外文翻译-提取颜色特征和动态匹配的图像数据库检索

外文翻译-提取颜色特征和动态匹配的图像数据库检索 系 别 专 业 班 级 学生姓名 学 号 指导教师 提取颜色特征和动态匹配的图像数据库检索 摘要 基于颜色的索引是在图像数据，数据库检索的重要工具。与图像的其他特征相比，颜色特征对噪声和背景的并发症较不敏感。基于颜色信息的人眼视觉系统的感知，本文提出了一种依赖的标量量化的方法来提取图像的颜色特征的特征颜色。的特征的颜色被适当地布置，以获得特征矢量的序列。使用特征向量的该序列中，一个动态的匹配方法，然后采用以匹配数据的基本图像的非平稳识别环境中的查询图像。实证结果表明，该特征颜色是可靠的颜色特征的图像数据库检索。此外，所提出的匹配方法具有可接受的图像检索的精度与现有方法进行比较。 关键词:取色，显色指数，动态匹配， 图像数据的基础检索。 引言 工作站和网络技术的快速发展作出了可视通信服务越来越受欢迎。这项服务的一个应用是让网络用户可以查看远程图像数据库 - 例如，一个商标数据库，多媒体数据库等，在其工作站上的材料。为了使本申请中现实的，有效的索引和 [1][2]图像数据库检索是必不可少的。在和 ，纹理的关键字被描述为对图像索引和检索的手段。这种方法将搜索的关键字记录的图像数据库，以及相关的图像检索 [3]的纹理搜索的完整性。 利用计算机视觉技术的一些方法也正在考虑。在计算机视觉，物体的识别始终是主要任务。传统上，该识别是基于对象的，例如，灰色空间的瞬间，该区域的极值点，和取向的几何特征。这种装置的识别从变化的几何特征在场景中，最重要的患有:在对象的背景的干扰，从各种观察点，闭塞，改变图像的分辨率，以及不同的照明条件查看对象。 相反，颜色不同于图像辐照度，可以用于计算独立于场景几何的变化的图像 [4]的统计数据。随着彩色型功能的帮助下，斯温以及巴拉德已经提出了一个色指 [5]数法 ，称为直方图相交法。在他们的方法，他们使用的颜色直方图来创建三维( 3 - D)的直方图区间为每个查询的形象。在3 -D垃圾桶，然后用这些数 据的基础图像使用直方图匹配值匹配。虽然这种方法在许多情况下非常有用，表 [18]现在改变照明显著下降。为了缓解这个问题，凡特和芬利森已经扩展斯温的方法来开发称为色彩时时彩索引的算法，它通过颜色比直方图匹配识别对象。参考 [18]文献报道，凡特的算法确实比斯温的下固定照明略差，但在不同的光照比斯温 [19]的显着改善。近日，斯莱特和希利得出的地方色彩不变量，约光谱反射率的分布，捕捉信息，以识别具有良好的精度三维物体。斯莱特的算法是独立于对象的配置和场景照明，但处理图像的计算成本是很高的。 [6] 另一方面，Mehtre等开发了距离的方法和参考颜色表的方法做颜色匹配的图像检索。的距离的方法使用每三个颜色分量作为特征的一维(1-D)的直方图的平均值。然后这两个特征向量，其中一个是从一个查询图像，而另一个是从一个数据的基本图像之间的距离的量度，被用来计算两个特征向量的相似度。在基准色表的方法中，一组的基准色的第一定义为一个颜色表。在彩色图像中的每个像素的颜色被分配到最接近的颜色在表中。用新分配的颜色的像素的直方图，然后计算作为图像的颜色特征。的图像检索中，查询图像的颜色特征进行匹配，在该数据的基础上的所有图像由一个相似性度量，以获得正确的匹配。 从上面提到的基于颜色的方法，其中使用了颜色直方图作为不同的特征，在本文中我们建议的一个图像作为识别特征的代表性颜色的使用。此方法类似于人类视觉系统确实捕捉到的图像的颜色信息是什么。当从一定距离观看所显示的图像，我们的眼睛整合到内的小区域平均出某些细节和感知的图像的代表颜色。代表颜色，在本文中称为特征的颜色，是由相关的标量量化(DSQ)算法提取并责令其获得的特征向量序列。匹配的查询图像和各数据的基本图像之间的特征的颜色是通过使用动态匹配方法，该方法是基于动态规划方程，以克服不同视点的图像，闭塞的，并且不同的照明条件，并获得达到最佳匹配路径。