• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 23
    • 下载费用:30 金币  

    重庆时时彩稳赚前: 一种基于内容的彩色动物图像检索方法与系统.pdf

    关 键 词:
    一种 基于 内容 彩色 动物 图像 检索 方法 系统
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201410092708.4

    申请日:

    2014.03.13

    公开号:

    CN103870569A

    公开日:

    2014.06.18

    当前法律状态:

    授权

    有效性:

    有权

    法律详情: 授权|||实质审查的生效IPC(主分类):G06F 17/30申请日:20140313|||公开
    IPC分类号: G06F17/30; G06T7/00 主分类号: G06F17/30
    申请人: 北方信息控制集团有限公司
    发明人: 高文昀; 何薇; 高天成; 程彬; 徐学永; 郭晓丹; 吕明; 郑技平; 王均波; 袁鸯; 朱文和; 冒蓉; 岳东峰; 高甜蓉; 严后选; 江永健; 王进; 刘思培; 周凯
    地址: 211153 江苏省南京市江宁区将军大道528号
    优先权:
    专利代理机构: 南京理工大学专利中心 32203 代理人: 朱显国
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201410092708.4

    授权公告号:

    103870569B||||||

    法律状态公告日:

    2017.05.10|||2014.07.16|||2014.06.18

    法律状态类型:

    授权|||实质审查的生效|||公开

    摘要

    本发明提供一种基于内容的彩色动物图像检索方法及系统,该方法包括以下步骤:步骤1、输入作为检索目标的查询图像;步骤2、基于特征模板库的导引,提取查询图像中感兴趣内容的颜色、纹理和骨架特征描述,并进行归一化处理,其中,前述特征模板库存储有基于样本统计形成的不同动物颜色、纹理和骨架的特征描述;以及步骤3、将步骤2提取的特征描述进行基于R树索引结构的检索,与特征索引库中的图像特征索引进行查找计算,并根据匹配结果从图像数据库提取出相应的图片。利用本发明,可在一定程度上克服光照变化对图像检索判决的影响,并在检索中通过骨架特征分析对查询动物的角度、姿态语义信息进行描述,生成与人的视知觉相一致的检索结果。

    权利要求书

    权利要求书
    1.  一种基于内容的彩色动物图像检索方法,其特征在于,包括以下步骤:
    步骤1、输入作为检索目标的查询图像;
    步骤2、基于特征模板库的导引,提取查询图像中感兴趣内容的颜色、纹理和骨架特征描述,并进行归一化处理,其中,前述特征模板库存储有基于样本统计形成的不同动物颜色、纹理和骨架的特征描述;以及
    步骤3、将步骤2提取的特征描述进行基于R树索引结构的检索,与一特征索引库中的图像特征索引进行查找计算,并根据匹配结果从图像数据库中提取出相应的图片。

    2.  根据权利要求1所述的基于内容的彩色动物图像检索方法,其特征在于,在步骤2所述的特征描述中,颜色特征值采用HSV值表示,所述纹理特征采用LBP值的归一化统计直方图表示,所述骨架特征采用等级骨架树描述。

    3.  根据权利要求2所述的基于内容的彩色动物图像检索方法,其特征在于,所述步骤2的实现包括以下步骤:
    步骤2-1、对输入的查询图象进行颜色特征提取,使用Mean Shift算法在HSV颜色空间上将查询图象划分成区域内部颜色相一致的多个区域,用一个5维的特征向量x=(xs,xr)表示待处理彩色图像的每个像素点,xs表示像素点坐标,xr表示像素点的(H,S,V)彩色特征,定义Mean Shift向量:
    M(x)Σi=1nKH(xi-x)w(xi)(xi-x)Σi=1nKH(xi-x)w(xi),]]>
    式中w(xi)为像素点xi的权重,离x越近的xi被赋予越大的权重,KH(xi-x)=H-1/2K(H-1/2(xi-x))为单位核函数;
    从图像第一个像素点x1开始,进行Mean Shift迭代,对像素点的HSV值计算M(x),将M(x)标记给x;以此类推,直到满足终止条件m(xi)-x<ε,ε为设定的收敛阈值;此时即得到该像素点在Mean Shift算法下的HSV收敛值;对查询图像的所有像素点进行Mean Shift迭代,将收敛到同一点的像素点归为一类,并以分割得到的每个区域的颜色HSV均值作为该区域的颜色统计值,即颜色特征值;
    步骤2-2、对步骤2-1分割得到的内部颜色相一致的各个区域提取纹理特征,查询图像的 纹理特征以所述LBP值的归一化统计直方图表示,纹理特征的提取包括以下步骤:
    步骤2-2a、将查询图像转化为灰度图像;
    步骤2-2b、对待处理灰度图像的每个像素Ix,y按下式计算LBP值W(x,y):
    W(x,y)=Σi=-11Σj=-11I(x-i,y-j)G(i,j),]]>
    式中,Ix-i,y-j为待处理像素Ix,y的邻域像素,当邻域像素Ix-i,y-j的灰度值大于或等于待处理像素Ix,y的灰度值时,上式中的I'(x-i,y-j)取值为1,否则取值为0;G为一个3*3变换系数矩阵:
    G=20212223024252627;]]>
    步骤2-2b、用各区域中像素的LBP值的归一化统计直方图表示该区域的纹理特征:
    HTi=niM,i=0,1...255,]]>
    其中,ni为区域中LBP值为i的像素的个数,M为区域中像素的总数;
    步骤2-3、将得到的查询图像的各个区域的颜色和纹理特征值与特征模板库中的各种动物的颜色纹理模板进行相似度计算,以相似度最相近的区域作为用户查询的感兴趣区域的种子,以该模板为种子模板,并以该区域的颜色和纹理特征值作为查询动物的颜色和纹理表述,其中:
    待比较区域C1:(H1,S1,V1)与动物模板颜色特征C2:(H2,S2,V2)的相似度计算公式为:
    Sc=|V1-V2|+|V1S1Cos(H1)-V2S2Cos(H2)|+|V1S1Sin(H1)-V2S2Sin(H2)|;
    待比较区域与动物模板纹理特征的相似度计算公式为:
    ST=Σi=0255min(HTi,HTi);]]>
    式中,HTi和HTi'分别是待比较区域和动物模板的LBP纹理直方图;
    根据上述两种特征值的重要程度通过加权处理得到待比较区域和动物模板之间颜色纹理的相似度的度量其中wc、wt为权值;
    步骤2-4、采用柔韧性骨架生成算法提取待查询图像中目标物体的骨架特征:对待查询图 像中目标物体的骨架特征,抽取的动物骨架线为树形结构,并且自顶向下地对骨架树的每个分支给予不同的匹配权重,形成等级骨架树,即为查询动物的骨架树特征描述。

