基于颜色的特征提取

内容及要求:

一、设计说明

    基于内容的图像检索(content-based image retrieval, CBIR)技术由机器自动提取包含图像内容的可视化特征,如颜色、形状、纹理等,对数据库中的图像和查询样本图像在特征空间进行匹配,检索出与样本相似的图像。其原理框图如图1所示。

图1  基于内容的图像检索结构框架方框图

图像特征的提取是基于内容的图像检索技术的基础。图像视觉信息内容主要涉及两层含义:一层是图像信息的视觉特征,如颜色(灰度)、纹理、形状与空间关系等,这是最低层的图像信息模型,也是图像所固有的物理属性,能被人的感官觉察出来的,图像内容是客观的;另一层是与人类认知领域相关的图像内容,即图像内容的语义描述,也称为高层次图像信息。前者用于描述所有图像共有的特征,与图像的具体类型或内容无关;后者则建立在对所描述图像内容的某些先验知识(或假设)的基础上,与具体的应用紧密相关。

本次设计要求实现一种基于颜色特征的提取方法。

二、实验要求

1.构建图像库;

2.对图像库中的图像提取出颜色特征,如可以转换成HSV(色调、亮度、饱和度)空间,并分别对其进行非均匀量化,构成256柄一维矢量,然后将其展开成16*16的特征矩阵,求出特征矩阵的特征值。

3.进行实验数据处理和分析。

三、推荐参考资料

[1]章毓晋. 基于内容的视觉信息检索. 科学出版社, 2003

[2]庄越挺,潘云鹤,吴飞. 网上多媒体信息分析与检索. 清华大学出版社, 2002.

[3] 贺兴华、周媛媛、王继阳等.MATLAB 图像处理[M].人民邮电出版社,2006年

[4] 朱习军等. matlab在信号与图像处理中的应用[M].北京:电子工业出版社,2009年

四、具体实现部分代码如下:

%function:

%     基于颜色的特征提取

%date:2016-12-28

%author:songweiqi789

%from http://www.cnblogs.com/swads/

%clear value and read picture

clear;close all

RGB = imread(‘images/girl.jpg‘);

figure(‘name‘,‘process‘),

subplot(2,1,1),

imshow(RGB),

title(‘RGB‘),

%convert frame from RGB to HSV colorspace

hsv =rgb2hsv(RGB);

whos,

subplot(2,1,2),imshow(hsv),title(‘HSV‘),

具体完整实现代码请联系作者索要。作者联系方式:email:[email protected]

时间: 2024-08-24 14:28:01

基于颜色的特征提取的相关文章

OpenCV——基于颜色的物体检测系统

这次区别于证件照,我试着编写了一下在复杂背景下分离纯色物体的系统,因为只是简单的编程,所以结果有待优化,先分析一下实验环境: 这次的背景杂乱,虽然主体是粉色主导,但是因为光照不统一,色域跨度较大,倒影中也有粉色痕迹,杯壁上有花纹,这种情况下边缘检测误差很大. 为了让计算机更好的识别主体颜色,要先将RGB色域转换为HSV色域,在HSV色域中,红色的H值在(0,3)U(156,180)中.粉色的S值饱和度不高,但是比白色要高很多,区间在(50,150)以内. V代表Value,只有黑色或偏黑的颜色V

基于颜色的图像检索学习系统

截图: [检索前] [检索后] 功能: 单击[查找文件夹]会随机显示当前文件夹下的6张图像.假设当前文件夹下小于6幅.则所有显示. 单击[选择],会将測试图像显示在[选择]button上方. 单击[检索],会将与当前图像颜色最接近的6幅图像显示在下方. 思路: 将图像的RGB空间映射到HSV空间,并将其H.S.V均划分为12个区间.这样图像得到3*12个属性. 对选取的測试图像和所有的待检索图像均进行上述处理. 计算測试图像与检索图像之间的距离.将得到的距离依照从小到大的顺序排序.将排序靠前的6

基于RGB颜色模型的图像提取与二值化

现实中我们要处理的往往是RGB彩色图像.对其主要通过HSI转换.分量色差等技术来提出目标. RGB分量灰度化: RGB可以分为R.G.B三分量.当R=G=B即为灰度图像,很多时候为了方便,会直接利用某个分量来进行灰度化,如下图所示: 上图中R分量下红色部分明显比其他两幅更偏白:同样地G分量草地较淡,B分量天空较淡.其他部分如灰黑色马路则相差不多.实际中,我们可以根据 需求有选择地选择分量. RGB分量差灰度化: 有时候我们的要求是从图像中提取某种颜色区域,那么最简单的方法就是采用RGB色差. 例

