基于彩色直方图的图像检索——jpeg解压缩关键模块

基于彩色直方图的图像检索——jpeg解压缩关键模块内容摘要：

所选择的特征应尽可能表达原始图像的信息。 同时，可以借助一些先进的数学工具来提取图像特征，如基于泛函分析和小波分析的特征数据表示等。 总之，特征提取是检索方法成功与否的关键步骤。 数据库检索技术 应选择一种最有效的数据库查询方法来检索目标图像，而且在构造数据库时应充分考虑查询的方便性。 因此，数据库检索技术是图像查询效率的最直接反映。 综合查询技术 由于图像内容特征可由颜色、纹理或形状等表示，因此可以综合这些特征作为图像的总体特征进行查询，同时，还可以利用一些客观属性 (如时间等 )作为辅助查询。 基于彩色直方图的图像检索步骤 图像 特征提取 对图像数据进行自动或半自动的特征提取，提取用户感兴趣的、适合检索要求的特征。 特征提取可以是全局性的，如整幅图像，也可能是针对某个目标，如图像中的子区域等。 基于彩色直方图的图像检索 JPEG 解压缩关键模块 6 图像匹配 在选取了特征之后，需要选择或寻找适当的 判别准则，从而判断出待识别的图像的特征与数据库中的哪些图像的特征最接近。 常用的度量准则是距离度量法。 距离度量 图像检索的性能不仅依赖于所抽取的图像特征 , 而且也与所采用的距离度量或相似度量函数密切相关 . 所谓相似度量函数 , 就是根据某些预先设定的准则来计算并返回两个图像之间的相似度 . 为了确定合适的相似度量函数 , 我们对不同的距离度量进行了实验 , 例如 , L p 距离、余弦距离等 . 我们在实验中发现 , 使用不同的 L p 距离度量均能得到较满意的检索结果 , 并且不同的 L p 距离度量几乎均 给出相同的检索结果 . 因此 , 我们就选取最简单的欧氏距离作为距离度量 [7]. 设 x= (x1,x2,……,xk) , y= (y1,y2, ……,yk ) 为两个图像 , 则它们之间的距离定义为 :d2hist(x,y)=(x1 y1)2+(x2y2)2+ ……+(xn yn)2 ① 结果输出 将满足一定相似性条件的一组候选结果按相似度大小排列后返回给用户。 特征调整 对系统返回的结果可通过浏览来挑选，直至找到满意的结果，或从候选结果中选择一个示例，经过特征 调整，形成一个新的查询。 基于颜色特征的图像检索 颜色特征 在图像的形状、颜色、纹理等特征中，颜色特征是最显著、最可靠、最稳定的视觉特征，是人识别图像的主要感知特征。 相对于几何特征而言，颜色对图像中子对象的大小和方向的变化都不敏感，具有相当强的鲁棒性。 同时，在许多情况下，颜色又是描述基于彩色直方图的图像检索 JPEG 解压缩关键模块 7 一幅图像最简便而有效的特征。 人们对于一幅图像的印象，往往从图像中颜色的空间分布开始。 所有这些都促使颜色成为基于内容的图像检索所采取的主要手段之一。 对于基于颜色特征的图像检索，科学工作者们提出了多种方案。 譬如 颜色直方图、主色调、颜色矩 (Color Moments)，颜色集 (Color sets)、聚类、扫描线投影等检索算法，颜色直方图是目前较常使用的检索方法。 颜色直方图 在颜色检索中 ,颜色直方图是最通用的颜色特征表示形式。 他运用了统计学的方法 ,表示出 3个颜色通道分布密度的联合概率。 1990 年 Swain 和 Ballad 提出了直方图相交算法 ,其成为这一方面的奠基性工作 ,目前这一算法仍被广泛使用。 颜色直方图是刻画图像颜色信息的一种有效方法。 从概率的角度讲 ,颜色直方图反映的是 3 个颜色通道强度的联合概 率 [1]。 一幅图像的颜色直方图空间 H可以定义为 : 其中 h[ck]表示第 k 种颜色出现频数。 颜色直方图的主要特点有 :他只包含了该图像中某一颜色值出现的频数 ,而丢失了某象素所在的空间位置信息。 任一幅图像都能惟一地给出一幅与他对应的直方图 ,但不同的图像可能有相同的直方图 ,也就是说直方图与图像是一对多的关系。 纹理特征 在许多类图像中 ,纹理是一种十分重要的特征。 例如 ,大部分航空和卫星遥感图像、医学显微图像以及石油地球物理勘探所得到的人工地震剖面图像等 ,都可以看成是由不同类型纹理所组成的。 因此研究对 纹理的描述、纹理图像的分割、分类等 ,不仅是图像处理领域的重要理论研究课题 ,同时也有着广泛的应用前景。 