基于顏色模糊推理的圖像檢索方法研究.pdf

1、互聯(lián)網(wǎng)上海量的圖像數(shù)據(jù)致使基于手工標注的圖像檢索方法無法實現(xiàn)?；趦?nèi)容的圖像檢索(Content-based Image Retrieval,CBIR)成為了研究熱點。通常的CBIR方法是提取圖像特征,定義特征匹配方法,實現(xiàn)檢索。但是,由于彩色圖像本身的復雜性,使得提取有效的特征變得非常困難。模擬人類對圖像的理解方式是近些年的一個趨勢。本文在HSV顏色模型下用模糊推理模擬了人類對顏色的感知過程,實現(xiàn)了對顏色語義的識別,并在此基礎(chǔ)上提出了

2、一種CBIR方法。
　　首先,本文引入模糊集概念,改進了飽和度-亮度平面上對彩色與非彩色的區(qū)分方式。使得彩色與非彩色的辨別更加符合人類對顏色的感知規(guī)律。依據(jù)人類對顏色認識的模糊性,本文將飽和度與亮度劃分為不同的等級,每個等級表示一種語義。由HSV顏色模型的特性構(gòu)建了飽和度語義、亮度語義到顏色語義的推理規(guī)則。按照這個規(guī)則以及顏色與彩色、非彩色的關(guān)系,通模糊集運算,得到表示顏色語義的模糊集。最終本文給出了飽和度語義和亮度語義到顏色語義

3、的蘊含關(guān)系。對于給定像素,本文取了飽和度值與亮度值攜帶的語義,結(jié)合人類對色相的固有分類,通過模糊推理判實現(xiàn)了對像素顏色的識別。
　　其次,在提取特征時,為了避免復雜的圖像內(nèi)容給特征提取帶來的不利因素,本文應(yīng)用以上對顏色的識別方法,將圖像分解成若干個子圖,每個子圖中只包含具有相同顏色語義的像素,并且這些像素保持了其在原始圖像中的位置。本文將這些子圖命名為“單色區(qū)域”。圖像特征提取就是在這些單色區(qū)域上進行的。本文提取了單色區(qū)域的面積、