專利名稱：自動檢索圖像數據庫中相似圖象的方法
技術領域：
本發(fā)明涉及一種在大型數據庫中檢索圖象，更具體的說，涉及一種利用來自圖像的彩色柱狀圖的特征和來自圖像子波分解的特征而執(zhí)行基于圖像內容的檢索的系統和方法。
基于內容的圖像/視頻檢索，例如低級特征，如顏色，結構，形狀，邊緣被獨立的提供以作為一組可用的數據特征索引。在這些可視特征中，顏色對于圖像的表示是最主要和最重要的特征。通過基于彩色柱狀圖的檢索途徑，圖像的平移、旋轉和比例的變化都不會影響檢索結果。因此，基于彩色柱狀圖的方法可以認為是平移、旋轉和比例是不變的(TRSI)。這可以在C.E.Jacobs et al.的文章，“Fast Multireslution Image Querying”Proc，Of ACM SIGGTAPHconference on Computer Graphics and InteractiveTechnques，pp.277-286，LosAngeles，Aug1995中進行了論證，由幾何失真學看來柱狀圖方法可以實現高級檢索性能。
然而，如Jacobs et al進一步所討論的，基于柱狀圖的方法對于照明的變化是很敏感的。也就是說，由于基于柱狀圖方法提供了非空間分布信息且需要附加的存儲空間，當圖像數據庫變得很大時錯誤的命中會經常發(fā)生。
另外的一種方法，也就是基于子波索引和檢索方法是公知的，當適當的設計時它對照明的變化是不變的。這種方法在Jacobs et al的文章以及發(fā)表在Multimedia Systems，Vol.7，No5，pp350-358，Sep.1999中的作者為X.D.Wen etal題目為“Wavelet-based Video Indexing and Querying”的文章中有所描述。然而基于子波的這些方法相對圖像平移和旋轉來講仍是不穩(wěn)定的。另外，這些方法在數學基礎之上的缺陷使它們在處理復雜形狀變化的圖象時不能充分地處理查詢。
事實上，很少有視頻/圖像檢索方法可以充分的考慮到包括顏色、空間分布、方向/邊緣/形狀的各種特征，同時可產生好的檢索結果，尤其是當照明和幾何失真同時發(fā)生時。
因此，對提供一種基于顏色、空間分布、方向/邊緣/形狀特征的圖像檢索方法是非常有好處的，該方法可實現滿意的檢索性能而不管圖像平移、旋轉、比例和照明的差異。
發(fā)明概述本發(fā)明針對具有抗圖像失真如平移、旋轉、比例和照明的變化的健壯性的快速和準確檢索。本發(fā)明的圖像檢索利用將照明不變的柱狀圖特征和平移不變子波幀(WF)分解特征進行有效的結合。
本發(fā)明的基本思想是在圖像數據庫中分兩步對圖像檢索。在第一步，導出并計算正交卡南-絡維(KL)顏色空間的柱狀圖照明不變矩特征。根據矩特征的相似性，查詢圖像中顏色相似的圖像作為候選。在第二步也就是最后一部以進一步提煉檢索結果，多分辨率子波幀(WF)分解為遞歸地應用于查詢圖像和候選圖像。最不精確的分辨率的低通子圖是采樣下降到它的最小量值以便保持全部的空間顏色信息沒有冗余?？臻g顏色特征因而是從低通子圖象的每一個減去了平均值并標準化的系數中獲得的。同時，每個分解等級的主要的高通系數的方向信息的柱狀圖都被計算。導出和計算柱狀圖的中心矩以作為TRSI方向/邊緣/形狀特征。連同適當的加權，上述空間和由分解獲得的細節(jié)方向/邊緣/形狀可以充分地結合彩色柱狀圖瞬間值在第一步計算。圖像最終將基于這些全部相似的特征進行檢索。
通過本發(fā)明的同時采用不變照明柱狀圖瞬間和空間頻率定位WF分解對顏色、空間分布和方向/邊緣/形狀等信息的組合，可以衍生出生動的圖像。