动态规划方法已经显示出巨大的潜力，解决光学字符识别(OCR )，特别是语音识别困难的问题。结合DSQ算法和动态匹配方法，一种机制，提出了图像数据基部检索。我们展示了一组实验，比较了现有的方法与建议的机制的性能建议的机制。 Fig. 1. The partition of color space by the DSQ. 本文的结构如下:第二节将提出该方法提取特征颜色的颜色特征。第三节介绍了如何使用建议的颜色特征来进行图像数据，数据库检索的任务。第四节 报告 软件系统测试报告下载sgs报告如何下载关于路面塌陷情况报告535n,sgs报告怎么下载竣工报告下载 是提出的匹配方法的仿真结果。第五节是结论。 二 方法颜色特征提取 在人类的早期知觉阶段，类似的颜色被组合在一起来完成的识别的任务。基于这个假设，我们提出了一个计划，在本节将类似颜色的图像，并提取特征的颜色作为识别的特征。所提出的方法提取的颜色特征是相似的调色板图像的 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 。它需要原始全色图像的量化到有限的彩色图像。在众多的方法来调色板的设计[7]，[8]，提出沛城的DSQ方法[9]已被证明有良好表现。我们采用DSQ的方法来生成包含作为颜色特征的特征颜色的调色板。这种方法的调色板的设计下面会进行检讨。 A相关标量量化 如显示在图1，图像中一个相关的方法，以充分利用图像的颜色分量的相关性的方法DSQ分区的色彩空间。所用的分区是一维矩保持(MP)技术。在MP量化器的优点是，输出可以写成闭合形式[10]。当使用另一种保真度准则，诸如均方误差(MSE)[11]，它通常是不可能获得的量化一个封闭形式的表达式。而且，利用此DSQ程序，计算成本是相当小的。 该DSQ主要包括两个阶段，即，比特分配和递归二进制MP阈值。假设一套图像的所有网格点的用I表示，其成员属于I可明确地写为I(x，y)，其中X是行索引Y索引是列索引。I 的颜色值表示为，其中I是相关联的颜色分量I=(I1，I2，I3)的值。 1)比特分配:如果DSQ期望成为无监督，在各颜色分量的阈值电平的数目，必须决定先验。由于阈值电平的数目可以由两个功率来表达，我们选择位来表示总的阈值水平。的比特分配的目的是自动的比特给定的配额分配给图像的各个色彩分量，即，比特的固定数目B具有对颜色分量之间进行划分，I1，I2，I3。比特分配方法通常以颜色分量具有较大方差和较少的比特给那些具有较小方差分配更多的比特。之所以这样选择是，如果数据被非常摊开在一个特定的颜色成分，那么推测在该组件中的数据是比其他更密集组合的部件更显著。 它的显著成分应以降低的量化误差被赋予更多的比特。如果该概率密度函数是相同的所有元件为I1，I2，I3，除了或者其方差的近似解，以各成分的Bi的位分配是由[12] 给出。其中Q2是组分II的方差。的比特分配之后，对于i= 1,2,3已确定每个组件2BI-1的阈值电平的数目。然后，循环二进制MP阈值被用于分区的每个组件。 2)递归二进制阈值MP:采用一种颜色成分II的二进制阈值MP，总像素被阈值处理成两个像素的类，也就是说，低于阈值的像素和上述阈值的。的二进制MP阈值的问题，如图图2(a)所示，是选择一个阈值，TI(1)例如，如果所有的低于阈值的像素分量值是通过zi0取代，这些都高于阈值的像素都设置为ZI1，那么第3的颜色分量FF为图像N的时刻被保存在所得到的2值图像。给定每个像素的颜色值，颜色分量Ii的阶矩MIJ被定义为 其中，L是在Ii直方图总经销水平和NIK是像素具有值ZIK数量 - 在Ii直方图。 让PI0和PI1表示低于阈值和阈值以上的像素，在设定的二进制MP阈值后的图像的I分数。