【專利類型】外觀設計【申請人】北京華毅東方展覽有限公司【申請人類型】企業【申請人地址】100022北京市朝陽區南郎家園18號樓3層(戀日·國際)【申請人地區】中國【申請人城市】北京市【申請人區縣】朝陽區【申請號】CN200630008845
【摘要】 一種基于圖像突變的圖像檢索方法，涉及圖像檢 索領域。目前，復雜背景下圖像的自動分割方法過于簡單，且 容易破壞圖像內部語義的相關性。本發明的首先將用戶上傳的 樣例圖像的顏色數據從GRB空間轉換到HSV空間，并歸一化 處理；然后根據像素間的相關性和信息突變特性，對圖像進行 初始分割，并根據分割后的像素塊間的相似性，進行循環合并， 將圖像分割為3×3子塊；分別抽取9個區域的特征向量，即 HSV顏色直方圖、分塊主色以及中心矩；由用戶從9個區域中 選取感興趣區域，與待檢索圖像進行的進行相似性比較，得到 進行圖像檢索結果。本發明在圖像的檢索過程中兼顧檢索算法 的低復雜度與圖像語義貼合性，檢索結果與人類認知具有良好 的一致性。 【專利類型】發明申請 【申請人】北京工業大學 【申請人類型】學校 【申請人地址】100022北京市朝陽區平樂園100號 【申請人地區】中國 【申請人城市】北京市 【申請人區縣】朝陽區 【申請號】CN200610113046.X 【申請日】2006-09-08 【申請年份】2006 【公開公告號】CN1916906A 【公開公告日】2007-02-21 【公開公告年份】2007 【授權公告號】CN100433016C 【授權公告日】2008-11-12 【授權公告年份】2008.0 【IPC分類號】G06F17/30; G06T7/00 【發明人】賈克斌; 王妍; 劉鵬宇 【主權項內容】1.一種基于信息突變的圖像檢索算法，其特征在于，包括下述步驟： 1)讀入用戶從外接數碼相機中上傳的或者讀入計算機里儲存的樣例圖像Sample，將其從RBG轉換到HSV顏色空間，并將其中的色調H、飽和度S、亮度V三個分量按照公式(1)計算得到歸一化分量L后，將L作為像素的顏色值； L＝16H+4S+V????????????????????(1) 2)將圖像左上角的像素P0(0，0)作為初始種子點，分別向下、向右擴展一行、一列像素，得到一正方形區域，計算該正方形區域內所有像素的顏色值的平均值，然后計算其與初始種子點顏色值的差值Dif，將Dif與閾值Thred＝8相比較，若Dif＞Thred則表示該區域中存在顏色信息突變；否則，仍以圖像左上角的像素P0(0，0)為初始種子點，以剛完的區域為基礎，再分別向下、向右擴展一行、一列像素，得到一新的正方形區域，計算該區域的顏色均值arg(new)，然后計算其與擴展前正方形區域的顏色均值arg(origin)的差值Dif，如(2)式所示： Dif＝arg(origin)-arg(new)????????????????(2) 式中： 其中，br是初始種子的行號、bc是其列號，它們的初始值都為0；k和s分別代表新得到的正方形區域的右下角像素的行號、列號；Pij表示第i行、第j列像素的顏色特征向量L的值； 再將Dif與閾值Thred相比較，直至Dif＞Thred即該區域中存在顏色信息突變時，本次結束，將剛過的區域定義為一個塊，將對該塊的定義為一個塊； 3)以2)為基礎對圖像進行多方位、多尺寸的方向，分4次進行，分別為最大行距橫向、最小行距橫向、最大列距豎向及最 小列距豎向； 橫向： a1、重新定義2)中得到的塊的右上角點的像素P1(i，j)為新的初始種子點； b1、以新定義的初始種子點為起點，分別向下、向右擴展一行、一列像素，得到一正方形區域，計算該正方形區域的顏色均值，然后計算其與新的初始種子點顏色值的差值Dif，將Dif與閾值Thred相比較，若Dif＞Thred則表示該區域中存在顏色信息突變；否則，仍以新定義的初始種子點為初始種子點，以剛完的區域為基礎，再向外擴展一行、一列像素，得到一新的正方形區域，計算該區域的顏色均值，然后計算其與未擴展前正方形區域的顏色均值的差值Dif，直至Dif＞Thred即該區域中存在顏色信息突變時，本次結束； c1、重新定義b1中得到的塊的右上角點的像素P1(i，j)為新的初始種子點； d1、重復過程b1、c1，直至新定義的初始種子點超越圖像的右邊界，本次橫向結束，找出本次橫向過程中尺寸最大的像素塊和尺寸最小的像素塊，分別以它們的尺寸作為本次橫向的行間距，得到最大行距區域和最小行距區域； e1、將得到的最大行距區域和最小行距區域的左下角分別作為下次橫向的初始種子點，按照b1至d1的步驟分別開始下次的橫向，得到新的最大行距區域和最小行距區域，如此往復，直至新定義的初始種子點超越圖像的下邊界，橫向結束； 在的過程中，最大行距和最小行距是分別獨立進行的，以M表示經過最大行距和最小行距后得到的總的行區域的數目；在的過程中，每次新的開始都是以剛得到的分割后區域的左下角像素作為初始種子點； 縱向： a2、重新定義2)中得到的塊的左下角點的像素P.11(i，j)為新的初始種子 