    4.  根据权利要求3所述的基于内容的彩色动物图像检索方法,其特征在于,所述步骤2-4中提取待查询图像中目标物体的骨架特征的实现包括以下步骤:
    步骤2-4a、搜索种子区域Region的相邻区域,对种子区域Region和相邻区域的颜色纹理特征进行相似度度量,将相似度超过给定样本统计阈值Tct的相邻区域融合入种子区域,gai样本统计阈值Tct的取值范围为[0,1];
    步骤2-4b、重复上述步骤2-4a,直到种子区域Region周围不存在与其颜色纹理相似度大于所述给定样本统计阈值Tct的区域时停止;此时的种子区域Region即为基于颜色和纹理特征的图像分割结果;
    步骤2-4c、在步骤2-4b分割结果的基础上,以前述种子模板对应的骨架模板为线索,骨架模板存储于前述特征模板库中,对种子区域Region周围的区域进行基于假设检验判决的区域二次融合,再提取骨架特征,完成查询图像的等级骨架树特征描述。

    5.  根据权利要求4所述的基于内容的彩色动物图像检索方法,其特征在于,所述步骤2-4c的实现包括以下步骤:
    1)根据前述种子模板从骨架模板库中挑选与种子模板对应的多个骨架模板;
    2)对步骤2-4b分割结果的种子区域Region采用柔韧性骨架生成算法进行等级骨架树生成,并将得到的等级骨架树和步骤1)挑选出的骨架模板n进行相似度匹配,得到匹配度Sn;
    3)搜索种子区域Region的相邻区域中高光区域和阴影区域,若存在则将该区域融合到种子区域Region中,形成待判定区域R'n,然后进入下述步骤4);否则,对该第n个模板的假设检验判决结束,进入下述步骤6);
    4)对待判定区域R'n采用柔韧性骨架生成算法进行等级骨架树生成,并与前述挑选出的骨架模板n进行相似度匹配,得到匹配度S'n;
    5)比较融合前后的匹配度,即S'n与Sn,如果S'n相对于Sn发生增长,则接受待判定区域为新的种子区域Region,并返回上述步骤3);否则保持种子区域Region及Sn不变,返回上述步骤3)搜索其他相邻区域;
    6)如果存在其他可能匹配的骨架模板,再按上述步骤1)-步骤5)进行区域融合,最后获得查询图像的骨架树匹配度集Ssk={s1,s2,s3...sn},其中n为骨架模板库中对应同样颜色纹理的骨架模板数目,sn为查询图像按第n个骨架模板进行区域融合的最终匹配度,其取值区间 [0,1];以及
    7)取骨架树匹配度集Ssk中最大匹配度对应的骨架树,即为查询动物的骨架树特征描述。