然后仅仅是2级图像的所得到的第J个II矩 如果我们保留最终两级图像等同于原始图像?MIJ= MIJ，J=1,2,3前三II的时刻，我们得到以下矩保持方程: 现在正在考虑分割色彩分量ZZ到2BI区间，我们使用二进制MP阈值技术递归地获得，而不是直接应用多阈值技术，如[ 10 ]所需的阈值水平。的颜色分量ZZ的范围内，与边界值为零， L- 1时，首先分割成两个时间间隔[0 ti(1)]和[ TI(1)中，L-1 ]，其中TI(1)表示的通过获得的第一个二进制MP阈值的阈值。然后在区间[ 0 ,ti(1)]被划分成两个子区间[0，ti(2)]和[ ti(2)，ti(1)]，其中ti(2)是由第二二进制MP获得的阈阈值。同样[ TI(1)中，L -1] ，被划分成两个子区间[ ti(1) ，ti(3)]和[ ti(3)中，L-1]由第三二进制MP进行阈值RI = 2BI -1 。上述过程示于图。 2 。如果我们继续该过程递归地使用二进制MP阈值时间，并根据其值的命令所得到的阈值时，输出电平阈值的ti(1),ti(2),ti(3),.. ti(ri)将来确定，即，德州仪器(L) < =德州仪器(M)对于L < = M。 3).DSQ算法:基于比特分配和递归二进制MP阈值的上述讨论，该算法以生成DSQ调色板可作如下说明。 步骤1)输入的图像，并利用该位分配过程，以确定每个颜色分量的总的阈值水平。 步骤2)请在ZZ递归二进制MP阈值，并计算相应的阈值水平T1(L)，1<= L<= R1 。 步骤3)执行下列操作步骤R1+1次: 3.1)上执行的像素I2递归二进制MP阈值内的矩形框由[t1(L)，t1(L1)]范围内，并计算相关的阈值电平t2(L，M)，1<= M<= R2 。 3.2)，请执行下列操作步骤R2+1次: 3.2.1)计算内的长条限制[t1(L)，tI(L +1)]和[t2(L，M)，t2(L，M1上的象素的I 3递归二进制MP阈值)]，并计算相关联的阈值水平t3(L，M，N)。中，L<= N <= R3 步骤4)步骤2通过形成一个立方体内指定的颜色点的质心)和3)的彩色调色板的颜色特性。 B颜色特点的DSQ方法 使用DSQ方法后，图像的输入色 被组合成M个不相交的集合，Cs，1<= S<= M，M=2B。 是预定的颜色调色板的大小。在每一个设置Cs，有选择的特征颜色QS。这些特性颜色 构成调色板。我们定义Q ={QS:S,，[1，M]} 作为组表示的原始图像的颜色特征。 Fig. 4. The images of 27 objects in the first data base. 该DSQ方法需要R1 +(R1 +1)R2 +(R1 +1)(R 21)R3 = M-1 次二进制MP阈值来完成色彩 空间分区。这需要约3L乘法运算 二进制MP阈值。所以，总的乘法 对于递归二进制MP阈值将是大约3L(M-1) 。 此外，色空间由DSQ分区 在图中所示的方法。 1导致特征的颜色来 可以通过层中的3-D空间分布层。我们安排 这些特征的颜色在1-D的方法，以处理 它们有效地在图像数据基恢复的机制。 如该图所示。 3，特征颜色是有序 按顺序在一维的方式，其中S表示的索引 相关的特征颜色。该指数的值是 从底层上升到上层。通过 这个顺序，相邻两个指标将代表两个 视觉上接近的颜色。该图像可以由一个代表 特征矢量序列。 为了说明提出的颜色特征提取方法,我们选择了三个测试的图片数据基地27图像,图4所示。红,绿,蓝(RGB)图像数据库的159 * 119大小在八个比特编码为每个颜色组件。对于每个测试图像,我们利用DSQ方法,分配三位颜色组件,获得一个颜色的特性集Q大小8。(1)设置B = 3,我们获得了Bi = 1 = 1,2,3。 (a) (b) (c) 因此,二进制议员阈值为每个颜色组件使用一次颜色空间的顺序分区图1所示。