本發(fā)明的一個優(yōu)點將通過下面所述的詳細說明更清楚的表現出來。然而，可以理解的是它僅給出了詳細的說明和特定的實施例，也就是本發(fā)明的最佳實施例，在不脫離本發(fā)明的詳細說明的精神和范圍內的各種改變和修改，對本領域的人員來講是顯而易見的。
附圖概述通過下面給出的詳細說明結合附圖將更全面的理解本發(fā)明，本發(fā)明僅給出示例性的用途，但并不僅限于本發(fā)明。


圖1是根據本發(fā)明示意性實施例的圖像檢索系統的方塊圖。
圖2是根據本發(fā)明示意性實施例的圖像檢索方法的流程圖。
圖3是根據查詢圖象和候選圖象的彩色柱狀圖特征來確定與查詢圖形充分相似的候選圖像一系列步驟的流程圖。
圖4是根據查詢圖象和候選圖象的空間顏色和方向/邊緣/形狀特征來確定相似候選圖像一系列步驟的流程圖。
圖5A說明了示意性實施例中的記錄圖像的數據庫，所述的圖像特征是在圖像查詢提交之前確定并存儲在圖像數據庫中的。
圖5B說明了示意性實施例中的記錄圖像的數據庫和記錄圖像特征的數據庫，所述的圖像特征是在圖像查詢提交之前確定并存儲在圖像數據庫中的。
實施例的詳細說明本發(fā)明包括根據兩步的用于執(zhí)行基于內容的圖像檢索的系統和方法。在第一步，確定一組其彩色柱狀圖與查詢圖像相似的候選圖像。在第二步，確定每一個候選圖像的空間顏色特征以及方向/邊緣/形狀特征。利用所確定的每一個候選圖像和查詢圖像的彩色柱狀圖、空間顏色、以及方向/邊緣/形狀特征確定每一個候選圖像的所有相似性。
圖1是根據本發(fā)明示意性實施例的圖像檢索系統5的方塊圖。圖像檢索系統5包括一個圖像相似性處理裝置10，該圖像相似性處理裝置10包括一個通過系統總線11與存儲器14，輸出接口16以及輸入接口18相連的處理器12。輸入接口18連接到一個圖像數據據庫20，一個查詢圖像輸入裝置30，一個或多個用戶輸入裝置40，一個外部存儲裝置90和一個網絡50。所述的輸出接口連接到一個圖像顯示器60，一個圖像打印機70，和一個或多個其他圖像輸出裝置。
一個用戶按下述方法操作圖像檢索系統5。根據示意性實施例，用戶既可以用查詢圖像輸入裝置30輸入一個查詢圖像，也可以用用戶輸入裝置40指定一個查詢圖像。
例如，用戶可以用查詢圖像輸入裝置30輸入一個查詢圖像，查詢圖像輸入裝置30包括圖像掃描儀、視頻照相機、或者一些可以獲取電子格式的查詢圖像的其他類型的設備。存儲在存儲器14中并由處理器12執(zhí)行的應用程序包括一個用戶接口，該用戶接口允許用戶利用查詢圖像輸入裝置30容易的捕獲查詢圖像并且該應用程序利用查詢圖象在圖形數據庫20中執(zhí)行圖像檢索。
換句話說，由處理器12執(zhí)行的應用程序提供了一個用戶接口，該接口允許用戶從存儲在存儲器14或外部存儲裝置90(例如CD-ROM)中的多個圖像中選擇查詢圖像。用戶可以利用用戶輸入裝置40，例如鼠標或鍵盤，以從多個選擇中指定查詢圖像。另外，應用程序允許用戶通過網絡50從服務器上檢索查詢圖像，例如，從因特網端。
一旦查詢圖像被用戶選擇或者被用戶輸入，處理器12則執(zhí)行一個基于內容圖件檢索算法以檢索并輸出最相似的圖像或圖像數據庫20中的圖像。在示意性實施例中，圖像數據庫20可以存儲在可由圖像相似處理器10直接訪問的存儲裝置中，例如硬盤、光盤、軟盤等。當然，圖像數據庫可以存儲在遠程端，例如服務器或因特網端，它可以通過網絡50訪問圖像相似處理裝置10。
一旦檢索到最相似的圖像，他們通過圖像顯示器60(例如計算機監(jiān)視器或者電視屏幕)，圖像打印機70，或者其他類型的圖像輸出裝置60而輸出給用戶。其他類型的圖像輸出裝置60包括一個用于在例如軟盤這樣的外部媒體上存儲檢索圖像的裝置，或者一個用于通過電子郵件、傳真等將所檢索圖像傳送到其他地方的裝置。