    6.  根据权利要求1所述的基于内容的彩色动物图像检索方法,其特征在于,所述步骤3的实现包括以下步骤:
    步骤3-1、对图像数据库中每幅图片提取图像底层特征和动物骨架树,按特征索引库的R树生成空间索引结构,空间索引结构包括多个索引节点,索引节点分为叶节点和非叶节点,其中:
    叶节点描述图像数据库中每幅图片的图片特征,叶节点的结构定义为(Image_ID,MBR),Image_ID表示图片在图像数据库中的ID,MBR表示图片的最小包围矩形MBR,是包含图片图像特征的最小特征超立方体,该最小特征超立方体由检索判决的上下限值决定,该检索判决的上下限值由图像数据库中每幅图像的颜色、纹理和骨架树及一预先给定相似度阈值Tmarch所确定,该相似度阈值Tmarch的取值范围为[0,1]:
    MBR={C1min,C1max,...Cnmin,Cnmax,T1min,T1max,...,Tnmin,Tnmax,S1min,S1max,...,Snmin,Snmax},
    式中的变量均表示图像数据库中每幅图像的检索判决上下限,其中,Cnmin表示颜色特征的检索判决下限,Cnmax表示颜色特征的检索判决上限,Tnmin表示纹理特征的检索判决下限,Tnmax表示纹理特征的检索判决上限,Snmin表示骨架特征的检索判决下限,Snmax表示骨架特征的检索判决上限;
    非叶节点描述在该节点的最小包围矩形内的图片集,其结构定义为:
    (Node_ID,ChildNode_Pt,MBR),Node_ID为节点标号,ChildNode_Pt为指向子节点的指针,MBR表示图片的最小包围矩形;以及
    步骤3-2、根据上述步骤3-1建立的空间索引结构,对步骤2提取的特征描述进行基于R树索引结构的检索,并将从图像数据库中检索出的相应图片提供给用户,其实现包括以下步骤:
    步骤3-2a、根据一给定的查询图像相似度阈值Tsearch以及步骤2提取的查询图像特征,定义用于检索查询图像的最小包围矩形MBRsearch,该查询图像相似度阈值Tsearch查询图像相似度阈值Tsearch的取值范围在[0,1]:
    MBRsearch={C1'min,C1max',...Cnmin',Cnmax',T1min',T1max',...Tnmin',Tnmax',S1min',S1max',...Snmin',Snmax'},
    式中的变量均表示查询图像的检索判决上下限,其中:Cn'min表示颜色特征的检索判决下限,Cnmax'表示颜色特征的检索判决上限,Tnmin'表示纹理特征的检索判决下限,Tnmax'表示纹 理特征的检索判决上限,Snmin'表示骨架特征的检索判决下限,Snmax'表示骨架特征的检索判决上限;
    步骤3-2b、将MBRsearch代入R树索引结构的根节点,根节点定义为:
    (Node_ID=root,ChildNode_Pt,MBRsearch);
    步骤3-2c、检索当前节点Node_ID的ChildNode_Pt所指向的子节点,并判断:
    如果子节点是非叶节点,若存在重叠,即子节点的值落入最小包围矩形MBR中,则将Node_ID设为子节点,Node_ID继续递归调用步骤3-2c,否则前往步骤3-2d;
    如果子节点是叶节点,则检查该子节点对应的MBR与MBRsearch是否有重叠,如果有重叠,则该子节点对应的图片符合检索要求,将该检索对应子节点的图片加入检索结果图片集Rimage中,前往步骤3-2d,如果没有重叠,则排除该子节点;
    步骤3-2d、如果图片集Rimage中图片的数量达到或大于用户要求的数量A,则将Rimage中图片根据与查询图片相似度排序后,返回前A个检索结果给用户,完成本次检索;否则,调整前述相似度阈值Tsearch,返回步骤3-2a,继续检索。

    7.  一种基于内容的彩色动物图像检索系统,其特征在于,包括特征模板库、特征提取??楹屯枷窦焖髂??,其中:
    所述特征模板库用于保存基于样本统计形成的不同动物颜色、纹理和骨架的特征描述,供特征提取??槎允淙氲牟檠枷窠刑卣魈崛∫约巴枷窦焖髂?樯赏枷袼饕褂?;
    所述特征提取??橛糜诙酝獠渴淙氲牟檠枷窠蟹指?,并且在特征模板库的导引下获取查询图像中感兴趣内容的颜色、纹理和骨架特征表述,并进行归一化处理,以提供给图像检索???;
    所述图像检索??橛糜谑紫榷酝枷袷菘庵忻糠计匆惶卣魉饕獾腞树生成空间索引结构、再将所述特征提取??樗崛〔檠枷竦墓羌苁魈卣骱脱丈评硖卣鹘谢赗树索引结构的检索,从所述图像数据库中提取相应的图片。

    8.  根据权利要求7所述的基于内容的彩色动物图像检索系统,其特征在于,所述图像检索??橛苫赗树的检索???、图像数据库以及特征索引库组成,所述基于R树的检索??橛糜诙酝枷袷菘庵械拿糠计匆惶卣魉饕獾腞树生成空间索引结构、并且将所述特征提取??樗崛〔檠枷竦墓羌苁魈卣骱脱丈评硖卣鹘谢赗树索引结构的图像检索,提取出与查询图像相应的图片。