在图5中,我们显示测试图像,对应的颜色特性集,和量化的图像,使用颜色特征在每个颜色特性集,形成相关的颜色。从图5(c)注意到,在量化图像颜色信息,相应的测试图像相似。也就是说,每种颜色的特性集的特征颜色图5(b)可以代表颜色信息在相应的形象。因此,由我们的DSQ颜色特征提取方法是可靠的,能够被用作图像的颜色特征。 三 机制图像数据，数据库检索 本节将介绍如何使用功能的序列载体，其是特征的色彩由所提取的 DSQ的方法，从数据的基础识别查询图像 图像。识别问题可以描述为 如下。如果Iq的是查询图像和Ib的图像中的一个 在该数据的基础上，尽量减少失真D(IQ，Ib)中的Iq之间 和Ib。 因此，目标是找到一个图像中的数据的基础上 其变形满足 其中SB是数据的基础图像的数量。关于 两个图像之间的失真D，我们将它指定为 特征矢量的两个序列之间的距离。至 计算该距离，这两者之间的度量亲近 特征向量有被发现。因为每个特征向量是 一个特征颜色，本文所采用的措施是 颜色距离。然后，我们将介绍一个动态匹配方法获得的两个序列之间的距离 特征向量。 A色彩距离 色彩空间来描述颜色接近人类感知在基于颜色感知相似度计算色差的关键。 RGB颜色空间，这通常是用于在色彩处理系统，图像采集卡，不携带的颜色直接信息。例如，人们由他们(R ， G，B )三重颜色之间不能区分。相反，以RGB色空间中，凭经验确定色相，明度，饱和度( HVC)的空间，这是一个变体蒙赛尔色空间中，表示在triattributes方面的色彩人类色彩感知。哈弗内尔等。 [ 16 ]发现该HVC色彩空间提供了最好的性能(使用查询和数据库之间的相似性的人为判断图像)，用于与各种颜色空间的实验。基于所述HVC空间处理彩色图像时，现有加工误差，可根据待评估人类如何人类感知的错误。来计算色差HVC色彩空间，我们采用Godlove公式[ 13 ] ，而不是的欧几里德距离度量。 Godlove的公式定义颜色差异直接关系到美国国家 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 局(NBS)单位的色差，这是评估色差[ 17 ] 。 有几种方法来之间的数学变换 RGB和HVC色空间。在此所用的改造 本文涉及到CIE XYZ色彩空间。如果一组RGB颜色的 给定数值，颜色值从RGB转化 颜色空间到HVC色空间是如下[14]。 步骤1)RGB颜色值首先转换成XYZ 色值 步骤2)关心的是人的视觉非线性过程 模型的执行 步骤3)HVC色值是由以下公式获得 B动态匹配方法 如果识别该查询图像的条件 一致，相同的对象的图像中捕获的不同 瞬间也不会相差太多的颜色直方图的 组件。其相关的特征的位置 因此，颜色相同的索引将接近。在这种情况下， 特征矢量的两个序列之间的距离 可以被定义为颜色距离两者的总和 颜色特征具有相同索引秒，DQ，B(S)。 然而，由于不同的图像，遮挡的观点出发， 和不同的照明条件，用于识别所述环境 查询图像的非平稳。为了找到颜色距离 特征矢量在这些情况下两个序列中，我们 提出了一种动态匹配方法，在图中描绘。图6(a)所示， 其中输入序列A和B沿开发 水平轴和垂直轴分别。我们尝试 发现，代表两个输入端之间的最佳匹配路径 序列。这个最佳匹配路径显示为在序列C 图。图6(a)。获得这场比赛的路径后，我们再计算 色彩距离每一对配对的特征颜色， 这是由A和B的特征向量。最后，在距离 间的特征矢量的两个序列被定义为 总和这些颜色的距离。 匹配函数F(A，B)由序列A的轴线上的该序列C可以被认为是代表输出 序列B的。在图图6(a)，我们假设A和B 表示为 其中S是特征性颜色的索引和M是 长度序列。 A，S和BS是颜色特征 用色值(I1，I2，I3)。匹配函数表示为 如 其中，c(N)=(十(N)，K(N))。当没有差异 A和B之间的匹配功能的重合 对角线J =i。