基于颜色对的图象检索技术-毕业论文

基于颜色对的图象检索技术-毕业论文 基于颜色对的图象检索技术 [摘 要] 近年来，随着互联网的高速发展，网上的多媒体信息也急剧增加，这些多媒体信息以图像为主。如何从浩瀚的图像数据库中快速、准确地找出所需要的图像，己成为一个备受关注的研究课题。有效地组织、管理和检索大规模的图像数据成为迫切需要解决的问题。于是基于内容的图像检索(Content-Based Image Retrieval; CBIR)作为一个崭新的研究领域出现了。 基于内容的图像检索(CBIR, Content-Based Image Retrieval)是一种利用图像的视觉特征(颜色、纹理、形状等)进行图像检索的技术。其主要研究内容可以概括为四个方面;图像特征提取与表示、相似匹配、高维索引结构以及系统设计。CBIR的研究与发展将对诸如数字图书馆、多媒体信息系统、医学图像等应用领域提供有力的技术支持，它是当前图像数据库和多媒体信息检索领域的研究热点.目前，CBIR的技术水平很难满足实际应用的要求，它是-个具有挑战性的研究课题，仍然期待技术上的突破。 由于在目前的图象数据库中，基本上以彩色图片为主，所以在基于内容的图象检索技术中，颜色是使用最广泛的特征之一。 本文以普通图象作为对象，在图象预处理的基础上，研究了基于颜色对的图象检索算法，使检索结果图象在空间上具有颜色相似性。采用应用广泛的RGB颜色空间来表示图象的颜色特征，对颜色分量进行等间隔量化并形成特征矢量并对特征矢量进行归一化处理，采用图象均匀分块的 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 引入图象中色彩所处的位置信息，用距离度量函数进行图象的相似性匹配。 关键词:图象检索 颜色对 相似性度量 颜色匹配 Abstract With the rapid development of Internet, the multimedia information is booming. All this information is mostly images. Effective recognizing, management and searching all these images have been an emergent problem. This has led the rise of a new research and development field; Content-Based Image Retrieval (CBIR). CBIR is a technique for retrieving image on the basis of automatically derived vision feature. There are four fundamental bases for CBIR, i.e. visual feature extraction and representation, similarity matching, multi-dimensioned indexing, and retrieval system design. Nowadays, CBIR is the main support technique for a lot of application domains, such as digital libraries, multimedia information systems, medical databases; etc .It is currently a very active topic in image databases and multimedia information retrieval. Generally speaking,current image database consists of color pictures,so in CBIR system,color is one of most useful characteristics. We study the image retrieval algorithm of color pair,and make the retrieval image having color similarity in space. It quantifies color sector with equal interval, and gets characteristic vector. Finally, it matched the similarity of image with the distance function. The works lay better foundation for integrating every kind of retrieval algorithms using color histograms and other image retrieval ways. Key words; Image Retrieval; Color Pair; Similarity Measurement; Color Matching; 目录 第一章 引言 .................................................................. 