    说明书

    说明书一种基于内容的彩色动物图像检索方法与系统
    技术领域
    本发明属于基于内容的图像检索技术领域,特别是一种基于内容的彩色动物图像检索方法与系统。
    背景技术
    基于内容的图像检索(Content-based image retrieval,CBIR)是使用图像的可视化特征(颜色、纹理、形状、空间位置等)对图像进行查找的一种图像检索技术。它综合了人工智能、面向对象技术、认知心理学、数据库等多学科的知识,自动地提取图像的底层视觉特征和高层语义特征,从而避免了基于人工标注的图像检索系统所产生的一系列问题,使得大规模的图像数据库系统的应用更具有现实性。因此随着网络时代各种图像资源的快速增长,CBIR已成为近十几年来图像检索研究领域的主流技术,得到广泛关注。
    目前,按照涉及的视觉特征类型可将常见的CBIR技术分为三类:
    1、基于颜色、纹理、拐点特征等图像底层特征的CBIR技术,这些特征可直接从图像中得出,不需要任何外部知识,描述了人类对于图像的直观视觉理解。
    属于此类检索技术的研究是目前开展最广泛的,如色彩特征研究中,John R.Smith和Shih Fu Chang提出的Color Sets方法,在HSV空间进行量化,并使用阈值过滤,在保留最显著颜色的前提下提供二进制的表示方式,方便索引(Smith J R and Chang S F.Local color and texture extraction and spatial query.Proc.IEEE Int.Conf.on Image Proc.1996);Greg Pass等人在Color Histogram基础上提出了CCV(Color Coherence Vectors)方法,将像素点分为相关(coherent)和不相关(incoherent)两类,CCV方法易于计算,而且包含了一定的空间信息,相比Color Histogram正确率有很大提高(Greg Pass,Ramin Zabih,and Justin Miller.Comparing images using color coherence vectors.Proc。ACM Conf.On Multimedia.1996.)。在纹理特征的研究中,将纹理特征按照数学研究模型的不同分成:统计纹理特征,如灰度行长特征,纹理共生矩阵等;随机纹理特征,如Gauss-Markov场特征(GRMF),纹理频谱特征,分形特征等;结构纹理特征,如Blob纹理特征,token纹理特征等;
    2、基于物体形状、空间位置等包含一定语义信息的视觉特征的CBIR技术,需要对图像中所描述内容进行一定程度的逻辑推理,利用图像分割技术将图像的特定区域或者是图像中包含的目标物体分割出来用于检索,这种特征检索能较好的迎合人们检索图像所提出的自然 表达,满足了人们对图像检索的客观需求。此类方法如Mori等人提出的形状直方图特征,采用了计算形状中各个特征点的距离和角度的直方图(G.Mori,S.Belongie and J.Malik,”Shape contexts enable efficient retrieval of similar shapes,”CVPR,vol.1,no.1,pp.454-463,2001.);Tan 等人提出的以形状的重心半径作为直方图特征的研究(K.L.Tan,B.C.Ooi,L.F.Thiang,“Indexing shapes in image databases using the centroid-radii model,”Data and knowledge engineering,32,pp.271-289,2000.);链向量编码特征研究(H.Freeman,A.Saghri,“Generalized chain codes for planar curves,”Proceedings of the Fourth International Joint Conference on Pattern Recognition,Kyoto,Japan,pp.701–703,1978.)等。此外还有利用图像边缘的区域拐点等信息的其他中层特征表达研究。
    3、基于图像高层语义的CBIR技术,此类检索认为视觉特征无法直接反映出图像的主题、主体及其属性等高层语义信息,人们对图像相似性的判断并不是仅仅依赖于图像视觉特征的相似性上,更多的还包含了人们对图像内容的感知和理解。因此,必须给图像附加上包含语义在内的更高层的内容信息,才能是图像检索系统更符合人类的思维习惯。该类研究代表性的方法有Wang等人提出的IRM算法,该算法首先得到两幅图像间多对多的图像区域配对,然后自动地调整区域的权重以得到感兴趣的区域(J.Z.Wang,J.Li,and G.Wiederhold,“SIMPLIcity:Semantic-sensitive integrated matching for picture libraries,”IEEE Trans.PAMI vol.23,no.9,pp.1-17,2001);Carson等人提出的使用原子区域(Blob)来组合成对象语义(C.Carson,S.Belongie,H.Greenspan,J.Malik,“Blobworld:Image Segmentation Using Expectation-Maximization and Its Application to Image Querying,”IEEE