《一种基于色调熵的图像检索算法.doc》由会员分享，可在线阅读，更多相关《一种基于色调熵的图像检索算法.doc（3页珍藏版）》请在三一文库上搜索。
1、V o l. 4 N o. 4D ec. 2005第 4 卷 第 4 期2005 年 12 月太 原 师 范 学 院 学 报 (自然科学版)JOU RN A L O F TA IYU A N T EA CH ER S COL L E GE (N a tu ra l Sc ience E d it io n )一种基于色调熵的图像检索算法丁志勇(西北师范大学 数学与信息科学学院, 甘肃 兰州 730070)摘要文章通过将图像的颜色空间转换到符合人类感知的 H S I 空间, 得到了图像的色调通道, 并结合信息熵, 利用分块技术, 提出了一种基于色调熵的图像检索算法, 取得了满意的实验效果.关键词
2、 H S I 空间; 色调; 信息熵; 色调熵文章编号 167222027 ( 2005) 0420010202 中图分类号T P 391 文献标识码 A0引言随着 I n te rn e t 的飞速发展, 以及数码设备的普及, 随之产生了大量的图像数据, 如何从这些图像数据中找到用户所需要的图像已经成为一个研究的热点. 最初人们通过文本描述的方式对图像进行检索, 即基于文本的图像检索 (T ex t2B a sed Im age R e t r ieva l) , 但是由于人们对一幅图像的主观理解各不相同, 通过这种方法 进行的图像检索已经不能满足人们的需要. 于是人们又提出了基于内容的图像
3、检索方法, 即 (Co n ten t2B a sedIm age R e t r ieva l). 到目前为止, 已经涌现出一大批基于 CB IR颜色、纹理、形状、空间关系等进行的.的图像检索算法, 这些算法大多是围绕图像的然而, 颜色作为一种能简化目标提取和分类的重要描述符, 并且具有旋转、平移、尺度不变性等优点, 表现出了相当强的鲁棒性. 于是, 人们还提出了各种颜色空间, 如 R GB 空间, H S I 空间等, 但 R GB 空间并非是 均匀的, 也就是说, R GB 颜色空间的相似性并不代表实际颜色的相似1 . H S I 空间具有两个重要特点: 1) 亮度分量与色度分量是分开的
4、, I 分量与图像的彩色信息无关. 2) H 及 S分量与人感受彩色的方式紧密相连(这里强调了颜色的重要性, 因为人对光的感知还和 I 分量有关). 这两个特点正好符合人区分颜色常用 3 种基本特性量: 亮度、色调和饱和度, 使得 H S I 空间非常适合基于人的视觉系统对彩色感知特性进行处理分析 的图像算法. 在许多应用中当将彩色图像由 R GB 空间转换到 H S I 空间进行检索时, 可仅利用 H 分量而将空间, 从而简化运算, 加快计算速度2 .检索缩小到 12D颜色空间1H S I在 R GB 空间的彩色图像可以方便地转换到 H S I 空间. 对任何 3 个归一化到 0, 1范围内
5、的 R , G , B 值,其对应的 H S I 模型中的 H , S , I 分量可由下面的公式计算:(R - G ) + (R - B )a rcco s G 或 R BR(R- G ) 2 + (R - B ) (G -B )2(1)H =(R - G ) + (R- B )2- a rcco sB G(R - G ) 2 + (R -B ) (G -B )2由上式直接算出的 H 在 0, 2 之间, 为使 H 在 0, 1之间, 可再令 H = H 2进行转换. 另外当 S = 0时, 对应无色, 这时 H 没有意义, 此时定义 H 为 0. 另外当 I = 0 或 I = 1 时,
6、讨论 S 也没有意义.的计算既要用到三角函数又要用到求平方根, 为减少计算量, 可用下列公式3 :对 H收稿日期: 2005209222作者简介: 丁志勇 ( 19782) , 男, 山东青岛人, 西北师范大学数学与信息科学学院硕士研究生, 研究方向为基于内容的图像信息检索.1) 如果 B = m in (R , G , B ) , 则 G - B (2)H =3 (R + G - 2B )2) 如果 R = m in (R , G , B ) , 则 B - R 1(3)H =+R + G - 2B 33) 如果 G = m in (R , G , B ) , 则 R - G 2H =+(4
7、)R + G - 2B 33m in (R , G , B )(5)(6)S = 1 -(R + G + B )I = (R + G + B ) 3对 S 的计算也可用公式S = m ax (R , G , B ) - m in (R , G , B )(7)2 色调熵2. 1色调熵定义自信息量 I (x i ) , i= 1, 2是指某一信源 Y 发出某一消息符号 x i 所含有的信息量. 发出的消息不同, 它 们所含有的信息量也就不同. 因此自信息量是一个随机变量, 它不能用来作为整个信源的信息测度.集 X 上, 随机变量 I (x i ) 的数学期望定义为平均自信息量:qH (X ) d
8、efE I (x i ) =E -l o gp (x i ) = -p (x i ) lo gp (x i )(8)i= 1的信息熵4 .集 X 的平均自信息量又称作集 X色调熵: 通过计算 H S I 颜色空间 H 分量的熵, 我们便得到了色调熵. 设某色调的信息熵为H (pm ) = - p m lo g (p m )则图像的色调熵定义为:n(9)E (H ) = - p m lo g (p m )(10)m = 1其中 n 为色调数量.2. 2分块的色调熵全局色调熵虽然具有计算简单、平移、旋转不变性等特点, 但因其不包含色调的空间分布关系, 因此对不 同的图像可能具有相同的色调熵. 为此
9、, 本文对图像进行分块处理. 按经验, 通常取分块大小为 1616 或 99, 本文将图像分为 99= 81 块子图像. 此外, 为不丢失图像中像素间的相关性, 采用重叠分块, 分块间的 重叠区域取为分块尺寸的 145 . 通过计算每个子块的色调熵从而得到分块的色调熵.3相似度量本文采用欧几里德距离作为分块间的相似度量:k E Q ( i) - E D ( i) 2D (E Q , E D ) =(11)i= 1其中 k 为图像分块的数量. 通过计算全部子块的欧几里得距离均值, 从而得到了整幅图像间的相似度量:1 =D (E Q , E D )(12)m n其中, m n 表示图像分块的个数.
