基于图像特征的图像检索专利技术综述

来源:用户上传      作者:

　　摘要：目前对基于内容的图像检索的研究热点主要集中在基于图像特征（颜色、纹理、形状等）的检索，本文根据国内外基于图像特征进行图像检索的专利文献，按照上面列举的几个不同类别的图像特征来对图片的特征提取相关技术进行介绍和分析，为图像检索领域的研究工作提供参考，帮助本领域相关人员深入了解图像检索领域。
　　关键词：图像检索;专利分析;图像特征;颜色特征;纹理特征
　　由于基于文本的图像检索要用手工对图像进行注释，因而导致了它存在着不准确、不客观的问题。尤其是在大规模的图像数据库出现以后，由手工对图像进行标注的方法就变得更加远远不能满足现实的需要了。为了解决这一难题，研究者们提出了基于内容的图像检索（CBIR，Content-Based Image Retrieval），其基本思路就是利用图像本身的视觉特征如颜色，纹理，形状，空间关系等，并借助图像处理技术、模式识别技术、计算机视觉技术和人工智能来实现对图像的检索，即检索时是根据图像的本身，而不是对其的标注。本文将根据国内基于图像特征进行图像检索的专利文献，按照上面列举的几个不同类别的图像特征来对图片的特征提取相关技术进行介绍和分析。
　　1图像颜色特征提取
　　颜色是图像最显著和直观的视觉特征，颜色直方图可以表达图像的全局信息，并且不需要对图像中的物体加以分割或者识别，具有旋转与平移不变等特点。对于利用颜色特征检索图像有三个关键技术：选取合适的颜色空间，有效的特征提取方法与准确的特征匹配算法。目前常见的图像颜色空间有，RGB空间，HSV空间，Lab空间，HIS空间等，这几中颜色空间分别对应了相应的颜色模型，即 RGB 颜色模型，HSV颜色模型，Lab颜色模型，HIS颜色模型。
　　比如申请号为CN201010516933的案件，提出了一种基于多层位图颜色特征的图像检索方法，采用的颜色空间就是RGB颜色空间;申请号为CN201410852980的案件，提出了一种图像检索的方法，提取了图像的纹理特征和颜色特征，选取颜色空间是HSV，并根据H通道中的色调区域的灰度直方图设定色调数组，以及根据V通道 中与S通道暗区域的对应区域灰度直方图设定亮度数组，并根据所述色调数组和亮度数组获取颜色特征;颜色模型的选择也并不唯一，申请号为CN201510660442的案件，提出基于颜色特征的图像检索方法，其中颜色空间既可以选Lab也可以选择HSV;由此可见有时候颜色空间的选取和替换对本领域技术人员来说是容易想到的。
　　2图像纹理特征提取
　　纹理是一种反映图像中同质现象的视觉特征，也是图像检索中一个重要而又难以描述的特性。描述纹理基元及在周期性排列的空间几何特征和排列规则，如形态学、图论、拓扑法等。频谱法是建立在多尺度分析与时频分析基础之上的纹理分析方法，如 Gabor 变换、小波变换、分形等。在各种方法中，研究比较多的是基于统计的纹理特征提取方法，它包括灰度共生矩阵法和随机场模型法，如马尔可夫随机场模型法。
　　纹理特征的提取不局限于上述提及的模型，但是都属于为统计法、结构法和频谱法中一类或者两类;公开号为CN1570972A的案件，提出了种基于图像纹理特征的图像检索方法，利用在地理数据空间关系分析中常用的Variogram函数作为数学工具，将图像数据看作是区域化变量，以图像数据的Variogram函数值，反映图像象素的结构性，和图像数据的统计特性。虽然可以看出该申请是基于统计的纹理特征提取方法，但是并没有采用常见的灰度共生矩阵法、基于马尔可夫随机场模型等，该算法能够自动判断纹理类型，提高了实际检索的准确率，可以说是针对纹理特征进行了创新;同时，还可以结合多种纹理特征提取方法来实现，比如申请号CN201510028263的案件，提出了一种基于机器人视觉平台的图像检索方法，在进行纹理特征识别的时候，利用灰度共生矩阵对纹理特征进行提取识别，并利用马尔可夫随机场MRF模型对纹理特征进行综合打分。