Trans.PAMI.Vol.24,no.8,pp.1026-1038,2002);Carneiro G等人通过引入机器学习算法,结合底层特征将图像归并到某种语义类,从而在一定程度上获取了图像的语义标注信息(Carneiro G,Chan A B,Moreno P J,et a1.Supervised learning of semantic classes for image annotation and retrieval[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2007,29(3):394-410);Zhao Y F等利用底层特征与语义信息相结合,并通过相关反馈学习图像语义进行权重调整优化检索(Zhao Y F,Zhao Y,Zhu Z F.Pseudo relevance feedback for search-based image annotation[J].Chinese Journal of Electronics.2008,17(3):471-474)等。
    现有的这些基于内容的图像检索方法应用到彩色动物图像的检索中存在以下问题:
    1、现有的多数基于颜色、纹理、拐点特征等图像底层特征的CBIR技术对图像的尺度及亮度变化都极其敏感。而另一方面,自然背景下的动物图像由于光照、遮挡等原因极易造成动物体表的上述底层特征出现改变。因此,使用颜色、纹理、拐点特征等图像底层特征的CBIR技术在对于彩色动物图像进行检索会造成很高的误判概率;
    2、现有的多数基于物体形状、空间位置等包含一定语义信息的视觉特征的CBIR技术主要针对灰度图像,针对彩色图像进行分割的工作相对较少。另一方面,此类检索技术主要依赖图像分割的质量,而现有的图像分割方法在对于光照变化条件下的动物图像分割极易产生过分割问题,使查准率大大降低;
    3、基于图像高层语义的CBIR目前还处于研究阶段,虽然学术界努力研究图像的高层语义表达,但是对于图像的高层语义是什么,如何表达这些语义,当前仍然没能给出一种普遍认可的数学或感知模型,距离应用还存在一定距离;
    4、现有的多数CBIR技术在应用到彩色动物图像的检索时,都缺乏对动物姿态的特征描述,检索结果不能很好的符合检索需求。
    发明内容
    鉴于现有技术中存在的一个或多个问题,本发明的目的在于提供一种基于内容的彩色动物图像检索方法与系统,可在一定程度上克服光照变化对图像检索判决的影响,并在检索中通过骨架特征分析对查询动物的角度、姿态等语义信息进行描述,生成与人的视知觉相一致的检索结果。
    为达成上述目的,本发明所采用的技术方案如下:
    一种基于内容的彩色动物图像检索方法,包括以下步骤:
    步骤1、输入作为检索目标的查询图像;
    步骤2、基于特征模板库的导引,提取查询图像中感兴趣内容的颜色、纹理和骨架特征描述,并进行归一化处理,其中,前述特征模板库存储有基于样本统计形成的不同动物颜色、纹理和骨架的特征描述;以及
    步骤3、将步骤2提取的特征描述进行基于R树索引结构的检索,与一特征索引库中的图像特征索引进行查找计算,并根据匹配结果从图像数据库中提取出相应的图片。
    进一步的实施例中,所述特征描述中,颜色特征值采用HSV值表示,所述纹理特征采用LBP值的归一化统计直方图表示,所述骨架特征采用等级骨架树描述。
    进一步的实施例中,所述步骤2的实现包括以下步骤:
    步骤2-1、对输入的查询图象进行颜色特征提取,使用Mean Shift算法在HSV颜色空间上将查询图象划分成区域内部颜色相一致的多个区域,用一个5维的特征向量x=(xs,xr)表示待处理彩色图像的每个像素点,xs表示像素点坐标,xr表示像素点的(H,S,V)彩色特征,定义Mean Shift向量:
    M(x)Σi=1nKH(xi-x)w(xi)(xi-x)Σi=1nKH(xi-x)w(xi),]]>
    式中w(xi)为像素点xi的权重,离x越近的xi被赋予越大的权重,KH(xi-x)=H-1/2K(H-1/2(xi-x))为单位核函数;
    从图像第一个像素点x1开始,进行Mean Shift迭代,对像素点的HSV值计算M(x),将M(x)标记给x;以此类推,直到满足终止条件m(xi)-x<ε,ε为设定的收敛阈值;此时即得到该像素点在Mean Shift算法下的HSV收敛值;对查询图像的所有像素点进行Mean Shift迭代,将收敛到同一点的像素点归为一类,并以分割得到的每个区域的颜色HSV均值作为该区域的颜色统计值,即颜色特征值;
    步骤2-2、对步骤2-1分割得到的内部颜色相一致的各个区域提取纹理特征,查询图像的纹理特征以所述LBP值的归一化统计直方图表示,纹理特征的提取包括以下步骤:
    步骤2-2a、将查询图像转化为灰度图像;
    步骤2-2b、对待处理灰度图像的每个像素Ix,y按下式计算LBP值W(x,y):
    W(x,y)=Σi=-11Σj=-11I(x-i,y-j)G(i,j),]]>
    式中,Ix-i,y-j为待处理像素Ix,y的邻域像素,当邻域像素Ix-i,y-j的灰度值大于或等于待处理像素Ix,y的灰度值时,上式中的I'(x-i,y-j)取值为1,否则取值为0;G为一个3*3变换系数矩阵:
    G=20212223024252627;]]>
    步骤2-2b、用各区域中像素的LBP值的归一化统计直方图表示该区域的纹理特征:
    HTi=niM,i=0,1...255,]]>