圖2是根據本發(fā)明的示意性實施例說明由相似處理裝置10所執(zhí)行的用于檢索圖象的步驟的流程圖。值得注意的是圖1說明了圖像檢索系統5的示意性實施例，本發(fā)明并不局限在如1所示的部件。例如，圖像相似處理裝置10可以包括由處理器12執(zhí)行的軟件指令與特定指定的硬件電路的結合，用于執(zhí)行圖2所披露的步驟。
如上所述，檢索過程中的第一步100是用戶輸入或選擇向查詢圖像。下一步200利用相似量度S1來確定最相似的候選圖像，這是根據查詢圖像的彩色柱狀圖特征的相似性以及存儲在圖像數據庫20中的每一個圖象來確定的。根據圖3，下面給出步驟200更詳細的說明。
下一步300根據候選圖象和查詢圖象的空間顏色特征和方向/邊緣/形狀特征從剩余的候選圖象中確定每一個剩余圖象和查詢圖象間的相似性。這一步包括基于空間顏色特征的相似性來計算每一個候選圖像相似量度S2，并基于方向/邊緣/形狀特征的相似性的來計算每一個候選圖像的相似量度S3。步驟300將在下面結合圖44進行進一步的詳細說明。
在圖2的步驟400，基于所計算的候選圖象的量度S1、S2和S3來計算每一個候選圖象的全部相似度量Soverall。因此，根據所有的相似量度Soverall，圖像數據庫20中的與查詢圖象最相似的圖象在步驟500被確定并從數據庫20中被檢索以輸出(或另外所標識的)給用戶。
圖3根據圖2中的步驟200說明了為在圖像數據庫20中確定與查詢圖像非常相似的候選圖像而基于彩色柱狀圖特征所執(zhí)行的一系列子步驟。
如上所述，基于柱狀圖索引和檢索方法需要另外的存儲器和大量的處理器。同時，他們對照明的變化是敏感的。一種減少所需的計算的方法是采用每個彩色柱狀圖的中心矩作為柱狀圖主要的特征。更進一步詳細的討論在M.Stricker和M.Orengo的題目為“Similatity of Color Images”Proc.SPIE2420，381-392，SanJose，Feb.1995中記載，矩可以用于表示圖像照明的概率密度函數(PDF)。既然圖像照明的PDF是與標準化后的柱狀圖相同的，中心矩可以用于表示柱狀圖的特征。
為實現照明不變的特性，將分析柱狀圖上照明的影響。通常，發(fā)現圖像柱狀圖在變化光照的情況下能夠被近似為彼此的平移型和比例型。因此，假定照明的變化擴大且平移圖象的PDF函數f(x)到f′(x)=f(x-ba)/a,]]>新PDF的中心矩MK’＝∫(x-x)kf(x)dx可以表示為MK’＝a·Mk，Mk為所述PDF f(x)的中心矩。因此，對比例a和位移b不變的一組標準化矩被定義為ηk=Mk+2M2,k>2,k∈Z]]>等式(1)在圖3中，將下面的Karhunen-Loeve變換(KLT)應用到步驟210的原始顏色查詢圖像k1k2k3=0.3330.3330.3330.50.0-0.5-0.51.0-0.5RGB]]>等式(2)
其中R、G和B分別是紅、綠和藍通道的照明值。
在子步驟220，圖像從圖像數據庫20中檢索出來，并且將相同的KLT應用于子步驟230中的檢索圖像。
上述KLT將一個圖像變換為一個正交基。因此，所產生的三個組成部份在統計上是不相關的。因此適合在每個通道柱狀圖上進一步的特征提取。
在變換后的Karhunen-Loeve空間，由等式(1)給出的第一、第二和第三照明不變矩η1η2η3被用來作為每個顏色通道的特征。因此，在檢索的第一步，獲得3*3＝9個顏色特征。
