【摘要】：基于内容的检索方法是以特征为基础进行相似度判断，因此，图像特征的选取对检索结果将会产生较大的影响。视觉特征的选择、提取和优化，以得到最优的检索结果，是基于内容的图像检索研究中的基础性问题。形状特征是以图像中物体或区域的分割为基础，然而，准确、鲁棒的图像自动分割技术仍然是目前研究中的一个难点问题。这两种形状特征的典型计算方法分别是傅里叶描述符和形状无关矩方法。
基于内容的检索方法是以特征为基础进行相似度判断，因此，图像特征的选取对检索结果将会产生较大的影响。视觉特征的选择、提取和优化，以得到最优的检索结果，是基于内容的图像检索研究中的基础性问题。下面从颜色、纹理、形状几个方面介绍视觉特征。
(1)颜色是图像内容特征的基本组成要素，对大小、方向都不敏感，具有一定的稳定性，通常采用颜色直方图和二值向量作为颜色特征的表达形式。其中，颜色直方图从总体上反映了图像中各种颜色的空间分布信息，二值向量则描述图像的特征元素。CBIR研究的早期曾采用颜色特征进行图像检索，并有学者提出了基于颜色直方图的检索算法。
(2)纹理也是图像的重要视觉特征，反映了像素灰度级的空间分布属性，通常与图像中物体的位置、尺寸、方位、形状等有关，但与平均灰度级无关。通常，可以采用统计方法对图像中色彩强度的空间分布信息进行统计，或者采用频谱方法，将图像进行频域变换和分析，以提取纹理特征。(www.xing528.com)
(3)形状特征是以图像中物体或区域的分割为基础，然而，准确、鲁棒的图像自动分割技术仍然是目前研究中的一个难点问题。通常来说，形状特征的表达主要有两种方法:轮廓特征和区域特征，前者只考虑物体的外边界，而后者计算了整个形状区域。这两种形状特征的典型计算方法分别是傅里叶描述符和形状无关矩方法。本书将在第三章详细介绍图像的颜色、纹理、形状等底层内容特征的提取与表达方法。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