    其中,ni为区域中LBP值为i的像素的个数,M为区域中像素的总数;
    步骤2-3、将得到的查询图像的各个区域的颜色和纹理特征值与特征模板库中的各种动物的颜色纹理模板进行相似度计算,以相似度最相近的区域作为用户查询的感兴趣区域的种子, 以该模板为种子模板,并以该区域的颜色和纹理特征值作为查询动物的颜色和纹理表述,其中:
    待比较区域C1:(H1,S1,V1)与动物模板颜色特征C2:(H2,S2,V2)的相似度计算公式为:
    Sc=|V1-V2|+|V1S1Cos(H1)-V2S2Cos(H2)|+|V1S1Sin(H1)-V2S2Sin(H2)|;
    待比较区域与动物模板纹理特征的相似度计算公式为:
    ST=Σi=0255min(HTi,HTi);]]>
    式中,HTi和HTi'分别是待比较区域和动物模板的LBP纹理直方图;
    根据上述两种特征值的重要程度通过加权处理得到待比较区域和动物模板之间颜色纹理的相似度的度量其中wc、wt为权值;
    步骤2-4、采用柔韧性骨架生成算法提取待查询图像中目标物体的骨架特征:对待查询图像中目标物体的骨架特征,抽取的动物骨架线为树形结构,并且自顶向下地对骨架树的每个分支给予不同的匹配权重,形成等级骨架树,即为查询动物的骨架树特征描述。
    进一步的实施例中,所述步骤2-4中提取待查询图像中目标物体的骨架特征的实现包括以下步骤:
    步骤2-4a、搜索种子区域Region的相邻区域,对种子区域Region和相邻区域的颜色纹理特征进行相似度度量,将相似度超过给定样本统计阈值Tct的相邻区域融合入种子区域,样本统计阈值Tct的取值范围为[0,1];
    步骤2-4b、重复上述步骤2-4a,直到种子区域Region周围不存在与其颜色纹理相似度大于所述给定样本统计阈值Tct的区域时停止;此时的种子区域Region即为基于颜色和纹理特征的图像分割结果;
    步骤2-4c、在步骤2-4b分割结果的基础上,以前述种子模板对应的骨架模板为线索,骨架模板存储于前述特征模板库中,对种子区域Region周围的区域进行基于假设检验判决的区域二次融合,再提取骨架特征,完成查询图像的等级骨架树特征描述。
    进一步的实施例中,所述步骤2-4c的实现包括以下步骤:
    1)根据前述种子模板从骨架模板库中挑选与种子模板对应的多个骨架模板;
    2)对步骤2-4b分割结果的种子区域Region采用柔韧性骨架生成算法进行等级骨架树生成,并将得到的等级骨架树和步骤1)挑选出的骨架模板n进行相似度匹配,得到匹配度Sn;
    3)搜索种子区域Region的相邻区域中高光区域和阴影区域,若存在则将该区域融合到 种子区域Region中,形成待判定区域R'n,然后进入下述步骤4);否则,对该第n个模板的假设检验判决结束,进入下述步骤6);
    4)对待判定区域R'n采用柔韧性骨架生成算法进行等级骨架树生成,并与前述挑选出的骨架模板n进行相似度匹配,得到匹配度S'n;
    5)比较融合前后的匹配度,即S'n与Sn,如果S'n相对于Sn发生增长,则接受待判定区域为新的种子区域Region,并返回上述步骤3);否则保持种子区域Region及Sn不变,返回上述步骤3)搜索其他相邻区域;
    6)如果存在其他可能匹配的骨架模板,再按上述步骤1)-步骤5)进行区域融合,最后获得查询图像的骨架树匹配度集Ssk={s1,s2,s3...sn},其中n为骨架模板库中对应同样颜色纹理的骨架模板数目,sn为查询图像按第n个骨架模板进行区域融合的最终匹配度,其取值区间[0,1];以及
    7)取骨架树匹配度集Ssk中最大匹配度对应的骨架树,即为查询动物的骨架树特征描述。
    进一步的实施例中,所述步骤3的实现包括以下步骤:
    步骤3-1、对图像数据库中每幅图片提取图像底层特征和动物骨架树,按特征索引库的R树生成空间索引结构,空间索引结构包括多个索引节点,索引节点分为叶节点和非叶节点,其中:
    叶节点描述图像数据库中每幅图片的图片特征,叶节点的结构定义为(Image_ID,MBR),Image_ID表示图片在图像数据库中的ID,MBR表示图片的最小包围矩形MBR(Minimal Bounding Rectangle),是包含图片图像特征的最小特征超立方体,该最小特征超立方体由检索判决的上下限值决定,该检索判决的上下限值由图像数据库中每幅图像的颜色、纹理和骨架树及一预先给定相似度阈值Tmarch所确定,相似度阈值Tmarch的取值范围为[0,1]:
    MBR={C1min,C1max,...Cnmin,Cnmax,T1min,T1max,...,Tnmin,Tnmax,S1min,S1max,...,Snmin,Snmax},
    式中的变量均表示图像数据库中每幅图像的检索判决上下限,其中,Cnmin表示颜色特征的检索判决下限,Cnmax表示颜色特征的检索判决上限,Tnmin表示纹理特征的检索判决下限,Tnmax表示纹理特征的检索判决上限,Snmin表示骨架特征的检索判决下限,Snmax表示骨架特征的检索判决上限;
    非叶节点描述在该节点的最小包围矩形内的图片集,其结构定义为:
    (Node_ID,ChildNode_Pt,MBR),Node_ID为节点标号,ChildNode_Pt为指向子节点的指针,MBR表示图片的最小包围矩形;以及
    步骤3-2、根据上述步骤3-1建立的空间索引结构,对步骤2提取的特征描述进行基于R树索引结构的检索,并将从图像数据库中检索出的相应图片提供给用户,其实现包括以下步骤:
    步骤3-2a、根据一给定的查询图像相似度阈值Tsearch以及步骤2提取的查询图像特征,定义用于检索查询图像的最小包围矩形MBRsearch,相似度阈值Tsearch的取值范围为[0,1]:
    MBRsearch={C1'min,C1max',...Cnmin',Cnmax',T1min',T1max',...Tnmin',Tnmax',S1min',S1max',...Snmin',Snmax'},
    式中的变量均表示查询图像的检索判决上下限,其中:Cn'min表示颜色特征的检索判决下限,Cnmax'表示颜色特征的检索判决上限,Tnmin'表示纹理特征的检索判决下限,Tnmax'表示纹理特征的检索判决上限,Snmin'表示骨架特征的检索判决下限,Snmax'表示骨架特征的检索判决上限;
    步骤3-2b、将MBRsearch代入R树索引结构的根节点,根节点定义为:
    (Node_ID=root,ChildNode_Pt,MBRsearch);
    步骤3-2c、检索当前节点Node_ID的ChildNode_Pt所指向的子节点,并判断:
    如果子节点是非叶节点,若存在重叠,即子节点的值落入最小包围矩形MBR中,则将Node_ID设为子节点,Node_ID继续递归调用步骤3-2c,否则前往步骤3-2d;
    如果子节点是叶节点,则检查该子节点对应的MBR与MBRsearch是否有重叠,如果有重叠,则该子节点对应的图片符合检索要求,将该检索对应子节点的图片加入检索结果图片集Rimage中,前往步骤3-2d,如果没有重叠,则排除该子节点;
    步骤3-2d、如果图片集Rimage中图片的数量达到或大于用户要求的数量A,则将Rimage中图片根据与查询图片相似度排序后,返回前A个检索结果给用户,完成本次检索;否则,调整前述相似度阈值Tsearch,返回步骤3-2a,继续检索。
    根据本发明的改进,本发明的另一方面还提出一种基于内容的彩色动物图像检索系统,包括特征模板库、特征提取??楹屯枷窦焖髂??,其中:
    所述特征模板库用于保存基于样本统计形成的不同动物颜色、纹理和骨架的特征描述,供特征提取??槎允淙氲牟檠枷窠刑卣魈崛∫约巴枷窦焖髂?樯赏枷袼饕褂?;
    所述特征提取??橛糜诙酝獠渴淙氲牟檠枷窠蟹指?,并且在特征模板库的导引下获取查询图像中感兴趣内容的颜色、纹理和骨架特征表述,并进行归一化处理,以提供给图像检索???;
    所述图像检索??橛糜谑紫榷酝枷袷菘庵忻糠计匆惶卣魉饕獾腞树生成空间索 引结构、再将所述特征提取??樗崛〔檠枷竦墓羌苁魈卣骱脱丈评硖卣鹘谢赗树索引结构的检索,从所述图像数据库中提取相应的图片。
    进一步的实施例中,所述图像检索??橛苫赗树的检索???、图像数据库以及特征索引库组成,所述基于R树的检索??橛糜诙酝枷袷菘庵械拿糠计匆惶卣魉饕獾腞树生成空间索引结构、并且将所述特征提取??樗崛〔檠枷竦墓羌苁魈卣骱脱丈评硖卣鹘谢赗树索引结构的图像检索,提取出与查询图像相应的图片。
    由以上本发明的技术方案可知,本发明所提出基于内容的彩色动物图像检索方法与系统,与现有技术相比,其显著优点在于:
    1)在一定程度上克服光照变化对彩色图像匹配检索的影响;
    2)由颜色纹理特征和骨架特征构成R树图像特征索引模型显著减少了匹配计算量,提高了检索的速度和准确性;
    3)骨架树模型特征的引入在一定程度上反映了图像语义信息,可生成与人的视知觉相一致的检索结果;
    4)由于骨架模型基于物体的不同姿态建模,因此检索结果也反映了物体的姿态信息,使检索结果更贴近用户对图像的感知。
    附图说明
    图1是本发明一实施方式基于内容的彩色动物图像检索方法的流程示意图。
    图2是图1实施例中特征提取的示意图。
    图3是图1实施例中图像骨架特征提取的示意图。
    图4是动物图像的等级骨架树示意图。
    图5是从图像中获取动物骨架树特征描述的流程示意图。
    图6是基于R树索引的图像检索流程示意图。
    图7是本发明一实施方式基于内容的彩色动物图像检索系统的流程示意图。
    图8是信息处理系统的示例性结构示意图。
    具体实施方式
    为了更了解本发明的技术内容,特举具体实施例并配合所附图式说明如下。
    图1所示为本发明一实施方式基于内容的彩色动物图像检索方法的实现流程,其中,一种基于内容的彩色动物图像检索方法,包括以下步骤:
    步骤1、输入作为检索目标的查询图像;
    步骤2、基于特征模板库的导引,提取查询图像中感兴趣内容的颜色、纹理和骨架特征描述,并进行归一化处理,其中,前述特征模板库存储有基于样本统计形成的不同动物颜色、 纹理和骨架的特征描述;以及
    步骤3、将步骤2提取的特征描述进行基于R树索引结构的检索,与一特征索引库中的图像特征索引进行查找计算,并根据匹配结果从图像数据库中提取出相应的图片。
    作为优选地,在步骤2所述的特征描述中,颜色特征值采用HSV值表示,所述纹理特征采用LBP值的归一化统计直方图表示,所述骨架特征采用等级骨架树描述。
    下面结合图2-图6所示,详细说明上述各步骤示例性实施方式的具体实现。
    图2所示以大象为例,示例性地描述了特征提取的过程。结合图2-图5所示,作为优选的实施方式,所述步骤2的实现包括以下步骤:
