[发明专利]一种基于CEDD特征和PHOG特征的图像检索方法

说明书

一种基于CEDD特征和PHOG特征的图像检索方法，针对单一特征检索效果的不足，从图像的多特征入手，先使用颜色和边缘的方向性描述符提取图像的颜色和纹理特征，再将图像的颜色和纹理特征合并成为图像的CEDD特征；使用分层梯度方向直方图提取图像的形状特征，作为图像的PHOG特征；采用图像底层特征串行关联的方法将CEDD特征和PHOG特征结合，对图像进行相似性匹配，输出相似性高的图像作为检索结果。不同于传统的基于文本的图像检索，本检索过程是一种模糊查询技术，其根据视觉特性进行检索的特性，减少了人工标注的主观性；由于CEDD特征和PHOG特征占用空间小、特征表达紧凑的特点，从很大程度上提高了检索效率。

技术领域

本发明涉及一种基于CEDD特征和PHOG特征的图像检索方法，属于基于内容的图像检索领域。

背景技术

基于内容的图像检索(Content-based image retrieval,CBIR)，是使用图像的可视特征对图像进行相似性匹配的检索方式，这种检索方式可以自动提取图像库中所有图片的底层视觉特征，以高维向量的形式存储并建立特征库，检索时以计算向量间距离的方式获得相似性最高的若干张图像返回给用户。与基于文本的图像检索方式相比，CBIR系统工作时更高效，但其检索准确性依赖于特征提取算法。

图像检索中常用的图像特征主要有颜色特征、纹理特征和形状特征等。颜色特征是描述图像最直观的底层视觉特征，也是在图像检索中应用最广泛的视觉特征。颜色特征通常和图像中所包含的对象或图像的场景非常相关，能最直接地描述人类视觉系统对图像的感知，此外，与其他底层视觉特征相比，颜色特征对图像自身的尺寸、视角、方向等敏感度不高，从而在检索时具有较高的鲁棒性。纹理特征是描述图像的另一种重要的底层特征，通常认为纹理是图像上表现出的灰度或颜色分布的某种规律性，这种规律性在不同类别的纹理中有着不同的特点，能够刻画出像素邻域的灰度空间分布规律，因此可以用来识别出不同的图像。形状特征是描述物体最本质的特征，也是描述难度非常大的图像特征，是进行物体识别的关键信息。其不因周围环境而改变，鲁棒性非常高，对形状的理解往往决定了对整幅图像涵义的理解。目前，已经有很多文献基于以上单一特征进行图像检索，而单一特征只有在对相应特征比较敏感的特定图像集内才能取得较好的检索效果，对于那些特征综合性较强、内容比较复杂的图像，检索效率则比较低，所以迫切地需要研究融合多种图像特征的检索方法来提高CBIR的工作效率。

目前有一些特征提取算法结合了图像的颜色和纹理特征，但是如何将这两种底层特征紧凑地表示成向量，是一个很有难度的问题。在这个背景下，SAChatzichristofis等人提出了结合图像颜色和纹理两方面信息的颜色和边缘方向性描述符(Color and EdgeDirectivity Descriptor,CEDD)算法，该方法复杂度低，实现简单，但没有考虑图像的形状特征，导致检索准确率不高。分层梯度方向直方图(Pyramid Histogram ofOrientedGradients,PHOG)最早由Bosch等提出，是一种描述空间形状能力较强的特征向量，但由于它仅仅包含了图像的形状特征，故对颜色和纹理特征显著的自然背景图像检索效果不佳。考虑到CEDD和PHOG的缺点，将两者结合能提取图像的三种基本特征，且两种算法能起到互补的作用。

发明内容

本发明的目的是要提供一种多特征融合的图像检索方法，其实现框图如图1所示。该方法针对CEDD和PHOG的缺点，使用底层特征串行关联方法将两种算法提取的三种图像底层视觉特征进行融合，使用Corel标准图像集进行测试，结果表明本文方法的查准率和Avgp值比两种原算法均有提高。

具体的实现步骤如下：

Step1：对图像库中所有图像I，提取CEDD特征，存入CEDD特征库：

Step1.1：将任意大小的图像都分成1600个图像块；

Step1.2：将图像块的颜色空间从RGB空间转到HSV空间，将HSV值经过10-bins模糊过滤器；