Vol.4No.4Dec.2005第4卷第4期2005年12月太原师范学院学报(自然科学版)JOURNALOFTAIYUANTEACHERSCOLLEGE(NaturalScienceEdition)Ξ一种基于色调熵的图像检索算法丁志勇(西北师范大学数学与信息科学学院,甘肃兰州730070)〔摘要〕文章通过将图像的颜色空间转换到符合人类感知的HSI空间,得到了图像的色调通道,并结合信息熵,利用分块技术,提出了一种基于色调熵的图像检索算法,取得了满意的实验效果.〔关键词〕HSI空间;色调;信息熵;色调熵〔〕167222027(2005)0420010202〔〕TP391〔文献标识码〕A0引言随着Internet的飞速发展,以及数码设备的普及,随之产生了大量的图像数据,如何从这些图像数据中找到用户所需要的图像已经成为一个研究的热点.最初人们通过文本描述的方式对图像进行检索,即基于文本的图像检索(Text2BasedImageRetrieval),但是由于人们对一幅图像的主观理解各不相同,通过这种方法进行的图像检索已经不能满足人们的需要.于是人们又提出了基于内容的图像检索方法,即(ContenImageRetrieval).到目前为止,已经涌现出一大批基于CBIR颜色、纹理、形状、空间关系等进行的.的图像检索算法,这些算法大多是围绕图像的然而,颜色作为一种能简化目标提取和分类的重要描述符,并且具有旋转、平移、尺度不变性等优点,表现出了相当强的鲁棒性.于是,人们还提出了各种颜色空间,如RGB空间,HSI空间等,但RGB空间并非是均匀的,也就是说,RGB颜色空间的相似性并不代表实际颜色的相似1.HSI空间具有两个重要特点:度分量与色度分量是分开的,I分量与图像的彩色信息无关.2)H及S分量与人感受彩色的方式紧密相连(这里强调了颜色的重要性,因为人对光的感知还和I分量有关).这两个特点正好符合人区分颜色常用3种基本特性量:亮度、色调和饱和度,使得HSI空间非常适合基于人的视觉系统对彩色感知特性进行处理分析的图像算法.在许多应用中当将彩色图像由RGB空间转换到HSI空间进行检索时,可仅利用H分量空间,从而简化运算,加快计算速度2.检索缩小到12D颜色空间1HSI在RGB空间的彩色图像可以方便地转换到HSI空间.对任何3个归一化到0,1范围内的R,G,B值,其对应的HSI模型中的H,S,I分量可由下面的公式计算:(R-G)+(R-B)arccos≠G或R≠BR(R-G)2+(R-B)(GB)2(1)H=(R-G)+(R-B)2Π-arccosB>G(R-G)2+(R-B)(G-B)2由上式直接算出的H在0,2Π]之间,为使H在0,1之间,可再令H=Hƒ2Π进行转换.另外当S=0时,对应无色,这时H没有意义,此时定义H为0.另外当I=0或I=1时,讨论S也没有意义.的计算既要用到三角函数又要用到求平方根,为减少计算量,可用下列公式3:对H收稿日期:2005209222作者简介:丁志勇(19782),男,山东青岛人,西北师范大学数学与信息科学学院硕士研究生,研究方向为基于内容的图像信息检索.Ξ1)如果B′=min(R′,G′,B′),则G′-B′(2)H=3(R′+G′-2B′)2)如果R′=min(R′,G′,B′),则B′-R′1(3)H=+R′+G′-2B′33)如果G′=min(R′,G′,B′),则R′-G′2H=+(4)R′+G′-2B′33min(R,G,B)(5)(6)S=1-(R+G+B)I=(R+G+B)ƒ3对S的计算也可用公式S=max(R,G,B)-min(R,G,B)(7)2色调熵2.1色调熵定义自信息量I(xi),i=1,2是指某一信源Y发出某一消息符号xi所含有的信息量.发出的消息不同,它们所含有的信息量也就不同.因此自信息量是一个随机变量,它不能用来作为整个信源的信息测度.集X上,随机变量I(xi)的数学期望定义为平均自信息量:qH(X)defE[I(xi)=E-logp(xi)=-∑p(xi)logp(xi)(8)i=1的信息熵4.集X的平均自信息量又称作集X色调熵:通过计算HSI颜色空间H分量的熵,我们便得到了色调熵.设某色调的信息熵为H(pm)=-pmlog(pm)则图像的色调熵定义为:(9)E(H)=-∑pmlog(pm)(10)m=1其中n为色调数量.2.2分块的色调熵全局色调熵虽然具有计算简单、平移、旋转不变性等特点,但因其不包含色调的空间分布关系,因此对不同的图像可能具有相同的色调熵.为此,本文对图像进行分块处理.按经验,通常取分块大小为16×16或9×9,本文将图像分为9×9=81块子图像.此外,为不丢失图像中像素间的相关性,采用重叠分块,分块间的重叠区域取为分块尺寸的1ƒ45.通过计算每个子块的色调熵从而得到分块的色调熵.3相似度量本文采用欧几里德距离作为分块间的相似度量:k∑[EQ(i)-ED(i)]2D(EQ,ED)=(...