常的有成效。虽然“图像检索系统”有了突破性的进展，但是整体技术体系还不够完善。此时，该项技术并没有得到广泛的推广。
时至今日，“图像检索系统”已经得到了广泛的应用，同时给社会带来了巨大的社会价值和经济价值。

1.2 相关工作

本文以图像为主要研究对象，运用图像分析、图像识别以及MATLAB等学科的基本知识来进行相关算法的研究。对图像内容进行颜色特征和LBP提取，然后根据欧式距离进行计算，根据距离的不同，进行最后的匹配。

第二章 基于内容的图像检索原理及方法分析

2.1 颜色度量体系

所谓的颜色度量体系[7]，也就组织、表达颜色的方法。在这个体系中，主要的方法有两种：<1> 建立颜色模型。<2> 编目系统。我们都知道，任何一种颜色都是通过颜色中的三种基本色，按照一定的比例，混合而成。为了能够将所有颜色，真实、有效的表示出来。我们可以按照一定的原则，将代表颜色的数值进行组合、排序。这也就是我们建立的“颜色模型”。在某种意义上来讲，颜色空间所代表的含义，与颜色模型是一样的。在实际的检索中，我们要获取的多数是彩色图像。所以，在实际的颜色模型运用中，“RGB”相加混合模型更为常见。为什么是RGB这三个字母相加呢？因为，R代表红色、G代表绿色、B代表蓝色。这是颜色中的三种基础色，将它们按照适当的比例，进行混合，可以得到任何想得到的颜色。
颜色空间是一个立体空间。在颜色空间里，我们可以通过建立三维模型的方式，将所有的颜色进行有效的表达。在颜色空间中，我们用三维坐标来表示三个参数。颜色在颜色空间中的位置，也是通过这三个参数来表达的。那么，在建立颜色空间时，我们应该主要以下几个方面：
（1）建立的颜色空间是不是包括了，人类所能感知到的所有颜色。
（2）颜色在空间度量上的差异，与人类视觉系统对颜色感知的差异是不是一样。
（3）在颜色空间里每种颜色，是不是独一无二的。

2.2 颜色特征的表达

(1)颜色直方图的定义
我们把颜色的信息，用函数的形式表示出来。这种函数被称为“颜色直方图”[9]。它的核心是：将一副图像的颜色建立颜色空间，统计出在这个颜色空间中，每种颜色出现的次数。颜色直方图重点表示的，一幅图像中，每种不同的颜色在这幅图像颜色中所占的百分比。对于每种颜色的位置，没有进行相关的描述。基于它的核心，它能够很好的反应出，一副图像的颜色分布情况。当存在图像分割困难的情况下，我们可以采用这种方式。或者可以忽略物体位置的图像的处理。
从理论方面上看，我们可以在不同的颜色空间，不同的坐标系中建立“颜色直方图”。但是，在实际中，我们习惯了用RGB颜色空间，来表示数字图像。而数字图像的处理占据着图像处理工作的很大比重。因此，我们通常会在RGB颜色空间建立颜色直方图。在RGB颜色空间中，给彩色图像建立颜色直方图时，可以有两种选择。即：<1> 用三个单色直方图表示。<2> 用三个单色联合分布的直方图表示。用第一种方法建立的颜色直方图，是体现了图像，在三个单色中的分布情况。用第二种方法建立颜色直方图时，反应的是，每种颜色在图像中出现的频数。
在RGB颜色空间中，颜色直方图可以看成是一个离散函数，即

其中：
k—表示图像的特征取值.
L—表示特征可取值的个数。
n—表示图像像素的总个数。

(2)颜色直方图的特性
颜色直方图具有几个特性。即：<1> 旋转不变。<2> 缩放不变。<3> 位置无关性。<4>叠加性。颜色直方图的旋转不变性、缩放不变性，是受到了直方图中，横轴和纵轴代表的含义影响。即：
横轴—颜色等级。
纵轴—某一个颜色等级上，具有该颜色的像素，在整幅图像中所占的百分比。
通过图5的展示，我们更加直观的了解到颜色直方图的这两个特性了。
通过直方图描述的内容，我们就可以看出，它主要针对的是像素的数量进行描述。而并没有体现出，颜色在颜色空间中的位置。这也就是为什么，一副图像只有一个直方图。
当不相连的两个区域，组成了一副完整的图像。那么这个图像的直方图，是这两个区域各自直方图的和。这也就恰恰证明了，颜色直方图具有叠加的特性。

（3）累加直方图
如果在提取图像特征时，有些数值并没有包括在特征中。那么就会有一些数值被漏掉，这些漏掉的数值被称为“零值”。一旦产生了零值，对下面直方图的相交计算，产生很大的影响。这样就会影响到最终的匹配结果。使得输出图像与检索图像存在较大的误差。
在累加直方图中，横坐标和纵坐标分别代表着：
横坐标—颜色。
纵坐标—坐标原点到该颜色的所有颜色的像素出现的频数。
这样，可以对累加直方图中的向量H作出如下定义：