為了測量查詢圖像和檢索圖像的相似性，下面的量度si在子步驟240被計算Si=1Di+1]]>Di=Σj=1k(fi,jqfi,j+fi,jfi,jq-2),]]>等式(3)其中fi，jq和fi，j分別是查詢圖像和候選圖象的類型i的特征j，k是特征總數，Di是fiq和fi的距離。
上述相似性量度不需要標準化恒值的估算。它和Minkowski距離或二次方程距離相比較。
根據子步驟250和260，若在等式(3)中所計算的相似度量Si大于預置的門限值ST(ST在示意性實施例中被選擇為大約0.05)，相應的圖像被保持作為候選圖像。另一方面，落選的圖像作為不相似的圖像被排除。在子步驟270，確定是否在圖像數庫20中仍保持有更多的圖像。如果有更多的圖像，返回到子步驟繼續(xù)檢索并分析下一個圖像。
對于圖3中所說明的第一檢索周期，我們定義根據基于類型為1(i＝1)的矩特征定義柱狀圖。然后根據計算出的Si的值，在第一次循環(huán)中將最不相似的圖像過濾。這一過濾對消除第二次循環(huán)中不必要的處理是有幫助的，并且可以減少計算量。
圖4說明了在剩余查詢候選上所執(zhí)行的提取和過濾第二次循環(huán)。明確的是，圖4是執(zhí)行如圖2所示步驟300的子步驟的流程圖，用于根據空間顏色以及方向/邊緣/形狀特征來確定剩余候選圖像的相似性。一個基于子波的方法應用于候選圖像以獲得一組好的用于表示表征和說明原始信號信息的特征當固有的離散子波變換(DWT)具有最佳空間頻率定位的性質時，這種公知的基于子波的方法由于它的下降取樣而不能平移不變。同樣的，DWT也不能旋轉不變。因此，在本發(fā)明的示意性實施例中，沒有下降采樣的多分辨率子波幀(WF)分解應用于剩余候選的原始圖像以獲取抗平移和旋轉的健壯性。WF分解可以如下應用設子波函數ψ(x)的傅里葉變換ψ(ω)滿足∫|ψ(ω)|2|ω|dω<∞]]>和A≤Σj=-∞+∞|ψ(2jω)|2≤B,]]>等式(4)其中A＞0且B＞0是兩個常數。若ξ(x)表示ψ(x)的雙重子波，(x)表示比例函數其傅里葉變換滿足 等式(5)之后，動態(tài)子波幀(DWF)分解的低通濾波h(n)和高通過濾g(n)可以根據下面的函數得到等式(6)在等式(6)中，H(ω)和G(ω)分別是h(n)和g(n)的傅里葉變換，0≤β1＜1是采樣位移，0≤β2＜1是另一個采樣位移。
令 為最高分辨率視圖且 為圖像函數f(m，n)(m∈[O，M-1]n∈[O，N-1]，其中M*N是圖象大小)的最低分辨率視圖，其中 是在沿著X方向的f(m，n)等級j的高通視圖， 是在沿著Y方向的f(m，n)等級j的高通視圖。設 和 分別表示由于在每對相鄰的h(n)和g(n)的系數之間設2j-1個零值而得到的離散濾波器。兩個空間DWF變換算法可以表示如下S20f(m,n)=f(m,n);j=0]]>While j＜J do end；If j＝J-1 doS2j+11f(m,n)=S2j+1f(m,n)↓2j+1]]>endif；j＝j+1；在上面的注釋中， 表示通過把每個2j+1×2J+1不重疊塊用它的平均值來替換的下降采樣。d(n)是脈沖響應迪拉克濾波在n＝0等于1，其它為0。
如上所述的多分辨率WF分解，可以得到原始大小 子樣本低通圖像以及一組X-Y方向高通圖像，對于每個原始大小圖像的顏色通道而言。因此，若原始圖像的大小為128*128像素，5級WF分解被執(zhí)行(J＝5)，低通子圖象下降采樣到大小為4*4且獲得大小為128*128像素的10個X-Y方向子圖象。