它进一步偏离对角线 作为差增大。 匹配过程是通过使用正常地进行 动态规划方程[15]。在我们的例子中，方程由下式给出 其中A(j，k)是距离的部分和与点(j，a) 沿从点的最佳路径(1,1)的点(j，k)及DAB(j，k) 介于两个匹配特征的颜色距离 向量或特征的颜色。 图6(b)示出了如何获得距离的部分,在(10)中，我们采用色差从Godlove的公式 其表示在(9) 计算DAB(j，k)。 (a) (b) 色彩的距离DAB(I，J)由(10)将在求和 获得匹配函数F时达到其最小值以便最佳地调整序列之间的差异 A和B。这个最小距离值D(A，B)是 然后表示为序列A和B之间的距离。 TABLE I COMPARATIVE PERFORMANCE: QUERY IMAGES FOR DATA BASE I TABLE II COMPARATIVE PERFORMANCE: QUERY IMAGES OF TABLE I WITH DISTORTION TABLE III COMPARATIVE PERFORMANCE: SCALED QUERY IMAGES FOR DATA BASE I 动态匹配的计算复杂性 方法，主要是由于确定在(10)的部分和 每个点(J，K)。在(10)，它需要三个加法计算， 一种颜色距离计算由Godlove的公式，和一个比较。的加工点的总数(J，K) 正比于M2。如果M是小，例如，8 在下面的实验中，这不会花费太多 计算开销。 四 实验结果 为了说明所提出的匹配方法的性能，我们建立了27查询图像，如图所示。图7(a)。与图中所示的第一数据的基础上进行比较。4，如示于图中的对象。图7(a)的平移，旋转，和闭塞。对于这些查询图像，我们运用: 1)斯温的直方图相交法[5]; 2)Mehtre的距离的方法[6]; 3)Mehtre的参考颜色表法[6]; 4)建议的动态匹配方法，以查看是否在查询对象可以从图的数据的基础上加以区分。 4和上述匹配方法的灵敏度，以评估噪声，改变分辨率，以及各种照明条件。 (a) (b) (a) (b) (c) (d) 在实验中使用的颜色空间是RGB space.Concerning建议的匹配方法，所选 择的特征矢量thesequence的长度是8。使用斯温的方法数OF3-D直方图块是 2048。在基准色表的方法，所述参考颜色表包含27种颜色，所建议的[6]。匹配 的百分位[5]为每个查询图像被计算为 其中Nb是在数据库对象的总人数和职级的匹配正确的位置后，匹配的结果 进行排序。 表I示出了上述测试方法将查询图像的匹配成功。正如我们观察到，斯温的和所提出的方法可以正确识别每个查询的形象。 要了解噪音影响匹配精度，我们增加了两组高斯噪声与定义为thesignal噪比(SNR)值的查询图像。其中，Ri和G 1是输入彩色分量的功率。 Rn和GN是噪音颜色分量功率。 信噪比范围从19到22分贝的第一套噪声和7至12分贝第二套噪音。对于每一个查询图像的每一个像素，我们还通过在一个11 * 11的窗口，才能看到这种扭曲会如何影响匹配精度集中在它的平均像素值模糊查询图像。图。图7(b )显示了与上述附加的降级一个查询图像。表二显示的测试方法，这些噪声添加和模糊的图像匹配成功。正如我们观察到，所提出的方法达到更好的匹配平均百分比两者的距离和方法基准色表的方法。它错过了模糊查询图像4查询对象。斯温的方法不具有良好匹配的结果为与第二组噪声的，与所提出的方法相比增加了查询图像。 (a) (b) 在这些实证结果，我们目前的DSQ算法和动态匹配方法的执行时间不超过2秒的CPU时间来处理一个查询图像大小为159 * 119的SunSPARC站10 。这个总时间，是需要的DSQ方法约1秒;左右的第二三分之一是需要与在数据库1的图像与查询匹配的图像。 降低了查询图像的分辨率的影响进行了研究，并显示在表三中。