FROM:?http://blog.csdn.net/leixiaohua1020/article/details/16847823

一共有四種基于內容的圖像分類方法，即顏色、紋理、形狀和空間關系。

1.基于顏色特征的分類技術

目前，提取顏色特征己經成為幾乎所有基于內容圖像分類技術的重要手段。由于顏色是物體必備的視覺特性，同一類物體一般會有相似的色彩特征，所以人們就根據這一點用色彩來對圖像內容進行區分。顏色直方圖能夠描述不同色彩在整個圖像中所占的比例，即使圖像內容發生了大小、旋轉上的變化，它也不會有很大的差異，因此顏色直方圖在很多圖像分類和檢索系統中被廣泛使用，得到了研究人員的普遍關注。

最初采用顏色直方圖進行分類的思想就是根據每種顏色在整幅圖像中出現的概率，統計出一個含有色彩比例的直方圖，然后將兩個圖像的直方圖通過交運算來度量相似性。但是這種方法并沒有考慮到圖像色彩信息的空間性，所以很多該領域的學者又不斷進行改進，下面將介紹幾種典型方法。

顏色矩(ColorMoments)是由Strieker等人提出的。它的主要思想就是用矩來表示圖像中各種顏色的分布，再使用不同顏色分量的統計參數作為參量。低階矩集中了顏色分布的主要信息，因而圖像顏色分布的情況可以釆用顏色一階矩、二階矩、三階矩表示出，更高階的矩中幾乎不會含有顏色信息。其中，一階矩能夠表示出圖像的整體概況，即均值信息；二階矩能夠表示出圖像細節變化，即方差信息；三階矩能夠表示出該幅圖像的斜度信息。

2.基于紋理特征的分類技術

紋理特征也是圖像特征提取中一個非常重要的技術，它能夠描繪出物體表面所具有的內在規律與結構。其基本的研究方法就是利用像素點的灰度值來找出圖像中像素分布的規律。

最早的提取紋理特征的方法就是Haralick等的灰度共生矩陣。灰度共生矩陣是根據像素之間的距離和方向建立起來的，紋理特征向量便是通過提取這個矩陣中有意義的統計量得到的，它能夠很好的反應灰度級的空間相關性，目前是一種非常重要的紋理分析方法。設像素灰度的級數為L，圖中任意點(x,y)的灰度值為i，點(x+a，y+b)的灰度值為j，且i、j取值范圍為[0，L-1], a、b的值固定，這樣就會形成一個點對(i，j)，在圖像上移動(x,y)則會得出不同的(i,j)值，統計出每個點對(i,j)值出現的次數再進行歸一化就會得到一個方陣Pij，這個方陣Pij就是灰度共生矩陣，也可以說灰度共生矩陣就是兩個相對位置不變像素點的聯合直方圖。

通過灰度共生矩陣就可以得到一系列的紋理特征統計量：Pij的數值可以反映紋理的粗細，如果聚集在主對角線附近時就表示粗紋理特征，如果分布比較集中時就表示細紋里特征；矩陣行或列之間的相似度可以用Pij的灰度相關性表示；Pij的熵和能量也可以反映圖像灰度分布的均勾性，如果數值分布集中，熵較小，能量較大；如果分布均勾，熵較大，能量較小。

20世紀90年代開始，小波變換也隨著其理論結構的建立進入了人們的研究視線。它的理論基礎就是先將信號分割成不同的頻率成分，再研宄其對應尺度下的各個分量。小波變換能夠把信號分解為近似分量和細節分量，近似分量一般是信號的低頻部分，那么很容易想到，圖像中的顏色信息就是低頻信息，而信號的高頻分量一般對應著的細節分量，也就是圖像中的過渡、邊緣等紋理信息。基于小波變換的主要理論有：Smiht和Chang的提取小波子帶統計量方法可達到百分之九十的準確率；Chang和Kuo研究出了一種能夠進一步提高分類準確率的樹型結構小波變換；Thygaarajna等人兼顧基于統計和變換的紋理分析算法將小波變換和共生矩陣結合起來提高其準確性。

目前，邊緣直方圖EHD (Edge Histogram Descriptor)也是人們提取圖像紋理特征的一個重要方式，因為邊緣的空間分布能夠包含重要的紋理信息，它還可以有效的結合顏色信息，提高準確度，后面即將用到的CEDD特征的紋理信息提取就是基于這一原理。EHD也是MPEG-7標準紋理描述符的一種。EHD提供了5種紋理邊緣類型：垂直邊緣的紋理，水平邊緣的紋理、45度邊緣的紋理、135度邊緣的紋理、無方向邊緣的紋理。但EHD只考慮了圖像的局部邊緣分布，并沒有考慮到全局特征，它的基本方法是將一幅圖像分為4*4個子塊，每個子塊的局部特征都可以用其形成的邊緣分布直方圖來表示，這樣的直方圖就會包含5個代表邊緣類型出現概率的bins，最后得出5*4*4=80個包含與位置和邊緣類型相關的帶有邊緣紋理信息的bins。Chee等人還加進了半全局和全局的邊緣分布進行改進，得出包含150個bins的直方圖。

3.基于形狀特征的分類技術

在圖像特征提取中，研究者普遍認為形狀是一個描繪輪廓的封閉曲線所包圍的區域。根據學者們多年來的研究與實踐，目前，主要有兩大類描述形狀特征的方法：基于邊界特征方法和基于區域特征方法。基于邊界的形狀特征提取方法主要有傅里葉描述符、邊界矩和邊界方向直方圖，基于區域的形狀特征提取方法主要是不變矩。形狀特征與顏色和紋理特征不同，必須先對圖像中對象的邊緣和區域進行分割和提取，在其實現方法上有一定的困難。

?

原文地址：http://www.cnki.net/KCMS/detail/detail.aspx?QueryID=0&CurRec=1&recid=&filename=1013244249.nh&dbname=CMFDTEMP&dbcode=CMFD&pr=&urlid=&yx=&uid=WEEvREcwSlJHSldSdnQ0S3ppcjVaQjl4ZVI2aWd5VmFFelQ2UmJxRmJoQjJjL1EzdTBYMjVQQmMvZ3hxN3JNPQ==&v=MDI2Njg3RGgxVDNxVHJXTTFGckNVUkxtZVp1UnZGeUhtVzd6TlZGMjZIYkc4R3RQSXBwRWJQSVI4ZVgxTHV4WVM=

總結

以上是生活随笔為你收集整理的图像检索：几类基于内容的图像分类技术的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。