基于HSI颜色空间统计直方图的图像检索

基于HSI颜色空间统计直方图的图像检索 摘要: 给出了一种对图像的特征进行提取、分析并识别出一定形状及色彩差别的方法，主要目的是提取图像的颜色变化。首先是对采集到的彩色图像进行预处理，包括：图像的滤波、目标图像的定位等；然后采取了相应的图像颜色空间和识别算法，包括：图像颜色空间的变换、颜色量化、图像特征提取、识别算法。计算机仿真结果表明，该算法可行，并取得了较好的效果。 关键词：颜色空间；颜色量化；特征提取；识别算法 Abstract：This article provides a approach that can extracte, analyse and identify a certain shape and color differences for the image features, the main purpose is to extract the color changement of image. The first step is the pre-processing of the collected color image, including: image filtering, target image positioning. What follows is signal image recognition, including: transformation of image color space, color quantization, image feature extraction, recogonition algorithm and the algorithm implementation. Finally, get the recognition results. Keywords: color space; color quantization; feature extraction; recognition algorithm

1引言 当今是一个信息肆意滋生的互联网时代，要想有效利用网上的这些信息，就需要将这些杂乱的信息梳理成可以查询的数据，这就必然要使用信息检索。图像检索是信息检索的重要组成部分，常用的百度、谷歌、雅虎等搜索引擎均提供图像检索，它的重要性正逐渐增加。我们正处于一个视觉的时代，几乎人人都有成百上千的数字图片想要发布到互联网上，这正是图像检索的意义所在。 图像检索是计算机视觉中非常重要的部分,其目的是构造自动处理某些信息的机器系统，用以代替人类完成分类和辨别的任务。目前图像识别检索的研究主要涉及物体表面形状检索、尺寸与面积的检测以及色彩的检索等方面。颜色是物体重要的外在特性，具有对物体本身的尺寸、方向、视角等依赖性小、鲁棒性高等优点，因而在图像识别中占有重要地位，对彩色图像的处理己经成为当前图像处理领域重要的研究课题[1]，如：近年来，国内外对农产品品质自动检索、彩色印刷及纺织品中的彩色图样的检索研究中，都采用了基于图像的颜色检索技术。 2图像检索技术一般算法 2.1 颜色空间 在计算两幅图像的相似度时，通常要提取它们的颜色特征在特定的颜色空间进行比较。颜色空间的目的是按照某种标准利用基色表示颜色，常用的有RGB、HSI、HSV等。RGB颜色空间的相似不能代表颜色的相似。例如，查询图像上RGB颜色是（200，150，0），图像库图像的RGB颜色是（200，200，0），这两幅图像在RGB颜色空间上很相似，但在颜色上差别很大(黄色和绿色)[2]。HSI和HSV颜色空间则没有这个方面的问题，它们很适合人们肉眼的分辨，较好地反映人对颜色的感知和鉴别能力[3][]。故在此采用HSI颜色空间。通过（2—1）~（2—3）公式[4]，可以将图像从RGB颜色空间转换到HSI颜色空间。 









GBBGBRGRGRBRGRBRGRBGBRGRGRBRGRH,2arccos2,2arccos或

(2—1)

),,(),,(BGRMINBGRMAXS (2—2)

3BGRI (2—3)

2.2 颜色量化 一幅图像的颜色种类通常非常的多，如果直接计算相似度，会消耗很大的特征存储空间。实验表明，增加颜色直方图的维数可以有效地提高检索的精度，但当维数增加到一定程度时，检索的精度提高很小而且可能下降[5]。但如果对颜色进行适当的量化后再计算，计算量会少许多，且计算效率得到提高。颜色量化是指将H,S,I 3个分量按人的颜色感知进行非等间隔的量化,然后对颜色模型的大量分析和计算。故在此对HSI颜色空间进量化，把色度量化成8个空间，把饱和度分成3个空间，把亮度分成3个空间，即颜色空间被分成72 区间。具体量化值如下： 







315,296,7295,271,6270,191,5190,156,4155,76,375,41,240,21,120,316,0hhhhhhhh

H (2—4) 





1,7.0,27.0,2.0,12.0,0,0sssS (2—5)







1,7.0,27.0,2.0,12.0,0,0iiiI (2—6)

