2。3。2 颜色矩   12
2。3。3 颜色集   13
2。4 图像的相似性度量   13
2。4。1 直方图相交距离   13
2。4。2 绝对值距离   14
2。4。3 欧几里德距离   14
第三章 基于颜色特征的图像检索系统的实现   16
3。1 系统的工作流程   16
3。2 查询界面设计   16
3。3基于全局直方图   17
3。4 基于全局-关键分块直方图   18
3。5 算法分析比较   19
结论   21
致  谢   23
参考文献   24


第一章 绪论
1。1 基于内容的图像检索的概念
基于内容的图像检索，英文是Content Based Image Retrieval，缩写为CBIR[1]。这种技术应用将会很广泛，它在图片集中进行搜索与之类似的图片。这种方法使用某种算法从图片中提取较低层次的特征，如图片颜色特点、图片纹理特点、图像轮廓和图像形状等特点，然后进行对比，搜索出需要的搜索结果。论文网
典型的CBIR系统，它允许用户输入一个图象找到其他具有相同或类似的内容图片。以前的图片搜索是以文字标注，即由图像的名称，文字和索引之间的关系来实现的。
这个概念20世纪90年代被提出。此后，关于以内容为基础的图像检索系统得到大规模研究以及广泛的应用，比如统计学，模式识别系统，信号处理，计算机视觉方面。
目前的研究已经发展了近20年来，传统的搜索引擎公司，包括谷歌，百度，必应已经提供了一些基于内容的图像搜索产品。如：谷歌图片搜索，百度识图。
1。2 课题背景及研究意义
多年以来，各种技术发展迅速，拍照摄像发展较好，更重要的是大规模图片的普遍使用，图像检索成为图像信息及中最基本也是最普遍的做法。早期的图片搜索在基于文本方式基础上，把图片集中所有图片使用图像本身特点进行标注，然后使用此特点进行匹配，然后来图像的检索。这种方式进行检索耗时耗力，需要很大的工作量去进行人工标注，而且对其进行描述并不是很容易，无法非常精确的描述。所以基于内容的图像检索技术很重要。它对促进图像技术的发展很有意义，并将应用到其他行业。首先，要考虑到它的精度，从这一角度，以内容为基础的检索特点来进行匹配，如图像的内容，形状，颜色，纹理和其它视觉特征的该图像，以发现和通过精确匹配基于图像特征提取的图像算法和图像之间的完全相似性匹配，因此搜索结果的精度提高。其次，多种高科技，如深入人工智能，数据库技术，电脑视觉，大数据研究的进一步发展，通过实现这些图像特点收集自动化，大量降低了人力，把人从自然解放出来，使搜索精度得以提高，所需要的时间比以前大大降低[2]。
1。3 图像检索的定义和分类
第一种是以文本检索作为图像检索的入口。通过对图像进行文字描述检索图像。文本搜索又可以细分为三类：第一类是由人对图像做标记。最早期上个世纪七八十年代时是很小的图片集，是通过人来添加图像的文本标签，然后通过文本来搜索就够了。第二类是通过网页的文本对图像进行索引。目前的互联网通用图片搜索引擎基本上都是基于这一套技术。通过网页的文本来对图片进行索引，当然这里面也涉及到很多的细节，包括怎样从网页上提取有效的文字，以及2008年之后也有很多图像分析的内容引进到基于网页的图片搜索里来。也就是说虽然图像是网页中的图片，但是也会对其进行内容分析，不管是打标签还是特征抽取等。来改进文本搜索存在的一些缺陷提升搜索的精准性。第三类是自动标注。搜索引擎在运行的过程中用户在搜索时会点击搜索结果，这个时候搜索的词和搜索的结果，就通过被点击这个动作建立起了一个关联，这种方式也可以认为是一种标注。虽然它有一些噪声，但是实际上也是非常有效的，并且也可以用一些方法降低其噪声，甚至在相似图像之间传递标签从而扩大标签的覆盖率。这种标注对基于网页的图像搜索引擎，对搜索质量的提升起到了非常关键的作用。 基于颜色特征的图像检索系统研究(2):http://www.youerw.com/jisuanji/lunwen_131032.html