1 1.1研究背景 ............................................................... 1 1.2 图象检索的主要应用..................................................... 2 1.3 国内外典型系统介绍..................................................... 3 1.3.1国外研究成果 ....................................................... 3 1.3.2 国内研究成果 ...................................................... 5 1.4 本文的研究工作......................................................... 5 第二章 基于颜色对的图象检索技术 .............................................. 6 2.1采用颜色特征检索的原因 ................................................. 6 2.2 图象检索流程........................................................... 6 2.3 颜色检索示例表示....................................................... 7 2.4 颜色对的基本思想....................................................... 7 2.5 颜色对的检索方法....................................................... 8 2.6 对颜色对方法的改进..................................................... 9 2.7 基于颜色对算法的实现.................................................. 10 第三章 系统的实现 ........................................................... 12 3.1开发工具的选取 ........................................................ 12 3.2系统介绍 .............................................................. 12 3.3系统结构 .............................................................. 13 3.4系统详细设计 .......................................................... 13 3.5主要类方法和函数 ...................................................... 14 3.5.1位图类 ............................................................ 14 3.5.2 主要函数 ......................................................... 15 第四章 系统运行结果 ......................................................... 20 结束语 ....................................................................... 23 致谢 ......................................................................... 25 参考文献 ..................................................................... 26 Contents Chapter 1 Introduction ....................................................... 1 1.1 Background Research................................................... 1 1.2 Main Application...................................................... 