圖像底層特徵提取--顏色特徵（1）

02-02

為了計算圖像的相似度，先要從圖像中提取具有代表性的特徵，然後採用適當的計算方法比較這些特徵的相似度。在理想情況下，應該採用與人類的相似性判斷相對應的一些特徵，但是由於圖像中的物體識別、高級語義的解釋等方面的技術限制，目前仍然無法有效地獲取這些特徵。儘管圖像的視覺特徵不能完全的描述圖像的高級語義內容，但視覺內容和圖像的高級語義之間卻存在著一定的關聯性，只利用基於圖像低層特徵提取的檢索演算法，不僅可以檢索出一些視覺上的相似的圖像，而且其中還會包含一些語義相關的圖像。因此，課題中採用一些穩定而且易於機器提取的低層特徵來描述圖像的視覺內容，如顏色、形狀和紋理等，每種特徵都具有多種描述方式，而每種特徵則從不同的角度對圖像視覺內容進行可計算性的描述。

顏色特徵是圖像檢索中應用最廣泛的視覺特徵，也是人們識別圖像最主要的感知特徵，同時也是色織物最重要的特徵之一。主要是因為顏色往往是和圖像中所包含的場景和物體十分相關。自然界中，同種物體一般有相同的顏色特徵，不同的物體可能有著不同的顏色特徵。所以顏色特徵經常作為區分不同物體和場景的最為簡單和有效的特徵。與其他的圖像視覺特徵相比，顏色特徵可能對圖像本身的方向、尺寸和視角等的依賴性較小，具有較高的魯棒性。因此，大多是的圖像檢索系統都將顏色特徵作為圖像檢索的主要手段。

1 顏色直方圖

顏色直方圖是圖像的一種全局顏色特徵，給定一幅圖像(fxy)m×n ，fxy表示圖像在像素點（x,y）出的顏色值，m×n表示圖像的尺寸，圖像所包含的顏色集為C，那麼圖像的顏色直方圖可以用下面的公式表示：

圖像顏色直方圖作為一種非常重要的基於顏色特徵的圖像檢索的方法，具有圖像特徵提取簡單，相似度計算方便，並且隨著圖像旋轉、尺度等變化不敏感的特點。

正是由於顏色直方圖的簡單速度快，也存在以下缺點：

（1）計算圖像的顏色直方圖描述的是圖像的顏色的統計特徵，忽略了圖像的空間分布信息，所以對於兩幅顏色直方圖相差不大的圖像來講，如果圖像顏色的空間分布相差不大，圖像所描述的內容很不相同；

（2）計算圖像直方圖得到的特徵向量是一個1×256的矩陣，會造成維度過高的問題；

（3）圖像顏色的量化處理可能會將視覺不同的顏色量化到同一個顏色區間，也可能將顏色視覺效果相近的顏色量化到不同的區間，造成誤檢現象。

針對上述問題，近年來許多改進的直方圖演算法的方法被提出來，總結歸納如下：

（1）採用圖像的主要顏色作為樣本來構建圖像的顏色直方圖，忽略那些數值較小的顏色區間，改進後的直方圖對圖像雜訊敏感度有所降低，從而提高了檢索效率；

（2）採用局部累加直方圖方法、累加直方圖的方法和構造模糊直方圖的方法來提高直方圖圖像檢索的效率；

（3）應用模糊集理論ɑ-級關係來定義顏色直方圖的匹配峰，以得到色彩峰的匹配關係，綜合所有顏色峰的匹配值得出顏色直方圖的相關值；

（4）通過利用圖像增強技術使圖像顏色具有較高的對比度，使得圖像的顏色直方圖特徵峰值

圖像顏色矩和顏色熵

顏色矩（Color

Moments）是由Stricker和Orengo所提出的一種非常簡單而且有效的圖像顏色特徵描述方法。圖像中的任何顏色分布都可以用它的矩來表示是這種方法的數學基礎。另外，由於圖像的顏色分布信息主要集中在低階矩中，用顏色直方圖特徵的一階矩（均值）、二階中心距（方差）和三階中心距（斜度）就可以表達圖像的顏色特徵。與顏色直方圖相比，該方法的另一個有點在於無需對圖像顏色進行量化，與此同時又降低了圖像顏色特徵維數。其中顏色的三個低階矩的數學表達式為：

其中hi,j表示第i個顏色通道分量中灰度值為j的像素出現的概率，n表示圖像灰度級數。從上式可以看出，圖像的顏色矩特徵一共由九個分量（三個顏色分量，每個顏色分量又有三個低階矩），顏色矩和其他顏色特徵相比非常簡單，而且時間效率很高。但是單獨使用顏色矩對圖像進行檢索的效率一般比較低，在實際應用中往往將顏色矩同其他圖像特徵結合使用，再利用其他圖像特徵進行檢索之前，首先採用顏色矩特徵匹配過濾縮小檢索範圍。

顏色熵也是對圖像顏色直方圖進行降維得一種方法，採用圖像顏色的信息熵值來表示圖像的顏色特徵，將圖像的顏色直方圖由多維降到一維。設圖像的歸一化顏色直方圖為（h1,h2,…，hn），將圖像的顏色直方圖看作是圖像中的不同顏色的像素點在圖像空間中出現的概率密度函數，根據信息熵理論，圖像的信息熵可以表述為：

與圖像顏色矩相似，由於顏色熵的維度較低，所以檢索效率也比較低。因此，顏色熵往往也需要和其他圖像的特徵聯合起來進行檢索，在利用其他圖像特徵進行圖像檢索之前，首先利用圖像的顏色熵過濾縮小檢索範圍。