正如我们看到的，所提出的方法进行之中最好的测试方法，特别是对于分辨率9 * 7 。来模拟变化的照明条件下，我们已经通过范围从0.5到1.5为每个查询图像的常数因子乘以所述图像的像素值。所得到的像素值被限制为不大于255。变换后的图像，然后匹配到图3的数据基础。 4 。结果被显示在图8 。在该仿真中，我们还包括凡特的方法[ 18 ]，它是专门设计来是不变的照明。除了我们的方法和凡特的方法，匹配精度显著下降，当因子值接近1.5和0.5 。正如我们所知，每个像素具有一个因子值相乘的效果会导致颜色分量的直方图可以显着改变。对于直方图匹配方法，像斯温的方法与颜色参照表的方法，这种倍增效应，从而降低了匹配精度。由于凡特的方法使用RGB颜色从邻近的场所三倍的比例，其结果是恒定的这个模拟。由于可以验证，凡特的方法对1.5的因子值的最佳性能。另一方面，由于特征矢量的序列的顺序不通过因子的这些值的变化太大，我们的方法通常具有良好的性能与其它检测方法进行比较。然而，在一个乘法因子大于1.5 ，则预期了该方法的匹配精确度将逐渐降低。 此外，我们构建的65商标图像的第二数据的基础上，以测试其他图像数据的基础检索 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 。给定查询图像，我们希望得到图像的列表，从该最相似的颜色在查询图像中的商标数据的基础上。我们抓获了6查询图像，指定从T1到T6，并以手动方式列在每个查询的图像数据库中找到的拟影像。用大小为128* 128的每个数据基地和查询图像由8位“红”，“绿”，“蓝”色成分。数据基和查询图像被显示在图9。设N L是对每个查询图像手动列出的影像数。我们采用上述测试方法，每个查询的形象。然后创建了大小为N l对于每个查询图像的图像列表来检查多少图像都正确匹配。如果N c是这样的匹配的图像的数量，检索效率可以被定义如下: 在表IV中，我们显示每个查询图像的两种颜色空间，RGB和对手色轴[5]的检索效率，具有所示的每个查询图像的概念下面Nl。正如我们观察到，该方法具有比其他测试方法为这个商标检索的情况下更好的平均检索的效率。RGB和其对手的颜色轴的性能是相似的所提出的方法。然而，斯温的方法，对手轴有更好的效果。为RGB空间中的第二个查询图像的检索结果也示于图10。 最后，我们所提出的方法应用到更自然的影像具有更广泛的颜色数据的基础上，为了给更深入地了解其性能。数据 基图。图11(a)是由61的彩色图像，其中有8位的“红”，“绿”和“蓝”的颜色分量进行填充。每一次，我们为了检索最相似的颜色前四名的图像拾取彩色图像从数据库作为查询样本。图。图11(b)显示了图像检索的三个例子。虽然该第一候选人可能不主观地是最好的匹配，它可以观察到所有的检索到的图像包含的颜色含量相当相似于该查询的样品。为了准确地排列检索到的图像，我们知道其他的功能，如形状，质地和颜色 直方图也可以采用。这种方法仍然是开放的进一步研究。 五 结论 本文介绍了颜色特征提取的图像检索的方法。这种方法称为DSQ ，类似于一个调色板的图像的设计。该DSQ方法首先提取的特征的颜色，其中包含图像的颜色信息，通过顺序地量化颜色分量。所选择的特征的颜色，然后命令获得的特征向量的序列。使用特征向量，匹配的方法，被称为动态匹配方法的这个序列中，提出了进行图像数据的基检索的任务。该方法主要是基于动态规划方程，得到特征向量的两个输入序列之间的最佳匹配路径。用于获得最佳匹配路径的色彩距离是 Godlove的公式为HVC色空间。实验结果表明，该特征颜色是可靠的颜色特征的图像检索。所提出的匹配方法具有可接受的图像检索的精度，在第四节中提到现有的颜色索引方法相比。此外，我们已经分析了双方的DSQ方法和动态匹配方法的计算复杂度。我们的研究结果表明，该方法是可行的实施。 参考文献 [1] T. L。