2 1.3 Typical System Introduced At Home And Abroad.......................... 3 F1.3.1oreign Research Results ........................................ 3 1.3.2 Domestic Research Results ....................................... 5 1.4 About This Paper...................................................... 5 Chapter 2 Image Retrieval Technology Of Color Pair ........................... 6 2.1 Why Using Color Feature............................................... 6 2.2 Process Image......................................................... 6 2.3 Example............................................................... 7 2.4 Basic Idea Of Color Pair.............................................. 7 2.5 The Retrieval Method.................................................. 8 2.6 Improving Method...................................................... 9 Algorithm Realization................................................ 10 2.7 Chapter 3 Implement The System .............................................. 12 3.1 Selecting Tools...................................................... 12 3.2 System Introduced.................................................... 12 3.3 Architecture......................................................... 13 3.4 Detailed Design...................................................... 13 3.5 Main Categories Methods And Funtion.................................. 14 3.5.1 Bitmap Class ................................................... 14 3.5.2 The Main Funtion ............................................... 15 Chapter 4 System’s Result .................................................. 20 Summary ...................................................................... 23 Acknowledgement .............................................................. 25 References ................................................................... 26 基于颜色对的图像检索技术 厦门大学学士论文 第一章 引言 1.1研究背景 随着计算机软硬件和国际互联网技术的飞速发展，多媒体数据的数量也以惊人的速度增长。各行各业有越来越多的信息通过图象的形式进行表达，这些图象中包含了大量有用的信息。但是这些图象松散的分布在世界各地，缺少有效的组织，难以达到资源共享的目的。因此如何利用如此众多的图象信息并从中定位感兴趣的材料，是对图象信息的查询技术提出的重大挑战。 在信息的组织、管理和检索方面，传统上应用最广泛的是数据库技术，它采用基于关键词的检索方式，这对于处理结构化比较强的文本、数值信息效果比较好，然而，它对于图象和视频这些视觉信息的检索却具有相当大的局限性，这是由视觉信息自身的特点决定的，它们与传统的文本、数值信息相比具有如下的特点: 1)非结构化特性。