隨筆檔案

總體設(shè)計(jì)方案：

?????? 本文將采取基于特征的方法對圖像進(jìn)行聚類與檢索。基于特征對圖像進(jìn)行聚類與檢索的基本方法是在建立圖像庫時(shí) , 對輸入的圖像先進(jìn)行圖像分析 , 提取圖像或目標(biāo)的特征向量并根據(jù)特征向量及匹配算法等將圖像進(jìn)行聚類。在進(jìn)行圖像檢索時(shí) , 對每一幅給定的查詢圖 , 進(jìn)行圖像分析并提取該圖的特征向量。通過將該圖特征向量與特征庫中的特征向量進(jìn)行匹配并根據(jù)匹配結(jié)果到圖像庫中搜索就可提取出所需要的檢索圖像來。

?????? 由上述工作原理可以知道基于特征的圖像聚類與檢索有四個(gè)關(guān)鍵 , 一是要從圖像中抽取分類和檢索的特征 , 二是確定建立在相應(yīng)特征基礎(chǔ)上的圖像相似性度量 , 三是要利用聚類算法對圖像庫中的圖像進(jìn)行聚類，四是要利用匹配算法在圖像庫中檢索相應(yīng)的圖像。

1 .從圖像中抽取分類和檢索的特征

?????? 我們知道，一幅圖像是以矩陣的形式存儲(chǔ)在計(jì)算機(jī)中的，具體地講，矩陣上某一點(diǎn)的值代表了圖像在該點(diǎn)的顏色信息，正是許多這樣的點(diǎn)的組合、排列呈現(xiàn)在我們的眼中才使得繽紛五彩的世界得以在計(jì)算機(jī)的屏幕上顯示出來。然而對于圖像聚類和圖像檢索來說，將全部這些點(diǎn)作為數(shù)據(jù)進(jìn)行分析處理是沒有必要也是不切實(shí)際的。例如在汽車車型識別中，圖像中的道路和行人以及其他建筑物都屬于無用信息，對于識別車型來說沒有任何意義，應(yīng)該將其去除，否則在識別時(shí)會(huì)產(chǎn)生不利影響。

?????? 所謂特征是從模式中得到的對分類有用的度量或?qū)傩裕瑧?yīng)該能夠反映不同類別之間的本質(zhì)差別。正如我們每個(gè)人具有高、矮、胖、瘦各不相同的特征一樣，不同的圖像之間也存在著互相得以區(qū)分的特征。在圖像聚類與檢索中，這些特征一般表示為一組數(shù)字，這些數(shù)字構(gòu)成一個(gè)矢量，稱為特征矢量。抓住關(guān)鍵特征，忽略其它信息是一種通用的、有效的方法。顏色和紋理是圖像的兩個(gè)最重要的特征，本文將對顏色和紋理的聚類與檢索進(jìn)行探討。

l???????? 顏色

?????? 在圖像的自動(dòng)分析檢索中，顏色是一種能夠簡化目標(biāo)提取和分類的一種重要描述符，最早在基于內(nèi)容的圖像檢索中得到應(yīng)用。顏色特征定義比較明確，抽取也相對容易，所以在圖像處理中得到廣泛的重視和應(yīng)用，并已提出了很多成熟的算法。對顏色特征的表達(dá)方式有很多種，如直方圖法，累積直方圖法，局部累加直方圖法，顏色布局法，中心矩法等。由于顏色的信息量比較大，所以各種方法的共同的一點(diǎn)就是要用較有效和緊湊的辦法來表達(dá)顏色信息。

l???????? 紋理

?????? 紋理是另一個(gè)用于描述圖像的常用的概念。紋理通常被看作圖像的某種局部特性，或是對局部區(qū)域中圖像間關(guān)系的一種度量。另外，紋理信息也可以用來對圖像中的空間信息進(jìn)行一定程度的定量描述。基于紋理的圖像檢索也有很多成果。

2. 確定建立在相應(yīng)特征基礎(chǔ)上的圖像相似性度量

?????? 獲取了圖像的特征為我們接下來的工作奠定了良好的基礎(chǔ)，我們的目標(biāo)是圖像的聚類和檢索，從根本上說就是將特征相近的圖像找出來。這里的“特征相近”只是一個(gè)直觀上的概念，何謂“相近”，不同的情況下有著不同的解釋。因此，我們很有必要定義一個(gè)具體的數(shù)學(xué)描述符定量的體現(xiàn)兩幅圖片間“相近”的程度，這就是相似性度量。顯然，我們的目標(biāo)就是找到相似度最小的圖像。

3.利用聚類算法對圖像庫中的圖像進(jìn)行聚類

?????? 人類的分類識別能力不是與生俱來的，而是后天經(jīng)過不斷的實(shí)踐和學(xué)習(xí)而逐漸具有的功能，例如對語言的學(xué)習(xí)，對文字的學(xué)習(xí)。

?????? 在圖像檢索的過程中我們同樣面臨著分類的任務(wù)，具體地講就是圖像的聚類。所謂圖像聚類就是將未知類別的一組圖像分成若干類的過程，也稱無監(jiān)督學(xué)習(xí)或無教師學(xué)習(xí)。聚類分析的思路比較直觀，根據(jù)各個(gè)待分類圖像特征的相似程度來進(jìn)行分類，將在特征空間中聚集在一起的樣本點(diǎn)劃分為一類。選擇合適的聚類算法對圖像庫中的圖像進(jìn)行聚類，是我們的核心任務(wù)之一。

4.利用匹配算法在圖像庫中檢索相應(yīng)的圖像

?????? 匹配可理解為結(jié)合不同的、已經(jīng)存在的表達(dá)而建立他們的解釋之間的聯(lián)系的技術(shù)與過程。從廣義上講，匹配是要研究如何把知識模型與從圖像獲得的描述信息對應(yīng)起來，從而達(dá)到識別目標(biāo)，理解圖像，認(rèn)知世界的過程。而具體到基于內(nèi)容的圖像信息檢索，就是要將從查詢要求通過分析而得到的描述與需要檢索的圖像數(shù)據(jù)庫中個(gè)體的描述進(jìn)行比較，以便提取出視覺效果或語義內(nèi)容最為接近／相似的個(gè)體。

?????? 通俗地講，我們就是要根據(jù)用戶需要檢索的圖像的特征，到圖像庫中與現(xiàn)存的圖像特征進(jìn)行比較，根據(jù)一定的算法，找出相似度最小的一個(gè)或一組圖像，完成一個(gè)匹配過程，將用戶最希望得到的圖像信息檢索出來。

小結(jié)：

?????? 通過從圖像中抽取分類和檢索的特征 , 確定建立在相應(yīng)特征基礎(chǔ)上的圖像相似性度量 , 利用聚類算法對圖像庫中的圖像進(jìn)行聚類，利用匹配算法在圖像庫中檢索相應(yīng)的圖像這四個(gè)步驟，我們基本提出了一個(gè)可行的圖像聚類與檢索的方案，接下來探討一些具體的關(guān)鍵技術(shù)與實(shí)驗(yàn)。