表示C1~Ck种颜色的像素的累加频数：

                                                 （2.3）

我们已经计算出图像的一般直方图，可以方便地计算图像累加直方图。这样，最后得到的累加直方图特征向量为：

                         （2.4）

2.3 LBP局部纹理特征分析
局部二值模式(Local binary patterns,LBP)是机器视觉领域中用于描述图像局部纹理特征的算子。具有旋转不变性和灰度不变性等显著的优点。局部二值模式是广泛用于图像分类的一种图像特征，它的特点是，在图像发生光照变化时，提取的特征仍然能够不发生大的改变。提取LBP的过程首先是将原始图像转换为LBP图，然后统计LBP图的LBP直方图，并以这个向量形式的直方图来表示原始的图像。LBP的基本思想是定义于像素的8邻域中，以中心像素的灰度值为阈值,将周围8个像素的值与其比较,如果周围的像素值小于中心像素的灰度值，该像素位置就被标记为0，否则标记为1。每个像素得到一个二进制组合，就像00010011。每个像素有8个相邻的像素点，即有2^8种可能性组合。
LBP操作可以被定义为

其中 (xc,yc)是中心像素，亮度是 ic ； ip而则是相邻像素的亮度。

2.4 欧式距离法
我们可以利用欧基里德距离公式（Euclidean Distance）来计算距离。对于两个 N维直方图x,y，两者的欧氏距离可以表示如下：

此距离公式虽然简单，但是与特定的颜色分布无关，有一种方法可以引入相关权值A,这里A是一个 维矩阵，此时距离公式可以表述如下：

为了简化计算，将直方图x,y规范化使其满足：

第三章 实验论证

3.1流程图

根据过程流程图如下所示：
matlab实现步骤
首先，对训练集合的文件夹中的图片进行图像灰度变换，在经过LBP特征提取；再对图片进行颜色提取。
其次，是颜色和纹理特征相融合的算法，保存特征。
最后，对测试集合图片同样的颜色和纹理特征提取步骤，用欧式距离进行判定。
Matlab识别结果如下图：

代码如下



然后选择检索，即可看到我们搜索出来的结果


这次我们选择oxford里面的图片进行检索。


选择oxford数据库


进行检索后即可看到如图所示的结果。



3.3算法验证
MAP(Mean Average Precision)：单个主题的平均准确率是每篇相关文档检索出后的准确率的平均值。主集合的平均准确率(MAP)是每个主题的平均准确率的平均值。
Map=45.83%

【结论】
仿真结果表明本文设计的识别率高，操作简单，具有通用性，总体来说还是成功的，一项技术背后不是简简单单的就可以实现，而是需要通过无数的尝试才可以做到，的确来之不易。
由于本人水平有限，本文的软件实现只是单纯图像检索。除此之外，该系统还存在很多的不足之处，缺乏对整个识别系统的软件开发并且识别的准确率还不是很高，以及随着时代快速发展而出现的HOG特征识别技术，这些都将作为我将来研究的方向。
通过对于图像检索系统的不断了解，深入学习，我对图像检索的流程、图像处理技术以及MATLAB有了较深刻的了解，同时也在一定程度上锻炼了我的科研能力，今后也将不断努力，改进该系统，展示出更完美的作品。

【参考文献】
[1] Xuehu Yan,Lintao Liu,Yuliang Lu,Qinghong Gong. Security analysis and classification of image secret sharing[J]. Journal of Information Security and Applications,2019,47.
[2] 贾迪,朱宁丹,杨宁华,吴思,李玉秀,赵明远.图像匹配方法研究综述[J].中国图象图形学报,2019,24(05):677-699.
[3] 王忠芝,刘文萍,王晗,付慧.“数字图像处理”课程教学改革探索[J].中国林业教育,2019,37(03):66-69.
[4] 冉颖杭,谢天铧,霍连飞,孙克润,丁启朔,何瑞银,汪小旵.农田背景噪声下的土壤结构体数字图像信息特征[J].江苏农业学报,2019,35(02):313-320.
[5] 吴宇,蔡永斌,汤荣华.水下视觉图像处理和识别技术研究[J].舰船电子工程,2019,39(05):93-96.
[6] Machine Learning - Artificial Intelligence; Data from University of Girona Provide New Insights into Artificial Intelligence (Deep Convolutional Neural Networks for Brain Image Analysis On Magnetic Resonance Imaging: a Review)[J]. Computers, Networks & Communications,2019.

【附录】

具体代码见下载链接

https://download.csdn.net/download/weixin_43757333/12845650

基于内容的图像检索系统 【多媒体系统导论大作业】相关推荐

  1. 基于内容的图像检索系统的设计与实现

    基于内容的图像检索系统的设计与实现 摘 要:图像作为最基本.最重要的多媒体信息形式之一,已经随着信息技术和网络技术的发展,而越来越广泛地应用于许多领域.如何提供一个快速的.有效的图像信息检索系统已成为 ...