BRISK特征提取算法

简介 BRISK算法是2011年ICCV上<BRISK:Binary Robust Invariant Scalable Keypoints>文章中,提出来的一种特征提取算法,也是一种二进制的特征描述算子. 它具有较好的旋转不变性.尺度不变性,较好的鲁棒性.在图像配准应用中,速度比较:SIFT>SURF>BRISK>FREAK>ORB,在对有较大模糊的图像配准时,BRISK算法在其中表现最为出色. BRISK算法 特征点检测 BRISK算法主要利用FAST9-16进行特

图像检索:CEDD(Color and Edge Directivity Descriptor)算法 颜色和边缘的方向性描述符

颜色和边缘的方向性描述符(Color and Edge Directivity Descriptor,CEDD) 本文节选自论文<Android手机上图像分类技术的研究>. CEDD具有抽取特征速度较快,特征描述符占用空间较小的优势.下面就对CEDD原理进行详细的阐述和分析. 1.颜色信息 CEDD特征结合了颜色和纹理两方面信息,本小结将给出颜色信息提取的过程,重点分析RGB-HSV模型转换.10-bins模糊过滤器和24-bins模糊过滤器的原理. 1.1.RGB模型转换为HSV模型 RGB

基于GraphCuts图割算法的图像分割----OpenCV代码与实现

部分代码与文档是早些时候收集的,出处找不到了,还请原作者看到后联系注明. 图切算法是组合图论的经典算法之一.近年来,许多学者将其应用到图像和视频分割中,取得了很好的效果.本文简单介绍了图切算法和交互式图像分割技术,以及图切算法在交互式图像分割中的应用. 图像分割指图像分成各具特性的区域并提取出感兴趣目标的技术和过程,它是由图像处理到图像分析的关键步骤,是一种基本的计算机视觉技术.只有在图像分割的基础上才能对目标进行特征提取和参数测量,使得更高层的图像分析和理解成为可能.因此对图像分割方法的研究具

基于‘匹配’技术的车牌自动识别系统

随着智能停车场系统的兴起,车牌识别技术又着实火了一把.我也来了兴趣,大致浏览了下当前的现状,发现目前流行的车牌识别技术是基于神经网络的(这方面可参见Mastering OpenCV with Practical Computer Vision Projects一书,由机械工业出版社发行).人工神经网络这么高深的东西,笔者不太懂,但是作为图像匹配技术出身,我认为这种小case需要那么复杂的东西来完成么?并且训练人工神经网络也是一件麻烦的事情...总之在各种不服气之下,笔者基于图像匹配技术编写了一个

基于内容的图像检索技术

图像检索的本质是对图像特征的提取与基于特征的匹配技术,图像的特征包括图像的文本特征.视觉特征,所谓图像的文本特征是指与图像相关的文本信息,比如图像的名称.对图像的注解文字等,而目前比较成熟应用于网络环境下的图像检索系统比如Google.百度等均属于这类.图像的视觉特征是指图像本身所拥有的视觉信息,又可以进一步分为通用的视觉特征和领域特征,如颜色.纹理.形状等属于图像通用特征,而光谱特征则属于地理科学中遥感影像独有的特征. 从发展演变历程来看,根据图像检索系统所提取图像特征可分为两类,第一类即基于

基于贝叶斯决策的彩色图像中皮肤区域检测算法研究与实现

一.背景介绍 皮肤检测在人脸识别与跟踪.手势识别.图像检索与分类等诸多计算机应用领域都有着广泛的应用.上述研究课题都必须解决一个基础问题,那就是将图像精确的划分为皮肤和背景两种区域,划分的精确与否直接影响着后续工作的精度与性能,因此皮肤检测已经逐渐成为以上任务的先行步骤和技术基础. 皮肤检测的相关算法有很多,典型的包括:直方图统计方法.高斯混合模型方法.基于颜色的皮肤检测.基于纹理的皮肤检测.基于多特征的皮肤检测.基于小波变换的皮肤检测.基于差分的皮肤检测以及诸如使用空间扩散法等.其中M.J.J