摘 要：介绍基于颜色特征的图像检索的关键技术及研究进展，着重阐述了图像颜色特征的提取方法。在研究现状基础上，探讨基于颜色特征的图像检索研究存在的问题以及进一步研究的方向。
关键词：图像检索；颜色特征；特征提取；特征匹配
1. 引言
随着多媒体技术和网路技术的迅猛发展以及数字图像的广泛应用，数字图像的数据量迅速增大。应海量数据库的要求，基于内容的图像检索技术在90年代被提出。由于颜色往往和图像中所包含的物体或场景十分相关，相对于纹理和形状等底层特征，对图像本身的尺寸、方向、视角、平移、旋转等的依赖性较小，具有较强的鲁棒性，成为基于内容的图像检索所应用的特征中最明显、最直观的特征。其流程如图1所示：
图1 利用颜色进行图像检索的流程
目前基于颜色特征的图像检索主要集中在对三个关键技术的研究上：
1) 选取合适的颜色空间；
2) 有效的特征提取方法；
3) 准确的特征匹配算法。
2. 颜色空间研究
对彩色图像进行研究，必须在特定的颜色空间中进行。实际应用中常用的颜色空间很多，在图像检索中，主要采用的颜色空间有RGB、HSV、YCrCb、CIEL*a*b*和CIEL*u*v*等。
在目前采用的颜色空间中，RGB最为基础和常用，但它不够直观，从RGB中很难知道该值所表示颜色的认知属性，而且颜色空间很不均匀。HSV颜色空间色调和饱和度分量能够与人的感受颜色方式紧密相连，亮度分量与图像的彩色信息无关，更适合用户的视觉判断。由于数字图像一般均采用RGB颜色模型来显示，因此在进行处理时，需要将颜色值由RGB空间转换至HSV空间。近几年对于YCrCb、CIEL*a*b*和CIEL*u*v*颜色空间的应用和研究相对较少。
3. 颜色的特征提取研究
3.1 颜色直方图方法及其改进研究
颜色直方图是基础提取方法，也是一种相当重要的方法，具有特征提取和相似度计算简便，并且随图像尺度、旋转等变化不敏感的特点。给定一幅图像（fxy）M×N，fxy表示像素点（x，y）处的颜色值，M×N表示图像的尺寸，图像所包含的颜色集记为C，则图像的颜色直方图课表示如下：
ｈc=，
但是该方法丢失了颜色的空间分布信息，图像维数过高，对图像颜色量化处理易造成误检现象等。针对这些问题，近年来许多改进算法被提了出来。比如梁艳梅等应用模糊集理论的α-级关系来定义彩色直方图的匹配色彩峰，通过综合所有色彩峰的高度匹配得出彩色直方图的相关值，从而有效提高图像的检索效率。
3.2 颜色矩和颜色熵的研究
颜色矩的数学基础在于图像中任何的颜色分布均可以用它的矩来表示，无需对特征进行向量化，降低了颜色特征的维数。但其检索效率低，为了避免低矩阵较弱的分辨能力，往往将它与其他图像特征联合应用，比如文献作者将HSV颜色空间量化聚类后，利用多邻域颜色矩直方图和原始的量化聚类直方图方法，再结合PCA算法降维得出的高检索效果的方法。
颜色熵是根据颜色直方图特征和信息论中的信息熵概念提出的，采用颜色的信息熵来表示图像颜色特征，从而将图像的颜色直方图由多维降低到一维，然后采用L1距离进行图像间的距离度量。改法分辨能力较低，往往也需要和其他图像特征相结合进行检索。比如文献就利用图像信息熵缩小检索范围，使用颜色使用颜色直方图L_1-norm算法进行精确检索。
3.3 颜色相关图的研究
颜色相关图是利用图像中像素间的颜色关系来描述图像颜色空间分布的另一种表达方式。这种特征不但刻画了某一种颜色的像素数量占整个图像的比例，还反映了不同颜色对之间的空间相关性。颜色相关图的图像检索效果很好，但是它的缺点就是计算量很大。近年来对于颜色相关图的研究才起步，主要是结合其他方法来研究，文献介绍了一种基于颜色相关图与小波变换的算法。
3.4 颜色聚合向量的研究
颜色聚合向量方法是针对颜色直方图和颜色矩等无法描述图像颜色空间分布的信息提出的。其核心思想是将属于颜色直方图每一个区间内的像素分为两部分，如果该区间内的某些像素所占据的连续区域的面积大于给定的阈值则将该区域内的像素作为聚合像素，否则作为非聚合像素。目前对聚合向量的研究也主要集中在结合其他方法来进行效果改进上，比如文献就在颜色直方图的基础上采用一种基于颜色聚合向量的方法提高了检索精度。
4. 结语
颜色特征是在图像检索中应用最为广泛的视觉特征。多媒体信息处理、数据库和计算机网络技术的相互融合发展极大地推动了基于颜色特征的图像检索技术的研究。总体看来，尽管目前图像的颜色特征提取与匹配技术已经相对成熟，但依然存在一些问题。例如颜色特征作为图像底层特征如何符合高层语义？如何提高检索结果的用户主观满意度？这些问题将有待于界内人士的进一步探讨。
参考文献:
【1】 高进乐，康耀红，伍小芹.基于颜色特征图像检索方法的研究[J] .信息技术，2008，11：4-7
【2】 孙君顶，赵珊.图像底层特征提取与检索技术[M].北京：电子工业出版社，2009，49-85
【3】 张笃振.基于颜色特征与LBP的图像检索算法研究[J] .微计算机应用，2009，30（6）：35-38
