[发明专利]基于多特征融合的HSV空间图像检索的彩色图像检索方法

说明书

技术领域

本发明属于图像处理领域，尤其是一种可降低计算复杂度，提高检索效率的基于 多特征融合的HSV空间图像检索的彩色图像检索方法。

背景技术

以往的图像检索技术(TBIR)沿用了传统文本检索技术，它不考虑图像本身固有的 颜色、纹理、形状等内容特征，而是使用关键字来描述及检索图像。存在如下缺陷：对数据库 中每一副图像进行人工标注需要耗费大量的时间和人力；使用关键字难以准确描述内容千 差万别图像的内涵；人工选取关键字会包含强烈的主观性，可能造成图像理解上的偏差，直 接影响图像的检索效果。为了克服上述缺陷，基于内容的图像检索技术(CBIR)应运而生，该 检索加技术包含图像视觉特征提取和特征相似度计算两个环节，可有效提高了检索的速度 和效率，具有更好的客观性和通用性，更适用于大规模图像库的检索。

在图像视觉特征提取中，颜色与纹理是两个最重要的特征，然而，现有的图像特征 提取方法往往对两者分别进行处理。如采用基于传统直方图、颜色相关图、颜色矩阵、基于 主颜色的空间分布方法等对颜色特征提取，采用如统计方法，几何法，模型法，信号处理法 等方法对纹理特征提取。存在着计算复杂度高，检索效率低的问题。

发明内容

本发明是针对现有技术所存在的上述技术问题，提供一种可降低计算复杂度，提 高检索效率的基于多特征融合的HSV空间图像检索的彩色图像检索方法。

本发明的技术解决方案是：一种基于多特征融合的HSV空间图像检索的彩色图像 检索方法，其特征在于按照如下步骤进行：

步骤1：将彩色图像由RGB空间转换到HSV空间，得到H、S，V三个分量；

步骤2：利用非下采样Shearlet剪切波对H、S，V三个分量进行分解，得到不同尺度及方 向的子带；

步骤3：利用H,S分量分解所得每个子带系数，构造系数直方图作为图像颜色特征；利用V分量分解所得低频子带系数，计算其指数距幅值作为图像纹理特征；将图像颜色特征与图像纹理特征的特征和作为图像特征库的特征以待检索使用；

步骤4：利用欧氏距离作为图像之间相似度的计算方法，计算不同图像之间的相似度， 按照相似度从大到小对结果进行排序、输出。

所述步骤1如下：假设和分别表示图像的三个分量，和分别表示图像三个分量,则由RGB空间到HSV空间的转换公式为：

所述步骤2如下：

步骤21：确定非下采样Shearlet剪切波变换的分解系数为（2,3）；

步骤22：对和进行分解，分别得到一个低频子带，第一尺度八个方向高频子带和第二尺度四个方向高频子带共13个子带。

所述步骤3如下：

步骤31：采用H,S分量分解所得26个子带构造系数直方图，确定其分解bin数为16；

步骤32:将步骤31中所得的26个直方图作为图像颜色特征，以一一对应的方式与原图像形成映射，存入图像颜色特征库；

步骤33：采用V分量分解所得一个低频子带；

步骤34：对计算其指数矩，指数矩计算公式如下：

；

其中，为展开式的系数，k和m的取值范围是所有整数，对一个图像函数，称其在基函数上的展开式系数为（k,m）阶指数矩；

式中为径向基函数：

；

将基函数带入到指数矩的定义式，极坐标下的图像函数的指数矩可以表示为：

；

步骤35：确定指数矩的阶数为50；因为N阶指数矩有个矩值，所以共得到个矩值；

步骤36：对步骤35中求得的矩值计算其幅值，最后得到5101个指数距幅值作为图像纹理特征；以一一对应的方式与原图像形成映射，存入图像纹理特征库；

步骤37：将图像颜色特征的矩阵和图像纹理特征的矩阵合并，得到图像特征库的特征。

所述步骤4如下：

步骤41：按照步骤1~3的方法，计算待检索图像的特征和；

步骤42：采用欧氏距离计算待检索图像特征与图像特征库中的特征的相似度，为检索图像I和库中图像J之间的距离，表示图像I的特征向量第i个分量处的特征值，则两幅图像的欧式距离定义为：

;

步骤43：将取倒数作为两幅图像之间的相似度，在所有相似度取倒数前先加一个系数，这里取，按照相似度从大到小排列输出，得到检索结果。