多年来 ,纹理分析方法分为2大类 :统计分析方法和结构分析方法。 前者从图像有 关属性的统计分析出发。 后者则力图找出纹理基元 ,再从结构组成上探索纹理的组成规律。 一般来说 ,统计分析方法能够取得较好的效果 ,所以一直占据着主导地位。 早在 20世纪 70 年代早期 ,Haralick 等提出用灰度共生矩阵来表示纹理特征 ,Weszka 等人从实验基于彩色直方图的图像检索 JPEG 解压缩关键模块 8 中发现由灰度共生矩阵计算出的简单统计量如熵 ,角二阶矩等比复杂统计量更有效。 其他主要算法有 :Tamura 等人提出的多个视觉纹理 (粗糙度、对比度、方向性、线性度、规则度和平滑度 )特征。 Paschos 提出的染色体矩法。 He 等提出一种基于纹理谱特征的纹理抽取方法。 Ojala 等提出用局部二进制模式 (Local Binary Pattern,LBP)进行灰度纹理分类 ,这种方法有较好的尺度和旋转不变性等。 形状特征 形状是刻画物体的本质特征之一 ,在二维图像空间中 ,形状通常被认为是一条封闭的轮廓曲线所包围的区域 ,所以对形状的描述涉及到对轮廓边界的描述以及对这个边界所包围区域的描述。 目前的基于形状检 索方法大多围绕着从形状的外轮廓特征和形状的区域特征建立图像索引。 总的来说 ,形状表示法可以分为 2类 :基于边界的和基于区域的。 前者仅使用形状外边界 ,而后者则用了整个形状的区域信息。 图像特征提取的方法 图像特征提取的好坏，将直接影响着图像检索系统的性能，特征提取是基于内容的图像检索的基础。 特征的提取可以分为手工提取、半自动提取和自动提取。 这在很大程度上依赖于图像处理技术的发展。 从图像中提取出来的图像特征，主要分为三个层次 :低层次、中层次和高层次。 低层次的图像特征是形状、纹理、 颜色、轮廓等图像某一 方面的特征。 高层次的图像特征是在图像中层次特征基础上的再一次抽象，它赋予图像一定的语义信息，是图像所包含内容的一种抽象概括，也是基于内容的图像检索所要达到的最终目标。 本文主要是针对颜色特征的提取进行研究。 直方图 特征 的 提取与图像子块的划分 对图像数据进行自动或半自动的特征提取，提取用户感兴趣的、适合检索要求的特征。 特征提取是图像分析和识别的基础， 特征提取的方法是决定图像检索系统效率的关键。 基于彩色直方图的图像检索 JPEG 解压缩关键模块 9 一般情况下 ,图像的目标形状可以通过图像分割获得。 但是 ,图像分割是图像分析中公开的难题 ,尤其对于场景复杂 的图像 ,通过分割直接提取有意义的形状特征几乎是不可能的。 为了避免图像分割的困难 ,文中采用几何划分的方法对图像进行局部特征提取 ,并用特征组合描述整幅图像。 本文将图像划分成大小相等的栅格状区域 ,提取每块的颜色直方图作为特征矢量。 用具有视觉一致性的 HSV 颜色空间模型分析图像颜色信息。 为了减少计算复杂性 ,将 HSV 空间的每一维分量都均匀量化为 10 份。 因为光照强度不影响图像的内容表示 ,所以 V 分量可以忽略不计。 这样计算颜色直方图时 ,通过划分后 ,每一个块的特征包含了颜色的局部分布信息 ,而所有块的空间分布 ,又反映了图 像内容的颜色模式结构。 因此 ,对于一幅场景复杂的图像 ,可以从结构分布的角度 ,用特征组合的方式描述。 在基于划分的特征表示方法中 ,划分尺度的选择直接影响图像内容描述的有效性。 全局颜色直方图虽然具有计算简单 ,对平移和旋转不敏感的优点 ,但无法捕捉颜色组成之间的空间关系 ,丢失了图像的空间信息，这无疑是不够准确的。 两幅颜色直方图非常相似的图像其内容可能丝毫无相似之处。 因此 ,在基于颜色的图像检索中引入空域的信息对于确保检索精度是十分重要的。 事实上 ,颜色的不同空间分布极大地影响了人们对图像的相似性判断。 鉴于此 ,解决方法 之一就是基于图像空间的固定划分 ,即人为地将图像划分成适当的分块 ,然后为每个分块提取相应的局部颜色特征。 我们知道分块太大则失去分块的意义 ,若分块太小则会增加检索过程的计算量。 图像的距离矩阵携带的空间信息越完备 ,检索精度也越高 ,计算复杂度也越高。 颜色模型 选择 RGB 模型 RGB模型基于笛卡尔坐标系统 ,3个轴分别为 R,G,B,假定所有的颜色 (R,G,B)值都在区间 [0,1]中 ,如图 1所 示。 