基于圖像特征的圖像檢索專利技術綜述
「目前對基于內容的圖像檢索的研究熱點主要集中在基于圖像特征（顏色、紋理、形狀等）的檢索，本文根據國內外基于圖像特征進行圖像檢索的專利文獻，按照上面列舉的幾個不同類別的圖像特征來對圖片的特征提取相關技術進行介紹和分析，為圖像檢索領域的研究工作提供參考，幫助本領域相關人員深入了解圖像檢索領域。(2023-2-25)」
關鍵詞：圖像檢索;專利分析;圖像特征;顏色特征;紋理特征
由于基于文本的圖像檢索要用手工對圖像進行注釋，因而導致了它存在著不準確、不客觀的問題。尤其是在大規模的圖像數據庫出現以后，由手工對圖像進行標注的方法就變得更加遠遠不能滿足現實的需要了。為了解決這一難題，研究者們提出了基于內容的圖像檢索（CBIR，Content-Based Image Retrieval），其基本思路就是利用圖像本身的視覺特征如顏色，紋理，形狀，空間關系等，并借助圖像處理技術、模式識別技術、計算機視覺技術和人工智能來實現對圖像的檢索，即檢索時是根據圖像的本身，而不是對其的標注。本文將根據國內基于圖像特征進行圖像檢索的專利文獻，按照上面列舉的幾個不同類別的圖像特征來對圖片的特征提取相關技術進行介紹和分析。
1圖像顏色特征提取
顏色是圖像最顯著和直觀的視覺特征，顏色直方圖可以表達圖像的全局信息，并且不需要對圖像中的物體加以分割或者識別，具有旋轉與平移不變等特點。對于利用顏色特征檢索圖像有三個關鍵技術：選取合適的顏色空間，有效的特征提取方法與準確的特征匹配算法。目前常見的圖像顏色空間有，RGB空間，HSV空間，Lab空間，HIS空間等，這幾中顏色空間分別對應了相應的顏色模型，即 RGB 顏色模型，HSV顏色模型，Lab顏色模型，HIS顏色模型。
比如申請號為CN201010516933的案件，提出了一種基于多層位圖顏色特征的圖像檢索方法，采用的顏色空間就是RGB顏色空間;申請號為CN201410852980的案件，提出了一種圖像檢索的方法，提取了圖像的紋理特征和顏色特征，選取顏色空間是HSV，并根據H通道中的色調區域的灰度直方圖設定色調數組，以及根據V通道 中與S通道暗區域的對應區域灰度直方圖設定亮度數組，并根據所述色調數組和亮度數組獲取顏色特征;顏色模型的選擇也并不唯一，申請號為CN201510660442的案件，提出基于顏色特征的圖像檢索方法，其中顏色空間既可以選Lab也可以選擇HSV;由此可見有時候顏色空間的選取和替換對本領域技術人員來說是容易想到的。
2圖像紋理特征提取
紋理是一種反映圖像中同質現象的視覺特征，也是圖像檢索中一個重要而又難以描述的特性。描述紋理基元及在周期性排列的空間幾何特征和排列規則，如形態學、圖論、拓撲法等。頻譜法是建立在多尺度分析與時頻分析基礎之上的紋理分析方法，如 Gabor 變換、小波變換、分形等。在各種方法中，研究比較多的是基于統計的紋理特征提取方法，它包括灰度共生矩陣法和隨機場模型法，如馬爾可夫隨機場模型法。
紋理特征的提取不局限于上述提及的模型，但是都屬于為統計法、結構法和頻譜法中一類或者兩類;公開號為CN1570972A的案件，提出了種基于圖像紋理特征的圖像檢索方法，利用在地理數據空間關系分析中常用的Variogram函數作為數學工具，將圖像數據看作是區域化變量，以圖像數據的Variogram函數值，反映圖像象素的結構性，和圖像數據的統計特性。雖然可以看出該申請是基于統計的紋理特征提取方法，但是并沒有采用常見的灰度共生矩陣法、基于馬爾可夫隨機場模型等，該算法能夠自動判斷紋理類型，提高了實際檢索的準確率，可以說是針對紋理特征進行了創新;同時，還可以結合多種紋理特征提取方法來實現，比如申請號CN201510028263的案件，提出了一種基于機器人視覺平臺的圖像檢索方法，在進行紋理特征識別的時候，利用灰度共生矩陣對紋理特征進行提取識別，并利用馬爾可夫隨機場MRF模型對紋理特征進行綜合打分。