上述DWF變換是首先應用在圖4的查詢子步驟310。然后，在子步驟320，從圖像數據庫20中檢索一個剩余候選圖像。在另一個實施例中，從圖2的步驟200獲得的候選圖像可以存儲在另一個存儲媒體中，例如存儲器14，用于快速訪問。所述的DWF變換于是可以應用在子步驟330的候選圖像檢索。
在子步驟340中，根據候選圖像和查詢圖像在空間顏色特征上的相似性來確定一個相似性度量S2。為了提取空間顏色的信息，每個低通子圖象系數是減了一個平均數(為了獲得不變照明)并標準化的以獲得如下所述的空間顏色分布特征 S2J(n*M+m+1)=S2J(m,n)-S‾2J(m,n)(Σn=0N-1Σm=0M-1(S2J(m,n)-S‾2J(m,n))2)/MN,]]>等式(7)S2J‾(m,n)=Σn=0N-1Σm=0M-1S2J(m,n)/MN]]>通過這種方法，進一步獲得3×(4×4)＝48空間顏色特征。S2的值可以根據等式(3)計算得到，在等式(3)中空間顏色分布特征可以被定義為類型i＝2。
對于每一個分解等級的X-Y方向子圖象，在子步驟350計算下述模數和方向系數Mf2j(x,y)=W2j1f(x,y)2+W2j2f(x,y)2]]> 等式(8)其中[x]表示x取整后的值。因此所得到的方向系數Af由[-180，180)范圍內的一組整數組成。
為了僅權保留主要的方向/邊緣/形狀信息，高通系數被過濾，該高通系數的模數系數Mf低于預置門限值。在示意性實施例中，每一個高通系數的模數系數Mf的平均值被設置為預置的門限值以執(zhí)行這樣的濾波。
在具有非常大數值的高通系數上，一系列TRSI方向/邊緣/形狀特征是從在每一個分解等級上的Af柱狀圖得到的。我們所使用的方向/邊緣/形狀特征還是序列2、3、4的中心矩，分別表示如下M2=(1NΣj=1N(Pij-Ei)2)12]]>M3=(1NΣj=1N(Pij-Ei)3)13]]>等式(9)M4=(1NΣj=1N(Pij-Ei)4)14]]>可以證明，上述特征是TRSI。因此，在X-Y方向子圖象，可以得到3×(5×3)＝45個TRSI特征。
在子步驟360，特征相似性度量S3是根據等式(3)計算出的，在等式(3)中方向/邊緣/形狀特征是類型i＝3。在子步驟370，確定是否剩余更多的候選圖像。若果是這樣，處理循環(huán)回到子步驟320以確定下一圖像的S2和S3。
在圖2步驟400根據下面的公式計算全部特征相似性量度Soverall=w1S12+w2S22+w3S32S1+S2+S3]]>等式(10)w1，w2，w3∈
是分別適合于S1，S2和S3的加權因子(最佳值被確定為w1，w3＝1，w2＝0.8)。然而，w1w2w3可以在數據庫變的很大時被進一步調整到理想的輸出檢索結果。
在示意性實施例中，與第一輪檢索相似，Soverall小于門限值ST的圖象被作為不相似的圖像過濾掉。換句話說，圖像檢索系統5可以配置為保留R最相似的圖像，其中R≥1(例如，系統被配置為用于保留10個最相似的圖像)。保留的圖像被檢索并輸出以作為最終的檢索結果，并根據Soverall被分類。
在另一個示意性實施例中，在執(zhí)行檢索之前顏色、根據KLT傳輸以及DWF分解所確定的空間顏色，以及方向/邊緣/形狀特征可以預先被計算并存儲在相應的每個圖像中。因此，從圖像數據庫20中檢索的執(zhí)行速度可以大大提高，因為這些特征將不必在檢索執(zhí)行過程中計算。在該實施例中，圖像特征也可以存儲在與圖像相連的圖像數據庫20中。另外，特征可以存儲在外部存儲裝置90或者相似性執(zhí)行裝置10的存儲器14中的各個圖象特征數據庫中。
