目录摘要 (1)关键字 (1)1绪论 (1)1.1 基于内容的图像检索的概念 (1)1.2 基于内容的图像检索的发展历史 (1)1.3 基于内容的图像检索的特点和主要应用 (1)1.4 基于内容的图像检索的关键技术 (2)1.5 国内外研究现状 (3)1.5.1 国外研究现状 (3)1.5.2 国内研究现状 (4)2 基于颜色特征的图像检索方法 (4)2.1 颜色度量体系 (4)2.2 颜色空间 (5)2.2.1 RGB颜色空间 (5)2.2.2 HSV颜色空间 (5)2.2.3 CMY颜色空间 (6)3 颜色特征的表达 (7)3.1 颜色直方图 (7)3.2 累加直方图 (8)4 图像特征的相似性匹配 (9)4.1 距离度量方法 (9)4.2直方图的交集的方法 (9)4.3 欧式距离法 (9)5 图像检索算法实现 (10)5.1程序开发运行环境 (10)5.2 程序检索逻辑 (10)5.3 算法具体实现 (11)5.4 实例演示 (14)6 全文总结与展望 (15)6.1 全文总结 (15)6.2 展望 (15)致谢 (15)参考文献 (16)英文摘要 (16)基于颜色特征的图像检索算法的实现摘要：文章介绍了一种基于颜色特征的图像检索技术的算法并给出了程序实现。

首先介绍了基于内容的图像检索技术、发展历史及基于内容的图像检索技术的特点和主要应用，并在此基础上探讨了该领域所用到的一些关键技术。

文章着重探讨了图像的颜色空间、图像特征提取及图像相似性度量等内容，并利用matlab技术实现了一个简单图像检索的程序。

文章最后则对当前基于内容图像检索技术研究热点和今后的发展方向进行简单的阐述。

关键字：基于内容的图像检索；颜色特征；颜色直方图；相似度度量方法1 绪论1.1 基于内容的图像检索的概念基于内容的图像检索[1]（Content Based Image Retrieval, CBIR）是一项从图像数据库中找出与检索式内容相似的图像的检索技术。

它利用从图像中自动抽取出来的底层特征，如颜色、纹理、轮廓和形状等特征，进行计算和比较，检索出符合用户需求的结果图像集。

目前图像检索系统技术实现的基础是对底层特征信息的计算和比较，也即是“视觉相似”。

1.2 基于内容的图像检索的发展历史图像检索技术的发展[2]可以分为两个阶段，第一阶段始于70年代，当时的图像检索是通过人工的标注来实现的，随着计算机技术和通信网技术的发展，特别是因特网的快速发展，图像数据的容量越来越大了，这种“以关键字找图”的方法越来越不适应检索技术的发展了。

由于图像内容的丰富内涵以及人们对图像内容进行抽象时的主观性不同的人对同一幅图像有不同的理解，这就引入了主观多义，不利于检索。

为了克服文本标注检索的弊端，90年代研究者提出了基于内容的图像检索，其方法是:根据图像的颜色特征、纹理特征、形状特征以及空间关系等作为索引，计算查询图像和目标图像之间的相似距离，然后按相似度匹配进行检索，这种技术很大程度地利用了人们的视觉客观特性，避免不同人对图像主观理解的不同而达不到理想的搜索效果。

从研究方向的层面来看，基于内容的图像检索可分为三层：第一层是根据图像的底层特性来进行检索，如颜色、纹理，形状等等，涉及图像信息处理、图像分析和相似性匹配技术；第二层是基于图像对象语义，如图像中实体及实体之间的拓扑关系的检索，对象级检索技术建立在下层特征基础上，并引入了对象模型库、对象识别和人工智能等图像理解技术；第三层是基于图像的抽象属性如行为语义，情感语义和场景语义的推理学习来进行检索。

需要用到知识库和更加有效的人工智能和神经网络技术。

这三个层次由低到高，与人的认知接近，下一个层次通常包含了比上一个层次更高级的语义，更高层的语义往往通过较低层的语义推理获得。

尽管经过了多年的研究，较为成熟的基于内容的图像检索技术目前仍处于底层水平，由于底层研究是上层研究的基础，为了给上层建立准确、有效的图像特征提取方法，底层的研究仍在不断的发展。