在传统的文本、数值数据库中，记录信息具有明显的结构特性，它是现实世界中对象间关系的反映，可通过实体——关系模型抽象得到。与此相比，图象和视频对象具有较强的非结构化特性，许多多媒体信息以流的形式存在(例如视频流)，这种媒体想要得到它的信息，必须对它先进行结构化处理，而这种结构化不能通过简单的抽象来完成，而需要相应的媒体分割和组织技术。 2) 内容多义性。在传统的文本、数值数据库中，每一个记录所包含的语义确定而且有限。而对于像图象或视频这样的多媒体对象来说，具内容往往对不同的用户、不同的应用具有不同的解释，即具有多义性的特点，这样其内容就很难通过有限的属性来充分描述。此外，对多媒体对象的检索一般都是内容相似程度的检索——即查找内容描述与检索要求最接近的对象。这就要求建立的内容描述支持内容相似性程度的比较，这是在传统的文本、数值数据库中广泛采用的定性描述所不能满足的。 在1970年以后，随着数据库管理和计算机视觉两个领域的飞速发展，图象检索技术(Image Retrieval)的研究成为热点。由于图象检索在这两个领域的不同应用，所以它们采用的研究 1 基于颜色对的图像检索技术 厦门大学学士论文 方法也各自有所侧重。数据库管理领域的研究采用基于文本(text-based)的图象检索方法，而计算机视觉领域则偏重于基于视觉(visual-based)的图象检索。 基于文本的图象检索，主要在数据库领域中进行研究，它的一个典型框架是，首先对图象用文本进行注解(关键字)，然后用基于文本的数据库管理系统(DBMS)来进行图象关键字检索，诸如数据模型、多维度索引、查询评价等的研究进展均是沿着这一领域所作的。但是，基于文本的图象检索存在很大困难，尤其是图象的数据量非常大的时候，其一，手工对图象进行注释所需的工作量太大;其二，许多图象很难用文字的方式进行描述;其三，不同的人对同一幅图象的理解不一样，即使同-个人对同一幅图象在不同环境下理解也不完全相同，这样使得对图象的描述不唯一，造成检索结果的千差万别;其四，由于世界上存在许多语种，采用不同的语言文字对图象进行描述而建立的索引在应用中造成了一定的障碍。因此基于文本方式的图象检索存在很大的局限性。 基于内容的视觉信息检索旨在对视觉信息提供强有力的描述，实现视觉信息的结构化，最终达到用户对这些视觉信息内容自由访问的目标。它是一门涉及面很广的交叉学科，包括;信号处理，图象处理，机器视觉，数据库，信息检索，模式识别等相关技术。 近十年来 ，基于内容的图象检索和视频检索是当前最活跃的研究热点之一。每年都有相关的国际会议召开，如SPIE的Storage and Retrieval for Image and Video Databases, ACM Multimedia等，而且许多国际上的知名杂志都发表了相关内容的专刊，如;IEEE Computer, IEEE Trans. onPAM1, Pattern Recognition, Image and Vision Computing。目前，国内外很多研究机构都在进行相关的研究工作，并取得了很多令人瞩目的成就。如;IBM的QBIC, UIUC的MARSI, CMU的Info media, MIT的Photo book等，国内的主要研究单位有;中科院联合 实验室 17025实验室iso17025实验室认可实验室检查项目微生物实验室标识重点实验室计划 、中科院自动化所国家模式识别实验室、清华大学、上海交通大学等。 1.2图象检索的主要应用 CBIR己经成功地应用于一些专门领域.典型应用领域包括; 1.搜索引擎;随着各种电子商务网站的发展，图象搜索引擎将成为这些网站的重要工具。 2.家庭用图象检索; 数码科技使得普通家庭也会产生成千上万的图象，家庭图象检索系统将是家庭PC的一个基本工具。 2 基于颜色对的图像检索技术 厦门大学学士论文 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、图象库等。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;它是图象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 焊锡培训资料ppt免费下载焊接培训教程 ppt 下载特设培训下载班长管理培训下载培训时间表下载 ;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，这些都为图象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;图象数据库在该领域中应用范围很广，除了专用的图象管理与检索系统外，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、病人的图象信息(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-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。 1.3国内外典型系统介绍 1.3.1国外研究成果 虽然当前对CBIR的研究还很不成熟，但是作为商业软件包的图象检索系统已经问世。