基于色彩和边缘特征的图像检索方法

计算机应用 ›› 2012, Vol. 32 ›› Issue (05): 1280-1282.

基于色彩和边缘特征的图像检索方法

刘付民,张治斌

河南理工大学计算机科学与技术学院，河南焦作454000

收稿日期:2011-12-12 修回日期:2012-02-03 发布日期:2012-05-01 出版日期:2012-05-01
通讯作者: 刘付民
作者简介:刘付民（1976－），男，河南浚县人，工程师，硕士，主要研究方向:多媒体、数字图像处理；张治斌（1953－），男，河南洛阳人，教授，主要研究方向:多媒体。
基金资助:
河南省软科学研究计划资助项目（102400450034）

Image retrieval method based on color and edge features

LIU Fu-min,ZHANG Zhi-bin

School of Computer Science and Technology，Henan Polytechnic University, Jiaozuo Henan 454000，China

Received:2011-12-12 Revised:2012-02-03 Online:2012-05-01 Published:2012-05-01
Contact: LIU Fu-min
Supported by:
（102400450034）

摘要/Abstract

摘要： 为了改善基于内容的图像检索的效果和提高其检索效率，提出一种基于色彩和边缘特征的图像检索方法。首先将RGB图像分成几个子图像的形式，然后，对于每一个子图像提取其色彩特征和边缘特征，其中边缘特征的获得采用了瞬时保持（MP）边缘检测技术。将这两种特征结合在一起使用，可以实现准确快捷的图像检索。实验结果表明，该方法在检索精度和检索效率上都高于Cheng的两种方法且所用的时间分别为Cheng的方法的10%和3%，检索精度提高近20%。

关键词: 图像检索, 色彩特征, 边缘特征, 图像分割

Abstract: In order to improve the effectiveness and efficiency of the Content-Based Image Retrieval (CBIR), in this paper, a new method was proposed. Both color feature and edge feature were used in this method. At first, RGB image was departed into several sub-images. Then, color feature and edge feature were extracted from every sub-image, where edge feature was acquired by utilizing the Moment Preserving (MP) edge detection. Combining the above two features, an effective and efficient image retrieval method was obtained. The experimental results show that the proposed method has higher precision and faster speed than Cheng's two methods. Compared with Cheng's two methods, retrieval time of the method proposed in this paper is its 10% and 3%, and retrieval precision has been improved by 20%.

Key words: image retrieval, color feature, edge feature, image segmentation

中图分类号:

TP391.41

刘付民张治斌. 基于色彩和边缘特征的图像检索方法[J]. 计算机应用, 2012, 32(05): 1280-1282.

LIU Fu-min ZHANG Zhi-bin. Image retrieval method based on color and edge features[J]. Journal of Computer Applications, 2012, 32(05): 1280-1282.

[1]	杨瑞, 钱晓军, 孙振强, 许振. 自然场景下多区域特征融合的混合航拍图像分割算法[J]. 计算机应用, 2021, 41(8): 2445-2452.
[2]	杨粟, 欧阳智, 杜逆索. 基于相关度距离的无监督并行哈希图像检索[J]. 计算机应用, 2021, 41(7): 1902-1907.
[3]	黄梨, 卢龙. 基于长距离依赖编码与深度残差U-Net的缺血性卒中病灶分割[J]. 计算机应用, 2021, 41(6): 1820-1827.
[4]	沈雪雯, 王晓东, 姚宇. 基于空间分频的超声图像分割注意力网络[J]. 计算机应用, 2021, 41(6): 1828-1835.
[5]	董阳, 潘海为, 崔倩娜, 边晓菲, 滕腾, 王邦菊. 面向多模态磁共振脑瘤图像的小样本分割方法[J]. 计算机应用, 2021, 41(4): 1049-1054.
[6]	罗琴, 王艳. 无需初始轮廓的图像分割模型[J]. 计算机应用, 2021, 41(4): 1179-1183.
[7]	胡屹杉, 秦品乐, 曾建潮, 柴锐, 王丽芳. 基于特征融合和动态多尺度空洞卷积的超声甲状腺分割网络[J]. 计算机应用, 2021, 41(3): 891-897.
[8]	袁芊芊, 邓洪敏, 王晓航. 基于超像素快速模糊C均值聚类与支持向量机的柑橘病虫害区域分割[J]. 计算机应用, 2021, 41(2): 563-570.
[9]	韩艳茹, 尹梦晓, 覃子轩, 苏鹏, 杨锋. 图像和视频的低多边形渲染[J]. 计算机应用, 2021, 41(2): 504-510.
[10]	陆荣秀, 陈明明, 杨辉, 朱建勇. 基于溶液图像时序特征的元素组分含量动态监测系统[J]. 计算机应用, 2021, 41(10): 3075-3081.
[11]	原泉, 王艳, 李玉先. 距离保持水平集演化模型的快速实现算法[J]. 计算机应用, 2020, 40(9): 2743-2747.
[12]	高海军, 曾祥银, 潘大志, 郑伯川. 基于U-Net改进模型的直肠肿瘤分割方法[J]. 计算机应用, 2020, 40(8): 2392-2397.
[13]	吴崇数, 林霖, 薛蕴菁, 时鹏. 基于自监督学习的病理图像层次分割[J]. 计算机应用, 2020, 40(6): 1856-1862.
[14]	曾招鑫, 刘俊. 基于深度学习的秀丽隐杆线虫显微图像分割方法[J]. 计算机应用, 2020, 40(5): 1453-1459.
[15]	张一飞, 李新福, 田学东. 基于图像分割的立体匹配算法[J]. 计算机应用, 2020, 40(5): 1415-1420.