3圖像形狀特征提取
形狀特征的提取是在對圖像中目標進行分割的基礎上實現的。有多種技術可以用來實現基于形狀的圖像檢索，比較常用的方法有：全局特征直接匹配的方法、基于局部不變量的檢索方法、基于變形模板匹配的檢索方法、利用變換域的方法和形態學方法等。按照形狀表達的形式可以將形狀的描述方法分為兩類：第一類是基于區域的形狀描述符，它表達了形狀的目標區域內的所有的像素集合;目前，常用的區域特征的描述方法有：區域面積、區域重心、區域的矩、區域的骨架和通用傅里葉描述子等;第二類是基于邊緣的形狀描述符，它表達了形狀的目標區域邊界輪廓的像素集合，基于邊緣的檢測算子主要有Canny 算子、Gaussian 算子、Sobel 算子、Roberts 算子和 Prewitt 算子等。
圖像的形狀特征提取在商標圖像檢索和文字圖像檢索都發揮了顯著的效果。申請號CN201510961229提出了一種基于區域形狀特征的商標圖像檢索方法，采用旋轉分層劃分的思想對圖像的區域形狀進行分層分割，利用旋轉分層的特征抽取方法來替代現有技術所使用的特征抽取方法，抽取圖像區域形狀的像素特征和面積特征，并根據這兩種特征在圖像描述中的貢獻大小使用不同的權重系數進行組合，提出了一種區域特征的組合描述算法，占用存儲空間較低，有利于編程實現;申請號為CN201510441001的申請，公開了一種基于形狀匹配的漢字圖像檢索方法，該方法在形狀上下文算法的基礎上構造了形狀特征描述函數，在對漢字圖像進行描述中進引入了不變矩算法使得漢字圖像特征描述函數有更高魯棒性，針對碑貼中的古代書法家遺留下來的書法作品經過數字化提取得到的圖像進行檢索，以便用戶欣賞和比較不同時期不同書法家的作品風格，針對碑文中提取出的漢字的形狀描述函數具有準確性高，效率高，魯棒性好等優點。
4圖像空間關系的提取
圖像中存在著固有的空間分布特性，基于物體空間關系的圖像檢索包含了多種基于方向關系和空間拓撲結構的標識模型。為了提取圖像的中物體的空間關系，通常還要結合局部特征提取方法，常見的局部特征提取方法有SIFT（尺度不變特征變換），SURF（加速魯棒特征描述符），BRIEF（二進制魯棒獨立基本特征）等。
圖像空間關系的檢索在遙感領域有著重要的運用。早起就有申請號為CN03152466的申請，提出了一種在關系型數據庫中快速高效地存儲、以及檢索和管理空間圖像的空間圖像信息方法和系統，該空間圖像是由全球定位系統（GPS）、慣性導航系統（INS）和圖像獲取裝置（即CCD照相機）的組合系統所獲取的，將空間圖像與外方位及內方位結合起來，以便計算出指定空間坐標信息，從靜止空間圖像序列中高效地檢索滿足特定空間信息操作的圖像的部件;以及用于外部系統的接口部件;還有申請號為CN2010176447的申請，公開了一種融合空間方位關系語義的遙感圖像檢索方法，提出的新的方位描述方法獲取空間方位關系語義。
5總結
本文結合國內專利申請的狀況對基于圖像特征提取的圖像檢索技術具體分類進行了介紹和分析，給基于圖像特征的圖像檢索領域提供了參考和幫助。
參考文獻
[1]徐果毅. 基于顏色特征的圖像檢索研究[D]. 湖南大學，2009.