在网络上的演示版本也相应出现。基于内容检索的图象数据库的典型代表主要有以下几个; 1. QBIC 图象检索系统 3 基于颜色对的图像检索技术 厦门大学学士论文 QBIC( Query By Image Content)图象检索系统是IBM公司90年代研制开发的图象和动态影像检索系统，英文原意是“依靠图象得内容进行查询”。它主要为IBM的DB2大型数据库提供图象检索功能，并支持基于Web的图象检索服务。它是 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 的基于Content-based技术的图象检索系统，用户无需提供文字检索词，只要输入以图象形式表达的检索要求即可检索出-系列相似的图象。它提供多个图象数据库供检索试验，例如美国1995年以前发行的邮票图案，世界著名商标，旧金山美术博物馆图象数据库，法国文化部图象数据库，可视化图书馆等。 2. Image Rover系统(图象漂泊者系统) Image Rover是基于万维网的图象导航器，用户使用点击小图标的方法查询到自己所需图文信息。Image Rover内部成功运用了Content-based技术，特点是通过HTML(Hypertext Makeup Language)文件将可视化信息和文本信息统一起来。它由文件采集子系统和图象检索系统两部分组成. (1) Image Rover文件采集子系统 文件采集子系统中，运用自动采集索引机器人(Robot)技术，定期采集Web文件，Web服务器也可主动向Image Rover提供图文信息。文件采集的基本原理与一般搜索引擎相似。当采集到网页后，系统将分析网页图文内容，分离图象和文本信息，对图象进行特征分析和抽取，将特征索引存储在工mage Rover的检索系统中。 (2) Image Rover图象检索子系统 Image Rover进行查询的步骤是;客户机终端输入查询图象，查询服务器分析特征和语义后送入索引生成服务器进行对照，索引生成服务器将最优结果指令传输给数据库服务器，客户即可得到数据库的答复。 3. VisualSeek和WebSeek VisualSeek系统是万维网图象/影像检索工具，研制者John R Smith毕业于哥伦比亚大学电子信息研究中心，一直致力于Content-based技术开发研究，创造出一系列成果，例如VisualSeek, WebSeek, SAFE和CBVQ等，VisualSeek提供-系列搜寻和检索万维网视图信息的工具。WebSeek实际上是这些工具中的一种。VisualSeek的技术内核与其他Content-based检索系统相似。比较其他多媒体信息检索系统，VisuaISeek的优点在于;高效率的WEB图象信息检索，采用了先进的特征抽取技术，用户界面强大，操作简单，查询途径丰富，结果输出画面生动，支持用户直接下载信息。在VisualSeek的众多工具中，WebSeek具有较强功能和特色， 4 基于颜色对的图像检索技术 厦门大学学士论文 其本身就是一个独立的万维网可视化信息编目工具，已经对650000幅图象和10000个影像片断进行了编目。用户可使用目录浏览和特征检索方式进行图象检索。 1.3.2 国内研究成果 国内的-些高校和研究机构也注意到这个研究方向的巨大潜力，已经开始了这方面的研究，开发了-些原型系统，而成熟的商品化应用系统还很少。浙江大学1995年开始进行多媒体图象检索的研究，分别完成了基于图象颜色和基于图象形状的原型系统。在此基础上，又在Soralis系统上开发了新的多媒体检索系统。其总体设计思想是允许用户找到包含特定颜色、纹理和形状的图象，它支持基于关键字、全局颜色、全局纹理、对象形状、颜色布局、纹理布局等的查询。中国科学院声学研究所开发的图象检索系统ImageHunter基于纹理和颜色特征对图象进行检索，并且对这两种图象特征的综合检索进行了实现。此外，系统还加入用户反馈，通过反馈信息对参数进行不断调整以得到更佳的效果。南京邮电学院也进行了这方面的研究，研制了基于纹理和颜色特征的实验系统 1.4本文的研究工作 首先对基于内容的图象检索的现状作了大致的分析，接着深入讨论了颜色对算法，开发出了一个基于颜色对的图象检索实验系统，并对实验结果进行了分析 5 基于颜色对的图像检索技术 厦门大学学士论文 第二章 基于颜色对的图象检索技术 2.1采用颜色特征检索的原因 对于图象的检索，早期的方法是用文本将图象数据进行标识，这显然无法全面准确地反映图象信息本身的内容。 基于内容的检索是多媒体数据库的关键技术。较好的方法是使用无需领域知识的检索方法。在传统的注重几何特征的计算机视觉研究中，颜色特征并未得到人们充分的重视。但是相对于几何特征，颜色特征具有与生俱来的旋转、平移、尺度变化不变性，甚至各种变形都不敏感，表现出相当强的鲁棒性，而且颜色特征也是人类认知物体的一个主要特征。因此基于颜色特征的检索方法被广泛的用于基于内容的图象检索中。 基于上述目的，本文研究了颜色对方法在基于内容检索时的算法和实现方法。 2.2 图象检索流程 在基于颜色特征检索的系统中，算法的基本思想是颜色对的匹配，对检索图象提取其特征颜色，计算与存储在图象库中的图象的特征颜色的相似度，相似度大于等于60%的图象即被检索到，并按照相似程度从大到小排序输出。