10、实验结果及结论为了测试本文提出的算法的实际效果, 本文建立了一个由 100 幅图像组成的图像检索系 (下转第 29 页)429第 4 期任浩林等: 复杂区域上高维积分的M o n te C a r lo 方法在高维积分近似计算中, M o n te C a r lo 方法能够很快提供一个模拟结果, 而且其误差与积分重述无关.这两点是普通的数值积分法无与伦比的. 但M o n te C a r lo 方法也有自己的缺陷, 若是误差缩小十倍, 计算量 必须增加一百倍. 不过随着计算机运算速度的提高, 仍然可以较快地得到结果.参考文献:1234567徐利治, 周蕴时. 高维数值积分M . 北京: 科
11、学出版社, 1980费尔斯, 伯 登. 数值分析M . 北京: 世界图文出版公司, 1995易大义, 陈道琦. 数值分析引论M . 杭州: 浙江大学出版社, 1998D av id K inca id, W a rd C h eney. N um e r ica l ana ly sis: m a th em a t ic o f sc ien t if ic com p u t ing. C h ina M ach ine P re ss. 2003, 4652500徐钟济. 蒙特卡罗方法M . 上海: 上海科技出版社, 1985I. M . So bo l. T h e M o n te
12、C a r lo m e tho d M . M ir p ub lish e r s, 1975高惠璇. 统计计算M . 北京: 北京大学出版社, 1995On the Ca lcula t ion of H igher D im en s iona l In tegra t ion W ithCom p l ica ted Curved Po lyhedron D om a in by M on te Ca r lo M e thodRen Ha o l in Y uan Y on g shen g W an g Q im in g(H o h a i U n ive r sity, N
13、an jing 210098, C h ina)A bstra c t T h e p r in c ip le o f th e M o n te C a r lo in teg ra t io n is show ed. W h en th e dom a in iscom p lica ted cu rved po lyh ed ro n , w e g ive th e M o n te C a r lo a lgo r ithm o f k 2d im en sio n a l in teg ra t io n an d it s co n ve rge leve l. F in a
14、 lly, th e m e tho d is te sted b y ex am p le s.Key word s M o n te C a r lo m e tho d; h igh d im en sio n a l in teg ra t io n: exp ec ta t io n(上接第 11 页)统. 检索结果的前 5 幅图像如下:由以上实验结果我们可以看出, 本文提出的基于色调熵的图像检索算法完全可以作为一种有效的图像检索算法得以应用.参考文献:12345汪祖媛, 郑浩然. 基于颜色的自组织聚类分析图像检索算法J .电路与系统学报, 2003, 8 ( 1) : 36237刘
15、忠伟, 章毓晋. 十种基于颜色特征的图像检索算法的比较和分析J .信号处理, 2000, 3 ( 16) : 79284P a lu s H. T h e Co lo u r Im age P ro ce ssing H andboo k M . Sangw ine S J , H om e R EN , ed s. C h apm an & H a ll, 1998周荫清. 信息理论基础M . 北京: 北京航空航天大学出版社, 2002刘 芳, 王改梅. 综合颜色特征的彩色图像检索方法J . 计算机工程与应用, 2003 ( 16) : 83285An Im a ge Re tr ieva
16、l A lgor ithm Ba sed on Hue En tropyD in g Zh iyon g(Co llege o f M a th em a t ic s and Info rm a t io n Sc ience, N o r thw e st N o rm a l U n ive r sity, L anzho u 730070, C h ina)A bstra c t W e f ir st ly ge t th e ch an n e l o f h u e b y t ran sfo rm in g th e co lo r sp ace o f im age in t
17、oth e co lo r sp ace o f H S I an d th en p re sen t a n ew im age re t r ieva l a lgo r ithm b a sed o n h u e en t rop y b y u sin g th e in fo rm a t io n en t rop y an d th e tech no lo gy o f p a r t it io n in g th e im age. T h e re su lt o f th e ex 2 p e r im en t is sa t isf ied.Key word s H S I sp ace; h u e; in fo rm a t io n en t rop y; h u e en t rop y