圖5根據本發(fā)明的示意性實施例說明了圖像數據庫20的一組記錄21，在該實施例中圖像特征在圖像查詢提交之前被確定并存儲在圖像數據庫20中。每個記錄包括一個圖像識別字段22和實際圖像數據字段24，例如圖像函數f(x，y)。每一個圖像記錄進一步包括紅色通道特征參數字段27，綠色通道參數字段28，和藍色通道參數字段29。這些特征參數包括所計算彩色柱狀圖的矩η1，η2，η3，低通圖像系數 ，和中心矩M2M3M4。
圖5B說明了示意性實施例中圖像數據庫20的一組記錄21以及各個圖像特征的一組記錄91，在該實施例中圖像特征在圖像檢索提交之前被確定并存儲在圖像特征數據庫中。同圖5A所示的實施例相似，圖像數據庫20中的每個記錄包括一個圖像鑒定字段22和圖像數據字段24。存儲在圖像特征數據庫中的一組記錄91的每個記錄包括圖像鑒定字段92。圖像特征數據庫的每個記錄進一步包括紅色通道特征參數字段97的，綠色通道參數字段98和藍色通道參數字段99。
可以從上述描述看出，本發(fā)明的一個突出的優(yōu)點是當把類似顏色、空間、詳細方向分布信息這樣的特征進行整體考慮時照明不變和抗平移、旋轉和比例變化的健壯性。由于實際圖像/視頻幀通常是在不同照明情況和不同種類的幾何失真下獲取的，所提出的方法特別適合實時在線圖像/視頻數據庫的檢索/索引應用。
雖然本發(fā)明主要的目的是自動檢索圖像，它也可以有效的應用于視頻發(fā)射傳輸檢測以及關鍵幀提取，進一步用在視頻索引和檢索。由于這些應用在本質上及一般的觀點是根據特征相似性進行圖形匹配和分級。
本發(fā)明的新穎性體現在以下幾個特征。首先，在正交Karhunen-Loeve空間上的新的一組不變照明柱狀圖基顏色特征可以有效地和其他空間/方向/邊緣/形狀信息組合獲得一個整體特征表達式。第二，位移不變子波幀分解和相關的初始TRSI特征提取被建議用于獲取照明和TRSI不變性。這個獨特的優(yōu)點對本發(fā)明來講是關鍵性的。它是傳統的基于離散子波變換方法不能完成的。第三，提出了一個新穎的相似性匹配度量。這個度量不需要標準化且它產生出恰當的組合或不同特征相似性的重點。最終，整個檢索過程被改進了。既然檢索的第一步過濾了大多數的不相似圖像，避免了不必要的執(zhí)行且檢索效率提高了。
本發(fā)明中，如上所述，設置了幾個特殊參數。然而，本發(fā)明并不僅限于這些參數。這些參數可以容易的在實際應用中變動，這樣采用檢索或索引不同大小的圖像/視頻數據庫。
另外，本發(fā)明中的圖像檢索方法將不限于優(yōu)選實施例中描述的特定步驟。對本領域的普通技術人員來講，在不脫離本發(fā)明精神和范圍的情況下可以變化很多步驟的編號和順序。
例如，本發(fā)明的另一個最佳實施例中，高效的圖像檢索過程可以通過首先采用每一個圖像的全部變化特征用以從圖像數據庫20中過濾掉最不相似的圖像開始。在后來的步驟中，從彩色柱狀圖矩獲得的特征和最低分辨率的低通系數也用于進一步從保留的候選圖像中過濾出不相似的圖像。然后，剩余的候選圖像的方向/邊緣/形狀特征可以被確定，一個全部相似性量度可以被用于根據彩色柱狀圖、空間顏色、分類、方向/邊緣/形狀特征的設定對保留圖像進行歸類。這個替換的實施例可以進一步減少檢索中不必要的處理。
本發(fā)明所作的描述，顯而易見的可以通過多種方法變化。這樣的變化不被認為是脫離本發(fā)明的精神和范圍的，對本領域的普通技術人員來講這些變化都是包括在下面給出的權利要求的范圍內的。
權利要求
1.一種圖像處理系統(5)，包括一個輸入裝置(30，40)，用于指定查詢圖像；一個圖像數據庫(20)，包含一個或多個圖像；以及一個圖像相似性處理裝置(10)，用于確定所述圖像數據庫(20)中的每一個圖象以及所述查詢圖像的一組特征，所述的一組特征包括對照明變化不敏感的圖像特征和對平移、旋轉、比例的變化不敏感的圖像特征，并且所述的一組特征分配給所述圖像數據庫(20)中的每個圖像一個相似性值，該相似性值表示所確定的所述所分配的圖象的一組特征與所確定的所述查詢圖像的一組特征之間的相似性。