利用颜色特征进行相似性检索的主要流程图如图2-1所示; 图2.1 图象检索流程图 6 基于颜色对的图像检索技术 厦门大学学士论文 2.3颜色检索示例表示 对颜色直方图方法来说，采用示例方法QBE(Query By Example)，通常示例可以使用以下方法给出; (1)指明颜色组成;该法需要用户对图象中的颜色非常敏感，而且使用起来也不方便，检索的查准率和查全率并不是很高。 (2)指明一幅示例图象;通过与用户确定的图象的颜色直方图的相似性匹配得到查询结果。 (3)指明图象中一个子图;分割图象为各个小块，然后利用选择小块来确定图象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)来查询图象。该方法是本论文的所采用的方法。 2.4颜色对的基本思想 由于颜色特征不能表达图象中对象的局部特征，因此，我们可以用颜色对的方法模型化对象边界。如2.1表所示将2幅图象分成3x3个小块，网格中的数值代表该小块的灰度平均值。把图象a中左上角的小块与右下角的小块交换形成图象b。如果用直方图方法，两幅图象是没有区别的。但如果用颜色对方法，仅考虑左右相邻小块的距离，两幅图象的颜色对列表如表2.2所示; 1 2 3 9 2 3 4 5 6 4 5 6 7 8 9 7 8 1 图象a 图象 b 表2.1 图象分块 距离 颜色对个数 1 6 7 距离 颜色对个数 1 4 基于颜色对的图像检索技术 厦门大学学士论文 7 2 图象a 图象 b 表2.2 2副图象的颜色对列表 这样，目标的空间特征就表现出来了。对于每一幅图象，如果考虑每个小块与周围8个小块的距离，那么目标的平移，旋转将不影响检索结果，达到了利用颜色特征进行图象检索的效果，这是用普通的直方图方法无法办到的，因此它大大提高了检索的成功率。以下介绍颜色对方法的基本思想和它的实现算法。 2.5颜色对的检索方法 一般来说，对图象分块越多，则反映的边缘特性越精确，但是计算量也相应的增加了，所以需要折衷考虑。对于一般的小于640x480的图象，分成20x20个左右的小块是比较合适 的。这样，每块大约有20x20个象素，然后按以下步骤进行检索; (l)对每一小块产生直方图，并将R、G、B值按转化为Y、U、V值。 公式如下: 公式2.1 (2)统计Y、U、V三个直方图的平均值，得到标号为的小块的平均直方图，该直方图用于计算块间的差值。在统计时，只有直方图大于门限值的值才参与运算。采用门限值是为了消除由于噪声引起的颜色干扰，这些干扰通常是随机的，值也很小。我们把平均值作为单元颜色信息存在数组里。 (3)计算每个小块与周围八个相邻小块的平均直方图之间的差值，对于相邻的标号分别为，的两个小块构成的比较对，每个小块的直方图分别为;、了，则这两个直方图间的差值用如下距离公式表示为; 8 基于颜色对的图像检索技术 厦门大学学士论文 公式2.2 这样可以产生一个类似于颜色直方图的距离直方图，横轴表示距离值，纵轴表示具有这-距离值的颜色对个数，从大到小扫描距离直方图。距离值越大， 说明 关于失联党员情况说明岗位说明总经理岗位说明书会计岗位说明书行政主管岗位说明书 颜色对越明显。去掉那些出现次数小于门限的颜色对。把距离值个数填入颜色对列表中。 从差值表中挑出Y种差值最明显的比较对。Y值可根据需要确定，这里取Y=16。这Y种比较对在查询时代表查询图象的特征，称为查询比较对。 (4)搜索图象库里的图象image[i]，对这些图象利用上述步骤计算每个图象的差值表，然后比较查询图象和库中图象的差值表。设示例图象的比较对的颜色特征差值表为，即距离值为j的比较对个数为外，库中图象的比较对的颜色特征差值表为g，，则基于查询比较对距离值的相似性测度公式为; 公式2.3 其中，N为查询比较对数目。当两幅图象相同时，此相似性测度为1，如果完全不相似，则相似性测度接近于O。 2.6对颜色对方法的改进 为了能使上述方法对图象的大小变化、旋转以及细微的光照变化不敏感，需要对此方法进行改进。可以从以下几个方面来进行; 1.颜色的归一化处理 对颜色值进行归-化处理可以去除光照变化或阴影等的影响。由于计算机图象可直接得到R、G、B值，归一化处理可基于R、G、B进行。设r、g、b分别表示三个颜色的归一化分量，用公式2.4表示的归一化颜色分量r、g、b不受原颜色分量中光照变化及阴影的影响。 公式2.4 9 基于颜色对的图像检索技术 厦门大学学士论文 2.对差值表构造的改进 用归一化颜色来表示计算可减少光照变化等的影响。同时，为去除背景噪声的干扰，实际应用中只选取距离值大于某个阈值的比较对。另外，为突出形状边缘，减少对颜色变化的敏感性，需要对颜色直方图进行平滑处理。 设原图象中子块直方图为，平滑后直方图为[i]，则平滑算法定义如下; 公式2.5 参数k决定平滑程度，一般可取灰度级的2%左右。 用平滑后的直方图计算比较对之间的距离，并且用此距离来构造颜色特征差值表，这样可以把图象中色彩的变化与光照的略微变化过滤掉，进一步突出图象对象的边缘信息。 3.相似性测度的改进 相似性测度公式的改进是为解决目标大小和伸缩变化等造成的影响。