第3章主要介绍了图片匹配技术所采纳的几种相似性度量办法和SVM（支持向量机）的分类方法。阐述了本系统采纳提取的颜色特征与纹理特征相结合的多特征融合技术，通过SVM(支持向量机)的分类算法进行相关反馈，然后进一步使用相似性度量方法

（曼哈顿距离、欧氏距离、标准化欧氏距离），提高了检索准确性，实现了图像检索。第4章完成了MATLAB下CBIR（基于内容的图像检索系统）的设计与实现,介绍了

系统实现的软硬件环境和系统结构，演示了系统的运行实例和使用步骤，并经过系统试验依据其检索成果进行了性能分析。

2 图像特征分析

2。1 图像颜色特征分析

图像检索中运用视觉特征的颜色特征是最为普遍的。一是因为颜色通常与图像中所蕴含的东西或场景非常相干；二是因为颜色特征对图像自身的视角、平移、尺寸、旋转、方向等方面的依赖性较小些，具备较强的鲁棒性。

2。1。1 颜色空间及转换

（1）RGB颜色空间

运用最多的颜色模型是RGB颜色空间，一种色光表现方式。计算机定义R、G、B这三种颜色成分的取值范畴均为0-255，0表示没有刺激量，255表示刺激量达最大值。R、G、B为三原色，各个原色混合在一起能够出现复合色，如图2-1所示。能够用

R、G和B三色光依照不同的比例和强度混合来表现绝大多数的可见光。在色彩堆叠的地方会出现青色、黄色和品红。由于RGB色彩合成产生其它色彩，这些色彩被称作加色。RGB颜色空间的弊端是：改动其中一个颜色时，则需修改三个通道上的全部颜色：色彩空间上的距离并不能表示人眼视觉方面的颜色相似性[7]。RGB三原色混合效果如下图2-1所示：

黄=红+绿 品红=红+蓝

青=绿+蓝 白=红+绿+蓝

（2）HSV颜色空间

2-1RGB三原色混合效果

HSV颜色空间是一种面向视觉感知的颜色模型，可以较好的反映人眼对颜色的感知和辨别水平。它直接对应于人眼视觉特性颜色三要素，即色调H、饱和度S和亮度V，各通道间各自独立。色调H是光的颜色，不同波长的光呈现不同的颜色就是具备不同的色调。饱和度S表示颜色的深浅程度，饱和度高低不同的深蓝和浅蓝。亮度V表示人眼感觉到的光的明暗水平，与物体的反射率成正比。

将色调、饱和度、亮度表现出来的三维空间锥体如图2-2示：绕圆锥中心轴的角表现的是色调H，从横截面的圆心到这个点的距离表现的是饱和度S，从横截面的圆心到顶点的距离表现的是亮度V。

（3）颜色空间的转换

图2-2HSV颜色模型

为了更契合人眼的视觉特征，需要将RGB颜色空间转换为HSV颜色空间，两者间的转换公式如下：

给定RGB颜色空间的（r,g,b）值，r、g、b∈[0,1,…,255],则转换到HSV空间的h、

s、v值计算如下：源G于J优L尔V论N文M网WwW.youeRw.com 原文+QQ75201`8766

设v′=max(r,g,b),定义r’,g’,v’为：

2。1。2 颜色量化

变量的范围被分为相等的空间还是被随机地分成一系列区间[8]。虽然均匀量化比非均

匀量化计算速度快，但是量化后的颜色空间中的许多部分都是没用的，然而非均匀量化采纳基于图像统计的颜色查找图表，使得量化颜色空间的每个区间都是非空的，能让显现的图片取得更好的视觉效果。如今常用的颜色量化方法大概可分为分割算法及聚类算法两类[9]。