資源描述：
《基于聚類算法的圖像顏色特征提取方法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、基于聚類算法的圖像顏色特征提取方法+徐旭來(lái)淼良梁倩卉SajjadWNleed浙江大學(xué)計(jì)算機(jī)系人工智能研究所．杭卅’，310027)摘要顏色是彩色圖像最重要的祝覺特征之，目前．在基于內(nèi)容的圖像檢索(CBIR)系統(tǒng)中，都將顏色作為重要信息參與內(nèi)容的匹配和檢索。本文針對(duì)圖像中起主要視覺作用的是圖像的主色，提出一種基于聚類分析提取和表示圖像主色的方法，給出一種用于聚類算法的停止準(zhǔn)則。和等量量化方法相比，用主色提取及表示方法提取的顏色信息，具有特征維數(shù)低、顏色表示準(zhǔn)的優(yōu)點(diǎn)。關(guān)鍵詞顏色特征提取和表示基于內(nèi)容的圖像檢索(C13IR)系統(tǒng)顏色聚類t色提取1引言基于內(nèi)容的圖
2、像檢索(Content．BasedImageRetrieval)系統(tǒng)是指直接采用圖像內(nèi)容進(jìn)行圖像信息查詢的檢索系統(tǒng)。目前，隨著存儲(chǔ)技術(shù)、壓縮技術(shù)和網(wǎng)絡(luò)帶寬等技術(shù)的不斷發(fā)展，圖像在Intemet以及數(shù)字圖書館、數(shù)據(jù)挖掘、多媒體視覺內(nèi)容檢查管預(yù)域上的使用日益廣泛。而CBIR技術(shù)也已引起多所大學(xué)和研究機(jī)構(gòu)的重視，開發(fā)了多種CBIR系統(tǒng)，如IBM的QBIC系統(tǒng)。自動(dòng)提取、表達(dá)和分析圖像內(nèi)容(圖像的重要視覺特征)，是CBIR系統(tǒng)的關(guān)鍵技術(shù)之一。在目前已有的系統(tǒng)中，色彩、紋理、區(qū)域形狀等低層圖像特征是主要分析對(duì)象，其中，顏色特征無(wú)一例外地作為重要的視覺內(nèi)容，參與內(nèi)容的
3、匹配和檢索。所以，如何快速準(zhǔn)確地獲取圖像的顏色信息，并用適當(dāng)?shù)姆绞奖硎?，將直接影響整個(gè)系統(tǒng)的效率、精度和回召率。類似的方法有：A．K．Jainfll等采用RGB通道分別等量量化的方法；哥倫比亞人學(xué)JohnSmithl2】等開發(fā)的SaFe系統(tǒng)等量劃分HSV空間為166個(gè)區(qū)域，對(duì)色調(diào)、飽和度和亮度采用18"3"3的組合：IBM的QBICl3】采用固定的256種參考顏色表(ReferenceColorTable)量化圖像。由于速度和特征維數(shù)成反比，兩者很難兼顧。一般地，人眼在比較兩幅圖像的顏色時(shí)，善于抓住各自的主色。雖然一幅自然圖像的色彩極其豐富，但視覺系統(tǒng)能夠
4、忽略次要的細(xì)節(jié)．抓住起重要作用的主色。所謂主色，是指圖像的主色塊的顏色，一般是圖像中物體的表面色彩或背景色彩，占有較大的面積。主色的數(shù)量一般在數(shù)種到數(shù)十多種之間。本文用主色塊和出現(xiàn)頻率表示圖像的顏色信息，采用基于聚類分析的方法提取，在主色提取時(shí)給出一個(gè)合適的停止準(zhǔn)則．以采集合適數(shù)量的主色。本文方法在降低顏色特征維數(shù)的同時(shí)．保持了較高的顏色分辨率。‘。徐旭，1970年生，計(jì)算機(jī)系博士研究生．{要研究方向?yàn)橛?jì)算帆觀堂、七號(hào)信夸系統(tǒng)和人工智能等．通信地址浙門大學(xué)^工智能研究所11-240(310027)TcI：057t·7951916(0)Fax0571·795
5、1799Emaflx巡嶇}啦犁m四岫朱淼良，1946年生，教授．博士生導(dǎo)師．毛要研究領(lǐng)域?yàn)橛?jì)算機(jī)視覺、人工智能和智能機(jī)器人．顰倚卉．1974年生，計(jì)算機(jī)系碩士研究牛．{‘要研究方向?yàn)椤霸釞C(jī)視世和凡工智6￡等．Szt2adWaheed．1970年生，計(jì)算機(jī)最碩士研究生．主要研究鋇域?yàn)橛?xùn)掉機(jī)程覺、人[智能等，·259·2．1分解聚類算法2基于聚類算法的主色提取算法若一幅圖像由RGB三通道表示，顏色c；=(r，，g。，bi)，設(shè)量化精度為28，則色彩空間S。的顏色總數(shù)為2“，每個(gè)像元用24位表示。若圖像I的大小為M*N，任一像元為l(m．n1，令S為I中不同顏色
6、的集合，用；s}表示S中不同顏色的數(shù)量，則l(m，nFc，ceS，m=l，．，M。n：=1，，N，s=慨i=l?，lSl)，且SoSo。令p(c)為顏色c在圖中的出現(xiàn)頻數(shù)，F(xiàn)為s中不藏顏色的頻數(shù)的集合，則F=(p(c。)，i=l，．，JsI}，且Zp(ci)=M*N，i=l，．，ISl。分解聚類法【4]是常用的頗色聚類算法，聚類過(guò)程是一棵樹的生長(zhǎng)過(guò)程。開始時(shí)，根結(jié)點(diǎn)為s，每次選取一個(gè)結(jié)點(diǎn)，切分為二個(gè)子結(jié)點(diǎn)，如此繼續(xù)，壹到滿足停止準(zhǔn)則，則二：叉樹的葉結(jié)點(diǎn)集合構(gòu)成S的一個(gè)劃分。顏色聚類的目的就是按某種原則，尋求s的一個(gè)劃分：s，到sK，使它們對(duì)應(yīng)于二叉樹的K個(gè)
7、葉結(jié)點(diǎn)。在顏色宅間中，每個(gè)葉結(jié)點(diǎn)S。是一個(gè)顏色的集合。設(shè)p(sJ是葉結(jié)點(diǎn)S★中出現(xiàn)的顏色的頻數(shù)和，即p(s。)=>’p(c)。J—ce且2．2基于聚類分析的主色提取及表示算法任一葉結(jié)點(diǎn)sk，相當(dāng)于一個(gè)有深淺明暗變化的主色，可用一個(gè)中心色表示。設(shè)s。的中心代表色為q(Sk)，簡(jiǎn)記為q。，令q是顏色映射函數(shù)，把圖像I中在Sk中的顏色都映射為qk。若l(m，n)=c，且ceSk，則q(c)=qk，令Q(m，n)=k，其中m=1，．，M，n=l，．，N，Q是量化后的索引圖像；MAP=(q。q：，?，qK)是圖像Q的調(diào)色扳，也就是圖像I的主色，用K個(gè)三維顏色向量表示
8、。圖像I的各主色的概率可構(gòu)成一個(gè)向量p=-(p(S。)，p(S：)