当图象中对象大小发生变化时，同样距离值的比较对出现的次数就会不同，且总的有效比较对个数也会随对象大小而变化，为了使相似性测度与目标大小无关，将公式(2.3)进行改进。 设示例图象的比较对的颜色特征差值表仍为，库中图象的比较对的颜色特征差值表仍为，，将和分别除以总的有效比较对数N，形成新的差值和，则相似性测度可表示为; 公式2.6 2.7基于颜色对算法的实现 本算法也需要将图象分成子块，计算颜色直方图。 该算法主要在于对颜色对表示结构的实现，颜色对是某-图片的代表特征，因此在程序中必须有定量表示。 由于采用两个子块颜色直方图的欧氏距离表示颜色对，则计算某一子块的颜色对表就是按八方向计算其与周围的子块之间的欧氏距离。 10 基于颜色对的图像检索技术 厦门大学学士论文 将计算结果存放于一个的数组中，然后将这个数组从大到小排序，排序完成后再将数组中相互之间差值小于某一域值的颜色对去除，域值取8个颜色对的平均值的%(1<5)，这个通过按序两两比较再移动数组里的变量实现。 然后将结果先填入图象的特征颜色对表。该表有个变量，是一个结构数组，结构记录用户选定子块的坐标和与其相对应的被选中的颜色对值。 最后，对m个选定的子块依次计算完毕，就可以调用SortColorPair()函数，对特征颜色对表作出处理;先从大到小排序，然后去除差值小于总平均值的%的特征颜色对。 在比较的时候，按顺序计算出目标图象的子块颜色对表和以上的特征颜色对表匹配，如果匹配到，则标记该颜色对(设定另-标记数组)，并且将匹配数变量加1，如果最后匹配到的数目是%(60<100)以上，可认为目标图象被搜索到。 11 基于颜色对的图像检索技术 厦门大学学士论文 第三章 系统的实现 3.1开发工具的选取 本文开发的基于颜色的图象检索系统是在Windows XP操作系统平台下，采用Visual C++ 6.0开发的。 Visual C++是Microsoft公司Visual Studio开发工具之-，由于VC与Microsoft Windows 结合得非常好而且功能强大，因此是当今最流行的软件开发工具之一，是程序员的首选编程利器。它简化了Win32应用程序的编写，使得程序员能够深入到Windows的结构体系中，此外它能够快速、简便的生成高效代码，极大的减轻了程序员的负担，提高了程序的设计效率。 3.2系统介绍 根据对实验系统的特征提取、相似度计算的设计，开发了基于颜色对的图象检索实验系统。在具体的系统开发过程中，考虑到网络可扩展性与使用方便性，本文选用VC++程序设计语言，在Windows XP下完成。 该系统支持用户以给定示例图的方式检索本地图象库中的相似图片，用户只需根据提示选择示例图和想要检索的图象库，并选择4个匹配小分块，系统会自动对示例图和图象库进行匹配块的颜色对比较，并计算示例图与图象库中每幅图片的相似度，最后按相似度大小排序输出显示给用户。 该检索系统的特点; 1) 灵活。示例图象所选择的示例可以是本地主机上的任何一幅图片，用户可以选择本地 任意一个图象库检索与示例图片相似的图片。 2) 方便。提供图形化用户界面，方便用户操作。 该检索系统的缺点:目前只能读取BMP任意大小的图象，暂不支持其它格式的图象。 12 基于颜色对的图像检索技术 厦门大学学士论文 3.3系统结构 本系统结构如图3-1所示: 图3.1 系统结构图 3.4系统详细设计 1.查询接口 面向用户，包括选择关键图、选择图象库和选择4个匹配小块。 2.特征提取模块 用户根据提示选择关键图中感兴趣的4个子块，系统分别计算给定子块的颜色对并分别对4个子块的颜色对表按大小排序，将颜色对表中差值小于某一阈值的颜色对删除以消除那些没有意义的研究对象，将每个子块最后计算出来的颜色对表填入该图象的颜色对表，然后对颜色对表进行从大到小排序，最后选定图象颜色对表中值较大的几个颜色对作为该图象的特征颜色。 3. 特征匹配模块 关键图与图象库中的每-幅图片通过特征提取模块分别得到其特征颜色对后，通过特征匹配模块计算相似度，匹配时采用非精确匹配，设置颜色对误差小于2%的图片也属于符合匹 13 基于颜色对的图像检索技术 厦门大学学士论文 配的条件。 4.图象显示模块 该模块从特征匹配模块的匹配结果中获得与关键图最为匹配的几幅图象的路径信息，根 据该信息将图象按照相似度从大到小排序输出显示给用户。 3.5主要类方法和函数 3.5.1位图类 该系统的实现，没有采用数据库的形式，直接以文件夹的形式调用图象库。该类用于图片的加载与显示，类定义如下 class CPicture { public; CPicture(); virtual ~CPicture(); private; IPicture *m_pic; HGLOBAL hGlobal; public; HBITMAP LoadPicture(char * FileName); HBITMAP LoadPicture(char * FileName, HDC hdc); VOID FreePicture( VOID ); HDC _GetDC ( VOID ); HBITMAP _GetHandle ( VOID ); DWORD _GetWidth ( VOID ); 14 基于颜色对的图像检索技术 厦门大学学士论文 DWORD _GetHeight ( VOID ); BOOL DrawPicture(HDC hdc,long x,long y,long cx,long cy); }; 3.5.2 主要函数 考虑到篇幅的关系，仅列出颜色对的具体程序算法 颜色对具体算法实现如下; //计算子块(x，y)的颜色对表，采取，“八方向邻接技术” int CBmpProc;;CaleulateColorPair(intx，inty) { //颜色对采取欧氏距离来描述 double o_dis[8]; for(int k=0;k<8;k++){ o_dis[k]=0; } //计算(x，y)与周围所有子块的颜色直方图的欧氏距离 for(int i=0;i<256;i++){ if((x-l)>=0&&(y-l)>=0) o_dis[0]=o_dis[0]+(Color[x-1][y-1][i]-Color[x][y][i])* (Color[x-1][y-1][i]-Color[x][y][i]); else _dis[0]=-l; o if((y-1)>=0) o_dis[l]=o-dis[l]+(Color[x][y-l][i]-Color[x][y][i])*(Color[x][y-1][i] -Color[x][yJ[i]); else o_dis[1]=-1; if((x+1)<=3&&(y-1)>=0) 15 基于颜色对的图像检索技术 厦门大学学士论文 o_dis[2]=o-dis[2]+(Color[x+1][y-l][i]-Color[x][y][i])*(Color[x+][y-1] [i]-Color[x][yJ[i]); else o_dis[2]=-l; if((x-l)>=0) o_dis[3]=o_dis[3]+(Color[x-l][y][i]-Color[x-1][y][i])*(Color[x-l][y][ i]-Color[x][y][i]); else o_dis[3]=-l; if((x+1)<=3) o_dis[4]=o_dis[4]+(Color[x+1][y][i]-Color[x][y][i])*(Color[x+1][y][i] -Color[x][y][i]); else o_dis[4]=-l; if((x-l)>=0&&(y+l)<=3) _dis[5]=o_dis[5]+(Color[x-1][y+1][i]-Color[x][y][i])*(Color[x-1][y+1o ][i]-Color[x][y][i]); else o_dis[5]=-l; if((y+l)<=3) o_dis[6]=o_dis[6]+(Color[x][y+l][i]-Color[x][y][i])*(Color[x][y+l][i] -Color[x][y][i]); else o_dis[6]=-l; if((x+l)<=3&&(y+l)<=3) o_dis[7]=o_dis[7]+(Color[x+1][y+l][i]-Color[x][y][i])*(Color[x+1][y+l ][i]-Color[x][y][i]); else o_dis[7]=-l; } 16 基于颜色对的图像检索技术 厦门大学学士论文 for(intj=0;j<8;j++){ if(o_dis[j]>=0) o_dis[j]==sqrt(o_dis[j]); } //欧氏距离计算结束 int flag=0; int num=0; for(int pairmum=0;Pairnum<32;pairmum++){ if(pair[pairmum].x!=-l){ num++; } }//因为在计算子块的颜色对表的时候己经写了特征颜色对数组，因此要先统计-下特 征颜色对数组里已经有多少有数值了，以便下次的写入可以接在后面，而不至于覆盖 了前面的数值 //计算颜色对差值小于某个“域值”的这个域值 double ave=0; for(int e=0;e<8;e++){ ave+=o_dis[e]; } ave=ave/8; ave=ave*0.02;//采取与子块周围颜色对的平均值的2%计为域值 //对该子块的颜色对表进行从大到小的排序，采取冒泡排序 int count=8; double temp; for(int i1=count; i1>0; i1--) { for(int j1=0;j10) { pair[num].x1=x; pair[num].y1=y; pair[num].o_dis1=o_dis[scan]; num++; } } } //计算该图象的最终确定的特征颜色对表 //对四个子块的颜色对表排序 void CImageRetrievalDlg;;SortColorPair() { //32个数据项中有count个实际数值 for(int count=0; count<32; count++) { if(pair[count].x1 == -1) break; } //对颜色对表从大到小排列序(冒泡排序法) //对颜色对表从大到小排列序 struct pairs temp; for(int i=count; i>0; i--) { for(int j=0; j