1.3 基于内容的图像检索的特点和主要应用基于内容的图像检索技术有以下特点[3]：一是它突破了传统的基于表达式检索的局限，从媒体内容中提取信息线索。

利用图像内容特征建立索引进行检索，使得检索更加有效，适应性更强。

二是基于内容的图像检索是一种近似匹配，即按照某种相似性度量，比较图像特征间的差异度。

相似度较低的图像将作为检索结果返回给用户。

三是它是大型数据库的快速检索。

在实际的多媒体数据库中，数据量巨大，而且种类和数量巨大，因此要求CBIR技术快速地实现对多媒体信息的检索。

四是以相关反馈为有效手段。

为了提高检索的准确性，整个过程是个逐步逼近和相关反馈的过程。

用户的交互性增强了表达查询、评价查询结果和基于评价结果进行进一步检索的能力。

CBIR己经成功地应用于一些专门领域。

典型应用领域[4]包括：(1)搜索引擎：随着各种电子商务网站的发展，图像搜索引擎将成为这些网站的重要工具。

(2)家庭用图像检索：数码科技使得普通家庭也会产生成千上万的图像，家庭图像检索系统将是家庭PC的一个基本工具。

(3)数字图书馆：数字图书馆实际上是一个数字信息资源库，其中有字符数值库、文本库、声音库、图像库等。

因此，如何快速、高效地从数字图书馆中找出用户所需的信息就成为现代图书馆研究的热点和关键技术之一。

(4)商标检索系统：可在收录了己注册商标的数据库中查找是否有与注册商标类似的，防止商标权受侵害。

(5)法律及公安：它是图像数据库技术的一个重要应用领域。

典型的例子有:面部数据库、指纹数据库、犯罪纪录数据库以及建筑物保安数据库等。

我国在“人脸”及“指纹”数据库建立方面已做了不少工作，并有一批实用性的成果投入应用。

(6)邮票资料库：主要用于邮票资料的管理与查询，也可以提供邮票鉴定等更高级的应用服务。

(7)教育与培训：在教育与培训领域，例如远程教学、交互式培训、自学教育及雇员再教育等有着广阔的应用前景。

国外在培训系统领域已投入了大量的经费，开展了相关课题的研究工作。

我国多媒体教学研究工作也已经开展，网上教学与辅导已进入实用阶段，这些都为图像数据库应用于教育培训领域提供了广阔的前景。

(8)工业与商业：工业应用包括企业多媒体信息系统、CAD/CAM等商业应用有电子商务、在线广告、在线购物、股票等。

(9)保健及医疗：图像数据库在该领域中应用范围很广，除了专用的图像管理与检索系统外，还包括建立多媒体医疗信息管理系统，将庞杂的医疗数据管理起来.这些数据包括病历、病人的图像信息(如X光片、CT扫描及MRI照片等)以及描述手术过程的视频信息等。

它为现有的医学系统带来了一场革命，其中最有前景的应用是远程医疗(Telemedicine)、远程外科手术(Tele-surgery)及远程诊断(Tele-diagnoses)等。

1.4 基于内容的图像检索的关键技术[5]目前，对于通用的静止图像检索，用于检索的特征主要有颜色（Color）、纹理（Texture）、形状（Shape）等，其中颜色、纹理、形状应用尤为普遍；活动视频检索脱胎于序列图像分析中的技术。

本文主要研究对静止图像检索，其中数据库是专用的图像库。

对于目标图像和检索图像进行颜色空间转换、亮度图像的边缘提取和二值分割、提取目标区域的颜色特征。

颜色内容包含两个一般的概念，一个对应于全局颜色分布，一个对应于局部颜色信息。

按照全局颜色分布来索引图像可以通过计算每种颜色的像素的个数并构造颜色灰度直方图来实现，这对检索具有相似的总体颜色内容的图像是一个很好的途径。

局部颜色信息是指局部相似的颜色区域，它考虑了颜色的分类与一些初级的几何特征。

比如Smith等提出了颜色集合(color set)方法来抽取空间局部颜色信息并提供颜色区域的有效索引。

运用颜色直方图进行检索有如下三种方式：（1）指明颜色组成--该法需要用户对图像中的颜色非常敏感，而且使用起来也不方便，检索的查准率和查全率并不高，因此暂时不做进一步开发。

（2）指明一幅示例图像--通过与用户确定的图像的颜色直方图的相似性匹配得到查询结果，这是该课题研究方法的根本。

（3）指明图像中一个子图--分割图像为各个小块，然后利用选择小块来确定图像中感兴趣的对象的轮廓，通过建立更复杂的颜色关系（如颜色对方法）来查询图像，该方法是进一步优化检索的一个设想。

在颜色空间选取方面，最常用的颜色空间是RGB颜色空间。

通常，人们采用欧氏距离来刻画两种颜色之间的差异，RGB空间存在的一个严重问题是其中所计算出来的两种颜色之间的距离无法正确表征人们实际所感知到的这两种颜色之间的真实差异。

HSV空间比较直观并且符合人的视觉特性。

HSV颜色模型有两个重要的特点作为基础。

首先，V分量与彩色信息无关，其次H和S分量与人感受彩色的方式紧密相连，其中H分量尤其影响人类的视觉判断。

这些特点使得HSV模型非常适合基于人视觉系统对彩色感知特性的图像处理。

得到图像特征的统计直方图后，不同图像间的特征匹配可借助计算直方图间的距离来进行。

一般意义上直方图匹配方法有直方图相交法，直方图匹配法，欧氏距离法，中心矩法，累积直方图匹配法共6种。

本文重点讨论欧氏距离法，并将其作为系统编程实现的主要方法。

所以，颜色特征的图像检索关键技术路径如图1:图1 颜色特征的图像检索关键技术路径1.5 国内外研究现状[6]1.5.1 国外研究现状基于内容的图像检索技术是当前研究的热点，许多著名杂志如IEEE Trans.On PAMI 、IEEE Trans.On Image processing 等纷纷设专刊介绍该领域研究的最新成果，著名的国际会议如：IEEE conference of CVPR 、 ACM conference on multimedia等纷纷设立专题交流最新的研究成果。

各大研究机构和公司都推出了他们的系统：(1)IBM的QBIC系统IBM的QBIC是第一个商业化的基于内容的图像检索系统，它的系统结构包括图像入库、特征计算、查询阶段三部分，允许使用例子图像、用户构建的草图和图画、选择的颜色和纹理模式、镜头和目标运动和其他图形信息等，对大型图像和视频数据库进行查询。

它的系统框架和结构对后来图像检索系统具有深远的影响。

(2)新加坡大学和MIT媒体实验室的Photobook系统该系统是用于交互式浏览和搜索图像库的工具。

图像在装入时按形状、纹理和人脸的面部外形三种特征自动分类，同时还能结合文本关键字进行查询，图像根据类别通过显著语义特征压缩编码。

(3)Virage公司的Virage系统该系统是基于内容的图像搜索引擎，比QBIC更进一步，支持基于颜色、颜色布局、纹理和结构(对象边界信息)及这四个原子查询的任意组合。

VirageVirageEngine主要有3方面的功能:图像分析、图像比较和图像管理，技术的核心是VirageEngine以及在图像对象层上的操作。