基于顏色二次模糊聚類的圖像檢索.pdf

1、基于內(nèi)容的圖像檢索技術(shù)是目前非常活躍的一個研究領(lǐng)域。圖像顏色特征的提取與相似性計算是其重要研究內(nèi)容之一。以往的圖像顏色特征處理算法側(cè)重于用計算機對統(tǒng)計信息進行分析和歸類，相對忽略人類觀察圖像時的視覺特征，算法結(jié)果存在顏色量化冗余、顏色量化分界難以處理、顏色量化結(jié)果不符合人類視覺特征要求等問題。本文在已有算法的基礎(chǔ)上，從人類的主觀感知出發(fā)，結(jié)合模糊理論，提出了一種新的算法，力求使圖像的特征提取更能反映人的感知特性，使相似度計算更加符合人類

2、觀察圖像的習慣。 ⑴比較了常用的顏色量化算法，在借鑒以往算法思想的基礎(chǔ)上，提出了一種基于視覺特征的新的顏色量化算法。實驗證明，在HSV色彩空間中，所提算法在視覺上更為合理。算法結(jié)合了模糊理論，將量化邊界處模糊化，進行第一次顏色量化，并將顏色量化結(jié)果進行二次聚類。大量圖像實驗表明，此種量化方法既符合人眼的視覺特征，又能有效降低顏色直方圖中的冗余信息。 ⑵在顏色量化算法的基礎(chǔ)上，改進了傳統(tǒng)的顏色相似性比較算法，提出了新的基于

3、主色的圖像檢索算法。本算法的改進思想是，在進行相似性計算時，根據(jù)顏色在圖像中所占的比例為顏色加上權(quán)值，在圖像中比例高的顏色能為相似性結(jié)果做出更多貢獻。 ⑶引入基于模糊等價關(guān)系的動態(tài)聚類方法，在第一部分顏色量化的基礎(chǔ)上，提出了基于圖像主色的聚類算法。對圖像顏色按照23色量化，一個圖像的顏色特征可以使用由23個分量組成的一維數(shù)組表示，且樣本集可表示為一個23列的矩陣。本文對樣本集構(gòu)成的矩陣，按照模糊等價關(guān)系的動態(tài)聚類方法進行聚類，將

4、模糊聚類的方法引入到圖像聚類的應(yīng)用中。 ⑷使用Corel Photo CD和Department of Computer Science andEngineering University of Washington圖像庫所提供的圖像文件建立圖像數(shù)據(jù)庫，以C＃和SQL Server作為開發(fā)環(huán)境，驗證了上述算法的性能，并將新算法與原有算法比較。實驗結(jié)果表明，在圖像基于示例的檢索時，本文所提算法查準率和查全率都令人滿意，圖像聚類也能