　　3图像形状特征提取
　　形状特征的提取是在对图像中目标进行分割的基础上实现的。有多种技术可以用来实现基于形状的图像检索，比较常用的方法有：全局特征直接匹配的方法、基于局部不变量的检索方法、基于变形模板匹配的检索方法、利用变换域的方法和形态学方法等。按照形状表达的形式可以将形状的描述方法分为两类：第一类是基于区域的形状描述符，它表达了形状的目标区域内的所有的像素集合;目前，常用的区域特征的描述方法有：区域面积、区域重心、区域的矩、区域的骨架和通用傅里叶描述子等;第二类是基于边缘的形状描述符，它表达了形状的目标区域边界轮廓的像素集合，基于边缘的检测算子主要有Canny 算子、Gaussian 算子、Sobel 算子、Roberts 算子和 Prewitt 算子等。
　　图像的形状特征提取在商标图像检索和文字图像检索都发挥了显著的效果。申请号CN201510961229提出了一种基于区域形状特征的商标图像检索方法，采用旋转分层划分的思想对图像的区域形状进行分层分割，利用旋转分层的特征抽取方法来替代现有技术所使用的特征抽取方法，抽取图像区域形状的像素特征和面积特征，并根据这两种特征在图像描述中的贡献大小使用不同的权重系数进行组合，提出了一种区域特征的组合描述算法，占用存储空间较低，有利于编程实现;申请号为CN201510441001的申请，公开了一种基于形状匹配的汉字图像检索方法，该方法在形状上下文算法的基础上构造了形状特征描述函数，在对汉字图像进行描述中进引入了不变矩算法使得汉字图像特征描述函数有更高鲁棒性，针对碑贴中的古代书法家遗留下来的书法作品经过数字化提取得到的图像进行检索，以便用户欣赏和比较不同时期不同书法家的作品风格，针对碑文中提取出的汉字的形状描述函数具有准确性高，效率高，鲁棒性好等优点。
　　4图像空间关系的提取
　　图像中存在着固有的空间分布特性，基于物体空间关系的图像检索包含了多种基于方向关系和空间拓扑结构的标识模型。为了提取图像的中物体的空间关系，通常还要结合局部特征提取方法，常见的局部特征提取方法有SIFT（尺度不变特征变换），SURF（加速鲁棒特征描述符），BRIEF（二进制鲁棒独立基本特征）等。
　　图像空间关系的检索在遥感领域有着重要的运用。早起就有申请号为CN03152466的申请，提出了一种在关系型数据库中快速高效地存储、以及检索和管理空间图像的空间图像信息方法和系统，该空间图像是由全球定位系统（GPS）、惯性导航系统（INS）和图像获取装置（即CCD照相机）的组合系统所获取的，将空间图像与外方位及内方位结合起来，以便计算出指定空间坐标信息，从静止空间图像序列中高效地检索满足特定空间信息操作的图像的部件;以及用于外部系统的接口部件;还有申请号为CN2010176447的申请，公开了一种融合空间方位关系语义的遥感图像检索方法，提出的新的方位描述方法获取空间方位关系语义。
　　5總结
　　本文结合国内专利申请的状况对基于图像特征提取的图像检索技术具体分类进行了介绍和分析，给基于图像特征的图像检索领域提供了参考和帮助。
　　参考文献
　　[1]徐果毅. 基于颜色特征的图像检索研究[D]. 湖南大学，2009.
　　[2]杨秀娟. 基于纹理特征的图像检索研究[D]. 西安科技大学，2009.
转载注明来源:https://www.xzbu.com/1/view-14769043.htm