[发明专利]基于彩色直方图和NSCT的模糊相关异步图像检索方法

权利要求书

1.一种基于彩色直方图和NSCT的模糊相关异步图像检索方法，其特征在于：包括如下步骤：

(1)、对图像库中的任一幅图像D和待检索图像Q，将RGB图像的颜色量化为16维，分别提取彩色直方图，具体方法如下：

将三维色彩值(r,g,b)作为彩色直方图的横轴，该三维色彩值在整幅图像中出现的像素数作为纵轴，制作出图像D的彩色直方图和图像Q的彩色直方图，然后利用彩色直方图来提取颜色特征；

在计算彩色直方图时，对彩色直方图按色彩柱的高度从高到低逐级排序，并确定每一色彩柱的级次序号，将不同彩色直方图对应序号的色彩柱作为同一级特征，并进行相似性度量；

由于RGB空间色彩为三维，则图像D和图像Q的彩色直方图的对应某一级次的一对色彩矢量分别为：c_i(r_i,g_i,b_i)及c_j(r_j,g_j,b_j)，则其相似度用高斯隶属函数表示为：

μR~(ci,cj)=e-[(rj-ri)2+(gj-gi)2+(bj-bi)2]...(5),]]>

利用模糊隶属函数计算相似度，如下：

将式(5)得到的代入式9中，利用α₁级关系模糊匹配得出检索结果，

当大于等于阈值ɑ₁时，取值为1，认为两特征相似，则进行下一步；否则，停止，返回进行下一张图像与待检索图像Q进行处理；

(2)、对对应级次色彩柱的高度进行相似性判断，对应级次色彩柱的高度h_i和h_j的相似度表示为：

μS~(hi,hj)=min(hi,hj)/max(hi,hj)...(6),]]>

利用模糊隶属函数计算相似度，如下：

将式(6)得到的代入式10中，利用α₂级关系模糊匹配得出检索结果，

当大于等于阈值ɑ₂时，取值为1，认为两特征相似，则进行下一步；否则，停止，返回进行下一张图像与待检索图像Q进行处理；

(3)、将待检索图像Q和图库中的每一幅图像依次经过步骤(1)和(2)的处理后，得出步骤(1)和(2)的输出检索结果都是1的所有图像，作为新的图像库；

(4)、对新的图像库中的任一幅图像P和待检索图像Q分别进行NSCT纹理特征提取，NSCT提取纹理特征方法如下：

将RGB图像转化为灰度图像，对灰度图像进行分解系数为{2,3,4}，子带数为4，8，16的三层NSCT变换，得到28条子带的子带系数，分别计算各子带系数的均值μ_i和标准方差σ_i，均值μ_i和标准方差σ_i的计算公式如下：

μk=1MNΣi=1MΣj=1N|Ck(i,j)|...(1),]]>

σk=[1MNΣi=1MΣj=1N(|Ck(i,j)|-μk)2]1/2...(2),]]>

其中，C_k(i,j)是第k个NSCT方向子带的系数，M×N是该子带的大小，μ_k是第k个方向子带的系数平均值，σ_k是第k个方向子带的系数标准方差；得到每幅图像的纹理特征向量为56维；M和N表示一帧图像的行列数；

即图像P的纹理特征向量f＝(μ₁,σ₁,μ₂,σ₂,...,μ₂₈,σ₂₈)，

图像Q的纹理特征向量f′＝(μ′₁,σ′₁,μ′₂,σ′₂,...,μ′₂₈,σ′₂₈)；

(5)、对新的图像库中的任一幅图像P和待检索图像Q各自得到的56维纹理特征向量分别进行高斯归一化处理，将所有特征值都归一化到[-1,1]区间内，具体方法如下：

高斯归一化是在特征向量F的分布满足均值为μ、标准方差为σ的高斯分布的条件下，采用下式对特征向量进行归一化，

F′=F-μσ...(8),]]>

式(8)中，均值μ和标准方差σ表示特征向量F这个集合的均值和标准方差；

经过高斯归一化处理的图像P的纹理特征向量

f^P＝(μ_1P,σ_1P,μ_2P,σ_2P,...,μ_28P,σ_28P)，

经过高斯归一化处理的图像Q的纹理特征向量

f′^Q＝(μ′_1Q,σ′_1Q,μ′_2Q,σ′_2Q,...,μ′_28Q,σ′_28Q)；

对图像库中的任一幅图像P和待检索图像Q，两图像的相似度的计算公式如下：

μn~(Q,P)=exp{-Σk=128(fk′Q-fkP)2}...(7),]]>

其中，和分别为图像库中图像P和待检索图像Q分别经过高斯归一化处理后的第k个纹理特征分量值；

(6)、利用模糊隶属函数计算相似度，如下：

将式(7)得到的代入式11中，利用α₃级关系模糊匹配得出检索结果，

当大于等于阈值ɑ₃时，取为1，认为图像P和图像Q特征相似；否则，取为0，认为图像P和图像Q特征不相似；

(7)、将待检索图像Q和新图库中的每一幅图像均经过步骤(4)至步骤(6)的处理后，得出步骤(6)中输出检索结果为1的所有图像，异步综合检索结束。

2.根据权利要求1所述的基于彩色直方图和NSCT的模糊相关异步图像检索方法，其特征在于：步骤(1)中，阈值ɑ₁为0.95；步骤(2)中，阈值ɑ₂为0.90；步骤(6)中，阈值ɑ₃为0.75。