  2. vc++实现基于内容的图像检索系统（一）

    vc++实现基于内容的图像检索系统(一) 系统设计 下载数据集 检索用的图像数据,下载网址: http://cecas.clemson.edu/~stb/research/headtracker/se ...

  3. 基于内容的图像检索系统（合集）

    基于内容的图像检索,即CBIR(Content-based image retrieval),是计算机视觉领域中关注大规模数字图像内容检索的研究分支.典型的CBIR系统,允许用户输入一张图片,以查找具 ...

  4. 多方法的基于内容的图像检索系统（CBIR）搭建--基于python

    多方法基于内容的图像检索系统(CBIR)搭建 代码实现地址 系统简介 随着数字图像的数量的急速增长,如何快速.高效地从海量图像数据库中检索出客户所需要的数据和信息是当前图像应用领域的重要问题.伴随着数 ...

  5. 基于内容的图像检索系统设计与实现--颜色信息--纹理信息--形状信息--PHASH--SHFT特征点的综合检测项目，包含简易版与完整版的源码及数据！

    百度云提取源码以及数据包,直接下载压缩包解压就可以使用,数据就在压缩包文件dataset中. 简化版:只有-颜色信息–纹理信息–形状信息–PHASH–SHFT特征点的综合检测 [百度云链接,提取码:6 ...

  6. JAVA实现的基于内容的图像检索系统设计与实现

    1 图像检索系统工作流程 基于内容的图像检索技术是对输入的图像进行分析并分类统一建模,提取其颜色.形状.纹理.轮廓和空间位置等特征,建立特征索引, 存储于特征数据库中.检索时,用户提交查询的源图像,通 ...

  7. 基于内容的图像检索技（CBIR）术相术介绍

    基于内容的图像检索技(CBIR)术相术介绍 kezunhai@gmail.com http://blog.csdn.net/kezunhai 近20年来,计算机与信号处理领域如火如荼地发展着,随着普通 ...

  8. 【CBIR】基于内容的图像检索技（CBIR）术相术介绍

    基于内容的图像检索技(CBIR)术相术介绍 转载之: kezunhai  出处: http://blog.csdn.net/kezunhai 近20年来,计算机与信号处理领域如火如荼地发展着,随着普通 ...

  9. 基于内容的图像检索概述

    摘要:我们现在处于信息爆炸的时代,各种海量信息充斥在我们周围,如何能在海量的数据中搜索到我们想要的图像是个很有挑战性的研究课题.本文简要分析了目前基于内容的图像检索(CBIR)的几种主要方法,如颜色, ...

  10. 基于内容的图像检索技术

    转:https://blog.csdn.net/u013087984/article/details/52038980 图像检索:基于内容的图像检索技术 2016年06月05日  图像检索  图像检索 ...

最新文章

  1. 大型互联网 b2b b2c o2o 电子商务云平台
  2. ie浏览器怎么打开html,Win10系统IE浏览器不能打开HTML怎么办
  3. get_attribute中的value是什么类型的?_建设工程项目中都有什么类型的监理？
  4. 公网对讲机修改对讲机程序_更少的对讲机，对讲机-更多专心，专心
  5. 怎样把连续的多个commit整理成1个？
  6. linux网线连接树莓派,3、树莓派使用网线连接路由器获取网络的讲解
  7. java 如何秒速写一个线程启动
  8. Redis五大数据类型String、Hash、List、Set、ZSet
  9. resttemplate发送post请求
  10. 面试官：如何评估一个线程池需要设置多少个线程
  11. 如何能理解 Spring 框架的思想？
  12. 1055. 集体照 (25)-PAT乙级真题
  13. 【微软商店(Microsoft Store)重置后打不开，商店下载不了应用的解决方法】
  14. 排名前5的iOS测试自动化框架
  15. layui select 默认选中 vue select 动态选中
  16. python 全部缩进一行_Python（青铜时代）——基本概念
  17. vob文件如何转换成mp4
  18. 是否可以从一个静态（static）方法内部发出对非静态（non-static）方法的调用?
  19. 究竟什么时候需要用RTOS?
  20. 【数据库】主键和外键的必要性

热门文章

  1. STM32F401CCU6 核心板的功能描述（针对采集数据）
  2. 人民币的符号的正确表示法？一杠？两杠？￥还是¥呢？
  3. [决策单调 分治] LOJ#535. 「LibreOJ Round #6」花火
  4. docker 编译 文件 执行 dockerfile 报错 ：debconf: delaying package configuration, since apt-utils is not ins
  5. java登录清除cookies_退出登录方法，清除相关的cookies和session
  6. 蓝桥杯 PREV-10 幸运数
  7. 魔兽世界暴雪隐藏密集
  8. Android monkey 压力测试
  9. hbase+phoenix开发预演小例子
  10. realsense ros 三维点云地面检测与障碍物聚类