2.如權利要求1所述的系統(5)，其中所述一個圖像的圖像特征是通過將子波變換應用到相應的圖象而確定的，所述圖象特征對照明變化和平移、旋轉、比例幾何變化不敏感。
3.如權利要求2所述的系統(5)，其中所述的對照明變化和幾何變化不敏感的圖像特征至少包括一個中心矩以及幾個低通系數特征，中心矩是根據高通濾波系數計算的，低通系數是從所述所應用的子波變換獲得的。
4.如權利要求1所述的系統(5)，其中所述的對照明、平移、旋轉和比例變換不敏感的圖像特征是通過在相應的圖象上應用卡南-洛維變換〔KLT)而確定的。
5.如權利要求4所述的系統(5)，其中所述的對照明、平移、旋轉和比例變換不敏感的圖像特征至少包括一個根據彩色柱狀圖而計算的標準化矩，彩色柱狀圖是從所應用的KLT變換而獲得。
6.如權利要求1所述的系統(5)，進一步包括一個輸出裝置(60，70，80)，用于根據所述的所分配的相似性值通過所述的圖象相似性比較裝置(10)從所述的圖像數據庫(20)輸出所檢索的圖象。
7.如權利要求4所述的系統(5)，其中所述的檢索的圖像是根據所分配的相似性值而分類的。
8.如權利要求1所述的系統(5)，其中在利用所述輸出裝置(30，40)指定查詢圖象之前，所述的一組特征是根據它所對應的圖象來確定和存儲的。
9.一種處理圖像的方法，包括指定一個查詢圖像確定所述圖像數據庫(20)中的每個圖象以及所述查詢圖像的一組特征，所述的一組特征包括對照明變換不敏感的圖像特征和對平移、旋轉、比例的變化不敏感的圖像特征；以及分配給所述圖像數據庫(20)中的每個圖像一個相似性值，該相似性值表示所確定的所述所分配的圖象的一組特征與所確定的所述查詢圖像的一組特征之間的相似性。
10.一種計算機可讀介質包括一組由計算機系統執(zhí)行的指令，該計算機系統包括一個圖像數據庫(20)，所述的計算機可讀存儲介質包括用于指定查詢圖像的指令；用于確定所述圖像數據庫(20)中的每個圖象以及所述查詢圖像的一組特征的指令，所述的一組特征包括對照明變換不敏感的圖像特征和對平移、旋轉、比例的變化不敏感的圖像特征；以及用于分配給所述圖像數據庫(20)中的每個圖像一個相似性值的指令，該相似性值表示所確定的所述所分配的圖象的一組特征與所確定的所述查詢圖像的一組特征之間的相似性。
全文摘要
一種圖像檢索系統(5)和方法將基于柱狀圖的特征與子波幀分解特征相結合，以及雙流程漸進檢索處理。所提出的本發(fā)明相對于照明的變化以及幾何失真而言是穩(wěn)定的。在第一輪檢索過程中，獲得了卡南－洛維顏色空間中的圖像柱狀圖的矩特征并被用于過濾最不相似的圖像。在第二輪檢索中，多分辨率的WF分解被循環(huán)的應用于剩余圖像。最低等級的一組低通過濾子圖象的系數在減去平均數和標準化之后被用來作為包括空間顏色信息的特征。模數和方向系數是根據每一個等級的高通濾波的X－Y方向的子圖象來計算的，并且中心矩是從最相似方向系數的方向柱狀圖導出的以獲得TRSI方向/邊緣/形狀特征。因為本發(fā)明相對于照明的變化以及幾何失真而言是穩(wěn)固的和穩(wěn)定的，本發(fā)明十分適合應用于實時圖像/視頻數據庫(20)的索引和檢索應用。
文檔編號G09G5/00GK1445696SQ02120598
公開日2003年10月1日 申請日期2002年3月18日 優(yōu)先權日2002年3月18日
發(fā)明者劉建峰 申請人:朗迅科技公司