【图像检索】基于综合特征的图像检索含Matlab源码

1 简介

基于内容的图像检索（CBIR）是一个非常热门的研究领域。本文在对颜色特征、形状特征和纹理特征的研究基础上，将三种特征结合在一起，实现了可以自定义权重的综合特征的图像检索系统，并在平台上实现了这一系统。

图像特征的提取和相似性度量是CBIR的两个关键技术。对于颜色特征，本文采用HSV空间中的颜色矩表示颜色特征；对于形状特征，本文采用图像的不变矩作为形状特征；对于纹理特征，为减少计算量，本文首先对图像进行预分割，提取分割后区域基于傅立叶描述子的纹理特征作为整个图像的纹理特征。在相似性度量方面，采用曼哈顿距离作为度量标准，得到各个特征的相似度向量。

本文在平台上实现了这一图像检索系统，实现自定义权重以及综合特征下的图像检索，并在655副图像的大数据库中随机抽取24副图像进行检索实验，得到了较好的效果。

​

2 部分代码

function Edge = Watershed ( X )
rgb = X;%读取原图像
I = rgb2gray(rgb);%转化为灰度图像
hy = fspecial('sobel');%sobel算子
hx = hy';
Iy = imfilter(double(I), hy, 'replicate');%滤波求y方向边缘
Ix = imfilter(double(I), hx, 'replicate');%滤波求x方向边缘
gradmag = sqrt(Ix.^2 + Iy.^2);%求摸
L = watershed(gradmag);%直接应用分水岭算法
Lrgb = label2rgb(L);%转化为彩色图像
se = strel('disk', 20);%圆形结构元素
Io = imopen(I, se);%形态学开操作
Ie = imerode(I, se);%对图像进行腐蚀
Iobr = imreconstruct(Ie, I);%形态学重建
Ioc = imclose(Io, se);%形态学关操作
Iobrd = imdilate(Iobr, se);%对图像进行膨胀
Iobrcbr = imreconstruct(imcomplement(Iobrd),imcomplement(Iobr));%形态学重建
Iobrcbr = imcomplement(Iobrcbr);%图像求反
fgm = imregionalmax(Iobrcbr);%局部极大值
I2 = I;
I2(fgm) = 255;%局部极大值处像素值设为255
se2 = strel(ones(5,5));%结构元素
fgm2 = imclose(fgm, se2);%关操作
fgm3 = imerode(fgm2, se2);%腐蚀
fgm4 = bwareaopen(fgm3, 20);%开操作
I3 = I;
I3(fgm4) = 255;%前景处设置为255
bw = im2bw(Iobrcbr, graythresh(Iobrcbr));%转化为二值图像
D = bwdist(bw);%计算距离
DL = watershed(D);%分水岭变换
bgm = DL == 0;%求取分割边界
gradmag2 = imimposemin(gradmag, bgm | fgm4);%置最小值
L = watershed(gradmag2);%分水岭变换
Edge = ~L ;
Lrgb = label2rgb(L, 'jet', 'w', 'shuffle');%转化为伪彩色图像
end
%{
figure;
subplot(2,1,1)
imshow(L)%显示伪彩色图像
subplot(2,1,2)
imshow(Lrgb)%显示伪彩色图像
%}

3 仿真结果

4 参考文献

[1]汪慧兰. 基于综合特征的图像检索方法研究[D]. 安徽大学, 2006.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。