[2]楊秀娟. 基于紋理特征的圖像檢索研究[D]. 西安科技大學，2009.
(Othm)
由于基于文本的圖像檢索要用手工對圖像進行注釋，因而導致了它存在著不準確、不客觀的問題。尤其是在大規模的圖像數據庫出現以后，由手工對圖像進行標注的方法就變得更加遠遠不能滿足現實的需要了。為了解決這一難題，研究者們提出了基于內容的圖像檢索（CBIR，Content-Based Image Retrieval），其基本思路就是利用圖像本身的視覺特征如顏色，紋理，形狀，空間關系等，并借助圖像處理技術、模式識別技術、計算機視覺技術和人工智能來實現對圖像的檢索，即檢索時是根據圖像的本身，而不是對其的標注。本文將根據國內基于圖像特征進行圖像檢索的專利文獻，按照上面列舉的幾個不同類別的圖像特征來對圖片的特征提取相關技術進行介紹和分析。
1圖像顏色特征提取
顏色是圖像最顯著和直觀的視覺特征，顏色直方圖可以表達圖像的全局信息，并且不需要對圖像中的物體加以分割或者識別，具有旋轉與平移不變等特點。對于利用顏色特征檢索圖像有三個關鍵技術：選取合適的顏色空間，有效的特征提取方法與準確的特征匹配算法。目前常見的圖像顏色空間有，RGB空間，HSV空間，Lab空間，HIS空間等，這幾中顏色空間分別對應了相應的顏色模型，即 RGB 顏色模型，HSV顏色模型，Lab顏色模型，HIS顏色模型。
比如申請號為CN201010516933的案件，提出了一種基于多層位圖顏色特征的圖像檢索方法，采用的顏色空間就是RGB顏色空間;申請號為CN201410852980的案件，提出了一種圖像檢索的方法，提取了圖像的紋理特征和顏色特征，選取顏色空間是HSV，并根據H通道中的色調區域的灰度直方圖設定色調數組，以及根據V通道 中與S通道暗區域的對應區域灰度直方圖設定亮度數組，并根據所述色調數組和亮度數組獲取顏色特征;顏色模型的選擇也并不唯一，申請號為CN201510660442的案件，提出基于顏色特征的圖像檢索方法，其中顏色空間既可以選Lab也可以選擇HSV;由此可見有時候顏色空間的選取和替換對本領域技術人員來說是容易想到的。
2圖像紋理特征提取
紋理是一種反映圖像中同質現象的視覺特征，也是圖像檢索中一個重要而又難以描述的特性。描述紋理基元及在周期性排列的空間幾何特征和排列規則，如形態學、圖論、拓撲法等。頻譜法是建立在多尺度分析與時頻分析基礎之上的紋理分析方法，如 Gabor 變換、小波變換、分形等。在各種方法中，研究比較多的是基于統計的紋理特征提取方法，它包括灰度共生矩陣法和隨機場模型法，如馬爾可夫隨機場模型法。
紋理特征的提取不局限于上述提及的模型，但是都屬于為統計法、結構法和頻譜法中一類或者兩類;公開號為CN1570972A的案件，提出了種基于圖像紋理特征的圖像檢索方法，利用在地理數據空間關系分析中常用的Variogram函數作為數學工具，將圖像數據看作是區域化變量，以圖像數據的Variogram函數值，反映圖像象素的結構性，和圖像數據的統計特性。雖然可以看出該申請是基于統計的紋理特征提取方法，但是并沒有采用常見的灰度共生矩陣法、基于馬爾可夫隨機場模型等，該算法能夠自動判斷紋理類型，提高了實際檢索的準確率，可以說是針對紋理特征進行了創新;同時，還可以結合多種紋理特征提取方法來實現，比如申請號CN201510028263的案件，提出了一種基于機器人視覺平臺的圖像檢索方法，在進行紋理特征識別的時候，利用灰度共生矩陣對紋理特征進行提取識別，并利用馬爾可夫隨機場MRF模型對紋理特征進行綜合打分。