国井，可视化数据库系统。荷兰阿姆斯特丹:爱思唯尔，1989 。 [ 2 ] E. Knuth的和LM韦格纳，可视化数据库系统II 。荷兰阿姆斯特丹:爱思唯尔，1992 。 [ 3 ] RM Haralick和LG夏皮罗，计算机和机器人视觉。阅读， MA : Addison-Wesley出版社，1993 。 [ 4 ] G.希利， “使用颜色的几何形状不敏感的分割， ” J. Opt.Soc 。阿米尔。 A，第一卷。 6 ，页920-937 ， 1989年6月。 [ 5 ]斯温兆焦耳和DH巴拉德， “显色指数”诠释。 J. COMPUT 。视力，第一卷。 7 ，没有。 1 ，页11-32 ， 1991年7月。 [ 6 ]兽王Mehtre ， MS Kankanhalli ，公元Narasimhalu和GC人， “颜色匹配的图像检索， ”模式识别。快报。 ，第一卷。 16 ，页。 325-331 ， 1995年3月。 [ 7 ] P. Heckbert ， “彩色图像量化为帧缓冲显示， ” COMPUT 。图中，第16 ，没有。 3 ，页297-307 ， 1982年7月。 [ 8 ] MT果园和CA布曼， “图像的颜色量化”，硕士 论文 政研论文下载论文大学下载论文大学下载关于长拳的论文浙大论文封面下载 。信号处理中，第一卷。 39 ，页2677至2690年， 1991年12月。 [ 9 ] SC沛和郑楚明， “彩色图像的相关标量量化”，硕士论文。电路系统自动化视频学报，第5 ，第124-139 4月1995 [ 10 ] W.仔“时刻保护阈值:一种新的方法， ” Comput.Vision ，图表，图像处理，第一卷。 29 ，页377-393 ，1985 。 [ 11 ] SP的劳合社， “最小二乘量化的PCM ”，硕士论文。 Inform.Theory ，第一卷。 IT- 28 ，页129-137 ， 1982年3月。 [ 12 ] A.西格尔， “比特分配和矢量源编码”，IEEE Trans.Inform 。理论上，第一卷。 IT- 22 ，页162-169 ， 1976年3月。 [ 13 ]希Godlove ， “改进的色差公式，以应用到衰落的感知和接受程度， ” J.选项。 SOC。阿米尔。 ，第41卷，第760-772 ， 1951年。 [14] M.宫原和Y吉田， “数学变换的(R，G ，B)的颜色数据，以孟塞尔(H，V ，C)色彩数据”，在PROC 。 SPIE视觉通信和图像处理， 1988年，第一卷。 1001 ，页650-657 。 [ 15 ] R.贝尔曼和S.德雷福斯，应用动态规划。美国新泽西州普林斯顿:普林斯顿大学。出版社，1962 。 [16] J.哈夫纳，HS桑尼， W. Equitz ，M. Flickner ，和W尼布拉克， “高效的颜色直方图索引的二次型距离函数， ” IEEE跨。图案肛门。机智通，第一卷。 16 ，页729-736 ， 1995年7月 [17] DB贾德和G Wyszeki，色彩在商务，科学和Industry.New纽约:Wiley出版社，1963。 [18] BV凡特和GD芬利森，“颜色时时彩索引”，硕士论文。图案肛门。机智通，第一卷。 17，页522-529，1995年5月。 [19] D.斯莱特和G希利，“照明不变识别使用局部颜色不变量的三维物体”，硕士论文。图案肛门。机智通，第一卷。 18，页206-210，1996年2月。 [20]堪萨斯州富，渝太简，和GP卡迪罗，“一个动态规划的方法来序列模式识别”，硕士论文。模式Anal.Machine智通，第PAMI-8，页313-326，1986年5月。 [21] H. Sakoe和S.千叶，“动态规划算法优化的听觉词汇”，硕士论文。音乐器，语音信号处理，第一卷。 ASSP-26，页43-49，1978年2月。