2.3 图像描述 图像有多种描述方式，颜色直方图就是其中之一。颜色直方图描述了图像颜色在颜色空间上的分布。常见的直方图有两种：统计直方图，累加直方图。 借助图像特征的统计直方图可以描述图像。图像特征的统计直方图是一个一维离散函数，如公式(2—7)所示。在公式中k代表图像的特征取值，L是特征可取值个数，nk是图像中具有特征值为k的像素的个数，N是图像像素的总数。颜色直方图有许多的优点：对图像进行旋转之后，它的颜色直方图不发生改变；颜色直方图容易提取，且比较容易计算两个直方图之间的相似度。

1,1,0,LkNnkHk (2—7)

图像特征的累加直方图是一个一维离散函数，计算公式如(2—8)所示。公式中k代表图像的特征取值，L是特征可取值个数，nk是图像中具有特征值为k的像素的个数，N是图像像素的总数。累加直方图能增加直方图的鲁棒性[]。

1,1,0,0LkNnkI

k

ik (2—8)

2.4 图像分块 两幅图像的颜色直方图相似，两幅图像的内容可能不相似，这主要是由颜色的空间分布不同引起的。一般来说，图像可分为主体部分和背景部分，如果不进行分块，那么背景部分的颜色信息就会混入到主体部分。通过对图像进行分块，提取各个区域的直方图，就可以获得图像的空间分布信息。 传统的分块方法将图像分成nm部分，这样并没有突出图像的重要信息，故在此采用另外一种分块方法进行分块。首先，将图像分成88区域，如表3-1所示。其次，将图像的64个区域重新组合成12个区域。R1 = { I1 }，R2 = { I8 }，R3 = { I57 }，R4 = { I64 }，R5 = { I2，I3，I4，I5，I6，I7 }，R6 = { I9，I17，I25，I33，I41，I49 }，R7 = { I58，I59，I60，I61，I62，I63 }，R8 = { I16，I24，I32，I40，I48，I56 }，R9 = { I10，I11，I12，I18，I19，I20，I26，I27，I28，I29，I36，I37 }，R10 = { I13，I14，I15，I21，I22，I23，I28，I29，I30，I31，I36，I37 }，R11 = { I28，I29，I34，I35，I36，I37，I42，I43，I44，I50，I51，I52 }，R12 = { I28，I29，I36，I37，I38，I39，I45，I46，I47，I53，I54，I55 }。其中，R1、R2、R3和R4是最不感兴趣的区域，R9、R10、R11和R12是图像的主体部分。R9、R10、R11和R12都包含图像的中心部分I28、I29、I36和I37。这种重叠方式的分块方法突出了图像的主体部分的颜色信息，有利于提高检索精度。

表2-1 图像分块数据表 I1 I2 I3 I4 I5 I6 I7 I8 I9 I10 I11 I12 I13 I14 I15 I16 I17 I18 I19 I20 I21 I22 I23 I24 I25 I26 I27 I28 I29 I30 I31 I32 I33 I34 I35 I36 I37 I38 I39 I40 I41 I42 I43 I44 I45 I46 I47 I48 I49 I50 I51 I52 I53 I54 I55 I56 I57 I58 I59 I60 I61 I62 I63 I64 2.5 统计直方图 对 HSI空间进行量化后，H的取值范围为[0, 1, …, 7]，S的取值范围为[0, 1, 2]，I的取值范围为[0, 1, 2]。通过公式(2—9)将 HSI 合成为一维特征矢量，使H，S，I 三个分量在一维矢量上分布开来。在公式(2—9)中，色调 H取的权重为9，饱和度的权重为3，亮度的权重为1。由于色调包含了绝大多数的信息，将色调的权重取大一些，将饱和度和亮度的权重取小一些。根据公式(2—9)，得到G的取值范围为[0, 1, …, 71]。 ISHG39 (2—9)

图像颜色特征的表达方式有许多种，本文采用统计直方图技术进行特征描述。通过3.3，将图像分成12个区域。通过公式(2—7)，提取这12个区域的统计直方图。这样，一幅图像就可以得到12个72维的颜色直方图，如公式(2—10)和图2-1所示。 1221,,,hhhH (2—10)