3圖像形狀特征提取
形狀特征的提取是在對圖像中目標進行分割的基礎上實現的。有多種技術可以用來實現基于形狀的圖像檢索，比較常用的方法有：全局特征直接匹配的方法、基于局部不變量的檢索方法、基于變形模板匹配的檢索方法、利用變換域的方法和形態學方法等。按照形狀表達的形式可以將形狀的描述方法分為兩類：第一類是基于區域的形狀描述符，它表達了形狀的目標區域內的所有的像素集合;目前，常用的區域特征的描述方法有：區域面積、區域重心、區域的矩、區域的骨架和通用傅里葉描述子等;第二類是基于邊緣的形狀描述符，它表達了形狀的目標區域邊界輪廓的像素集合，基于邊緣的檢測算子主要有Canny 算子、Gaussian 算子、Sobel 算子、Roberts 算子和 Prewitt 算子等。
圖像的形狀特征提取在商標圖像檢索和文字圖像檢索都發揮了顯著的效果。申請號CN201510961229提出了一種基于區域形狀特征的商標圖像檢索方法，采用旋轉分層劃分的思想對圖像的區域形狀進行分層分割，利用旋轉分層的特征抽取方法來替代現有技術所使用的特征抽取方法，抽取圖像區域形狀的像素特征和面積特征，并根據這兩種特征在圖像描述中的貢獻大小使用不同的權重系數進行組合，提出了一種區域特征的組合描述算法，占用存儲空間較低，有利于編程實現;申請號為CN201510441001的申請，公開了一種基于形狀匹配的漢字圖像檢索方法，該方法在形狀上下文算法的基礎上構造了形狀特征描述函數，在對漢字圖像進行描述中進引入了不變矩算法使得漢字圖像特征描述函數有更高魯棒性，針對碑貼中的古代書法家遺留下來的書法作品經過數字化提取得到的圖像進行檢索，以便用戶欣賞和比較不同時期不同書法家的作品風格，針對碑文中提取出的漢字的形狀描述函數具有準確性高，效率高，魯棒性好等優點。
4圖像空間關系的提取
圖像中存在著固有的空間分布特性，基于物體空間關系的圖像檢索包含了多種基于方向關系和空間拓撲結構的標識模型。為了提取圖像的中物體的空間關系，通常還要結合局部特征提取方法，常見的局部特征提取方法有SIFT（尺度不變特征變換），SURF（加速魯棒特征描述符），BRIEF（二進制魯棒獨立基本特征）等。
圖像空間關系的檢索在遙感領域有著重要的運用。早起就有申請號為CN03152466的申請，提出了一種在關系型數據庫中快速高效地存儲、以及檢索和管理空間圖像的空間圖像信息方法和系統，該空間圖像是由全球定位系統（GPS）、慣性導航系統（INS）和圖像獲取裝置（即CCD照相機）的組合系統所獲取的，將空間圖像與外方位及內方位結合起來，以便計算出指定空間坐標信息，從靜止空間圖像序列中高效地檢索滿足特定空間信息操作的圖像的部件;以及用于外部系統的接口部件;還有申請號為CN2010176447的申請，公開了一種融合空間方位關系語義的遙感圖像檢索方法，提出的新的方位描述方法獲取空間方位關系語義。
5總結
本文結合國內專利申請的狀況對基于圖像特征提取的圖像檢索技術具體分類進行了介紹和分析，給基于圖像特征的圖像檢索領域提供了參考和幫助。
參考文獻
[1]徐果毅. 基于顏色特征的圖像檢索研究[D]. 湖南大學，2009.
[2]楊秀娟. 基于紋理特征的圖像檢索研究[D]. 西安科技大學，2009.
(Othm)