點； b2、以新定義的初始種子點為起點，分別向下、向右擴展一行、一列像素，得到一正方形區域，計算該正方形區域的顏色均值，然后計算其與新的初始種子點顏色值的差值Dif，將Dif與閾值Thred相比較，若Dif＞Thred則表示該區域中存在顏色信息突變；否則，仍以新定義的初始種子點為初始種子點，以剛完的區域為基礎，再分別向下、向右擴展一行、一列像素，得到一新的正方形區域，計算該區域的顏色均值，然后計算其與擴展前正方形區域的顏色均值的差值Dif，直至Dif＞Thred即該區域中存在顏色信息突變時，本次結束； c2、重新定義b2中得到的塊的左下角點的像素P1(i，j)為新的初始種子點； d2、重復b2、c2的過程，直至新定義的初始種子點超越圖像的下邊界，本次縱向結束，找出本次縱向過程中尺寸最大的像素塊和尺寸最小的像素塊，分別以它們的尺寸作為本次縱向的列間距，得到最大列距區域和最小列距區域； e2、將得到的最大列距區域和最小列距區域的右上角的像素分別作為下次的初始種子點，按照b2至d2的步驟，分別開始下次的縱向，如此往復，直至新定義的初始種子點超越圖像的右邊界，列結束； 在的過程中，最大列距和最小列距是分別獨立進行的，以N表示經過最大列距和最小列距后得到的總的列區域的數目；在的過程中，每次新的開始都是以剛得到的分割后區域的右上角像素作為初始種子點； 4)經過2)和3)，任意一幅圖像Sample在空間上被分割成M×N個子塊，對分割結果進行區域合并，合并分別在垂直和水平方向上進行： 垂直方向的合并： 根據公式(5)循環計算相鄰的兩個行區域的區域距離，得到M-1個區域距離Dis，即：從第一個區域開始，計算第一個區域與第二個區域的區域距離、第二個區域與第三個區域的區域距離、第三個區域與第四個區域的 區域距離，如此往復，直至計算出第M-1個區域與第M個區域的區域距離； 式中，argi，argj分別表示兩個區域的顏色均值，ni，nj分別表示兩個區域的總像素數； 從M-1個計算結果中選取最小值，并將該最小值對應的兩個行區域合并，從而得到M-1個合并后的區域；對新得到的所有行區域再次循環計算新合并后的相鄰行區域的區域距離Dis，從計算結果中選取新的最小值，并將該新的最小值對應的兩個行區域合并，從而進一步得到M-2個行區域；如此往復，直到圖像在垂直方向上被劃分為3個區域； 水平列方向的合并： 根據公式(5)循環計算相鄰的兩個列區域的區域距離，得到N-1個區域距離Dis，即：從第一個區域開始，計算第一個區域與第二個區域的區域距離、第二個區域與第三個區域的區域距離、第三個區域與第四個區域的區域距離，如此往復，直至計算出第N-1個區域與第N個區域的區域距離；從N-1個計算結果中選取最小值，并將該最小值對應的兩個列區域合并，從而得到N-1個合并后的區域；對新得到的所有列區域再次循環計算新合并后的相鄰列區域的區域距離Dis，從計算結果中選取新的最小值，并將該新的最小值對應的兩個列區域合并，從而進一步得到N-2個列區域；如此往復，直到圖像在水平方向上被劃分為3個區域； 經過垂直方向的合并與水平方向的合并后，整個圖像被劃分為3×3子塊； 5)分別抽取圖像各個子塊的HSV顏色直方圖His＝{pt|0≤t＜72}、分塊主色Mc(c＝1，2，3)以及中心矩σ，其中，分塊主色Mc表示區域顏色概率值位于前三位最大值的三種顏色；區域的中心矩σ定義如下： 式中，Pq表示該區域內某一點像素的顏色值，n表示該區域內的像素的總數，arv表示該區域內所有像素的顏色的平均值； 6)由用戶從9個子塊中任意選取一塊感興趣區域A，設其顏色直方圖為HisA＝{pt|0≤t＜72}，分塊主色為MAc(c＝1，2，3)，中心矩為σA； 7)從待檢索的圖像數據庫中任取某一幅圖像S，設其9個分割區域中的任意一個為B，其顏色直方圖為HisB＝{pt|0≤t＜72}，分塊主色為MBc(c＝1，2，3)，中心矩為σB，根據下式計算A與B的相似距離D(A，B)， 其中， 公式(8)表示以直方圖交叉距離為依據，對感興趣區的分塊主色進行加權； 在分子中，At，Bt分別表示A與B的72維顏色直方圖中某一種顏色t的顏色分布概率值，min(At，Bt)表示將A與B的72個顏色概率值全部進行對應求最小值處理，min(At＝MAc，Bt＝MAc)表示與A的三個分塊主色值相等的3個顏色值所求得的最小值，在此基礎上，用Wc進行加權，權值分別為W1＝2.5，W2＝2，W3＝1.5，即如公式(8)中分子的前半部分所示；而對于A與B的72維顏色直方圖中與A的三個分塊主色值不相等的69個顏色值在進行對應求最小值處理后，對所得的最小值進行累加求和，而不進行加權，即如公式(8)中分子的后半部分所示； 8)循環計算圖象S的9個區域與樣例圖像Sample的感興趣區A的相似距離，取相似距離最大區域的相似距離作為S與Sample的距離； 9)按照7)至8)計算數據庫中所有圖像與Sample的相似距離； 10)將所有相似距離按從大到小排序，返回檢索結果。 【當前權利人】北京工業大學 【當前專利權人地址】北京市朝陽區平樂園100號 【專利權人類型】公立 【統一社會信用代碼】12110000400687411U 【被引證次數】20 【被他引次數】20.0 【家族引證次數】5.0 【家族被引證次數】20
未經允許不得轉載：http://www.mhvdw.cn/1776021075.html
喜歡就贊一下