基于彩色直方图的图像检索 JPEG 解压缩关键模块 10 图 1 HSV 模型 HSV模型是一种基于感知的颜色模型 ,他把彩色信号表示为 3种属性 :色调 (Hue)、饱和度 (Saturation)和亮度 (Value)。 色调 H 表示从一个物体反射过来的或透过物体的光波长 ,亮度 V 是颜色的明暗程度 ,色度或饱和度 S 指颜色的深浅。 HSV 模型中的颜色分量可定义在如图 2（ a） 所示的三角形中。 如果把 3种颜色结合到 3D 颜色空间 ,则得到如图 2(b)中所示的双棱锥结构。 图 2 基于彩色直方图的图像检索 JPEG 解压缩关键模块 11 第三章 JPEG 解压缩关键模块设计 动静态图像压缩 静态图像压缩技术主要是对空间信息进行压缩，而对动态图像来说，除对空间信息进行压缩外，还要对时间信息进行压缩。 目前已形 成三种压缩标准 ，其中就有 JPEG标准。 JPEG概述 JPEG 的全称为 Joint Photographic Experts Group，它是一个在国际标准组织 (ISO)下从事静态图像压缩标准制定的委员会，它制定出了第一套国际静态图像压缩标准： ISO 10918－ 1，俗称 JPEG。 由于相对于 BMP 等格式而言，品质相差无己的 JPEG 格式能让图像文件“苗条”很多，无论是传送还是保存都非常方便，因此 JPEG 格式在推出后大受欢迎。 随着网络的发展， JPEG 的应用更加广泛，目前网站上 80％的图像都采用 JPEG格式。 JPEG(Joint Photographic Experts Group) 是一个由 ISO 和 IEC 两个组织机构联合组成的一个专家组，负责制定静态的数字图像数据压缩编码标准，这个专家组开发的算法称为 JPEG 算法，并且成为国际上通用的标准，因此又称为 JPEG 标准。 JPEG 是一个适用范围很广的静态图像数据压缩标准，既可用于灰度图像又可用于彩色图像。 JPEG（ Joint Photographic Experts Group）标准 用于连续色凋、多级灰度、彩色／单色静态图像压缩。 具有较 高压缩比的图形文件（一张 1000KB 的 BMP 文件压缩成 JPEG 格式后可能只有 20－ 30KB），在压缩过程中的失真程度很小。 目前使用范围广泛（特别是 Inter 网页中）。 这种有损压缩在牺牲较少细节的情况下用典型的 4： 1 到 10： 1 的压缩比来存档静态图像。 动态 JPEG（ MJPEG)可顺序地对视频的每一帧进行压缩，就像每一帧都是独立的图像一样。 动态 JPEG 能产生高质量、全屏、全运动的视频，但是，它需要依赖附加的硬件。 基于彩色直方图的图像检索 JPEG 解压缩关键模块 12 JPEG解压缩算法 的概况 JPEG 专家组开发了两种基本的压缩算法，一种是采用 以离散余弦变换 (Discrete Cosine Transform， DCT)为基础的有损压缩算法，另一种是采用以预测技术为基础的无损压缩算法。 使用有损压缩算法时，在压缩比为 25:1 的情况下，压缩后还原得到的图像与原始图像相比较，非图像专家难于找出它们之间的区别，因此得到了广泛的应用。 例如，在 VCD 和 DVDVideo 电视图像压缩技术中，就使用 JPEG 的有损压缩算法来取消空间方向上的冗余数据。 为了在保证图像质量的前提下进一步提高压缩比，近年来JPEG 专家组正在制定 JPEG 2020(简称 JP 2020)标准 ，这个标准中将采用小波变换(wavelet)算法。 JPEG 压缩是有损压缩，它利用了人的视角系统的特性，使用量化和无损压缩编码相结合来去掉视角的冗余信息和数据本身的冗余信息。 压缩编码大致分成三个步骤： (forward discrete cosine transform， FDCT)把空间域表示的图变换成频率域表示的。 DCT 系数进行量化，这个加权函数对于人的视觉系统是最佳。 JPEG 压缩过程分析 BMP 图像压缩成 JPEG 格式的过程 ： JPEG压缩过程 JPEG Compress FDCT 量化器 熵编码器 量化表 熵编码表 8*8 图像块 DCT 基编码器 压缩 图像数据 原图像数据 基于彩色直方图的图像检索 JPEG 解压缩关键模块 13 译码或者叫做解压缩的过程与压缩编码过程正好相反。 JPEG 算法与彩色空间无关，因此“ RGB 到 YUV变换”和“。