    步骤2-1、对输入的查询图象进行颜色特征提取,使用Mean Shift算法在HSV颜色空间上将查询图象划分成区域内部颜色相一致的多个区域,用一个5维的特征向量x=(xs,xr)表示待处理彩色图像的每个像素点,xs表示像素点坐标,xr表示像素点的(H,S,V)彩色特征,定义Mean Shift向量:
    M(x)Σi=1nKH(xi-x)w(xi)(xi-x)Σi=1nKH(xi-x)w(xi),]]>
    式中w(xi)为像素点xi的权重,离x越近的xi被赋予越大的权重,KH(xi-x)=H-1/2K(H-1/2(xi-x))为单位核函数;
    从图像第一个像素点x1开始,进行Mean Shift迭代,对像素点的HSV值计算M(x),将M(x)标记给x;以此类推,直到满足终止条件m(xi)-x<ε,ε为设定的收敛阈值;此时即得到该像素点在Mean Shift算法下的HSV收敛值;对查询图像的所有像素点进行Mean Shift迭代,将收敛到同一点的像素点归为一类,并以分割得到的每个区域的颜色HSV均值作为该区域的颜色统计值,即颜色特征值;
    步骤2-2、对步骤2-1分割得到的内部颜色相一致的各个区域提取纹理特征,查询图像的纹理特征以所述LBP值的归一化统计直方图表示,作为可选的实施方式,纹理特征的提取包括以下步骤:
    步骤2-2a、将查询图像转化为灰度图像;
    步骤2-2b、对待处理灰度图像的每个像素Ix,y按下式计算LBP值W(x,y):
    W(x,y)=Σi=-11Σj=-11I(x-i,y-j)G(i,j),]]>
    式中,Ix-i,y-j为待处理像素Ix,y的邻域像素,当邻域像素Ix-i,y-j的灰度值大于或等于待处理像素Ix,y的灰度值时,上式中的I'(x-i,y-j)取值为1,否则取值为0;G为一个3*3变换系数矩阵:
    G=20212223024252627;]]>
    步骤2-2b、用各区域中像素的LBP值的归一化统计直方图表示该区域的纹理特征:
    HTi=niM,i=0,1...255,]]>
    其中,ni为区域中LBP值为i的像素的个数,M为区域中像素的总数;
    步骤2-3、将得到的查询图像的各个区域的颜色和纹理特征值与特征模板库中的各种动物的颜色纹理模板进行相似度计算,以相似度最相近的区域作为用户查询的感兴趣区域的种子,以该模板为种子模板,并以该区域的颜色和纹理特征值作为查询动物的颜色和纹理表述,其中:
    待比较区域C1:(H1,S1,V1)与动物模板颜色特征C2:(H2,S2,V2)的相似度计算公式为:
    Sc=|V1-V2|+|V1S1Cos(H1)-V2S2Cos(H2)|+|V1S1Sin(H1)-V2S2Sin(H2)|;
    待比较区域与动物模板纹理特征的相似度计算公式为:
    ST=Σi=0255min(HTi,HTi);]]>
    式中,HTi和HTi'分别是待比较区域和动物模板的LBP纹理直方图;
    根据上述两种特征值的重要程度通过加权处理得到待比较区域和动物模板之间颜色纹理的相似度的度量其中wc、wt为权值;
    步骤2-4、采用柔韧性骨架生成算法提取待查询图像中目标物体的骨架特征:如图3、图4、图5所示,对待查询图像中目标物体的骨架特征,抽取的动物骨架线为树形结构,并且自顶向下地对骨架树的每个分支给予不同的匹配权重,形成等级骨架树,即为查询动物的骨架树特征描述。
    本实施例中,作为优选的实施方式,所述步骤2-4中提取待查询图像中目标物体的骨架特征的实现包括以下步骤:
    步骤2-4a、搜索种子区域Region的相邻区域,对种子区域Region和相邻区域的颜色纹理特征进行相似度度量,将相似度超过给定样本统计阈值Tct的相邻区域融合入种子区域,样本统计阈值Tct的取值范围在0~1之间,表示为[0,1];
    步骤2-4b、重复上述步骤2-4a,直到种子区域Region周围不存在与其颜色纹理相似度大于所述给定样本统计阈值Tct的区域时停止;此时的种子区域Region即为基于颜色和纹理特征的图像分割结果;
    步骤2-4c、在步骤2-4b分割结果的基础上,以前述种子模板对应的骨架模板为线索,骨架模板保存在前述特征模板库中(考虑到动物的姿态区别,同一颜色纹理特征对应的骨架不止一种,因此使查询图像的特征描述反映了一定的动物姿态语义),对种子区域Region周围的区域进行基于假设检验判决的区域二次融合,再提取骨架特征,完成查询图像的等级骨架树特征描述。
    如图2所示,在其中的图(b)中,大象轮廓的深色区域,若基于颜色和纹理特征进行判断,则容易造成误判。在实施例中,为了消除光照对图像检索的影响,在步骤2-4c中进行基于假设检验判决的区域二次融合,再提取骨架特征,完成查询图像的等级骨架树特征描述。如图4所示,为等级骨架树的一个示例性描述,其中,以动物马为例。
    如图5所示,作为可选的实施方式,所述步骤2-4c的实现包括以下步骤:
    1)根据前述种子模板从骨架模板库中挑选与种子模板对应的多个骨架模板(骨架模板存放于前述特征模板库中,模板库存放的颜色和纹理特征与等级骨架树特征是相关联的,即一个动物的视觉特征由其颜色、纹理和骨架特征表述);
    2)对步骤2-4b分割结果的种子区域Region采用柔韧性骨架生成算法进行等级骨架树生成,并将得到的等级骨架树和步骤1)挑选出的骨架模板n进行相似度匹配,得到匹配度Sn;
    3)搜索种子区域Region的相邻区域中高光区域和阴影区域,若存在则将该区域融合到种子区域Region中,形成待判定区域R'n,然后进入下述步骤4);否则,对该第n个模板的假设检验判决结束,进入下述步骤6);
    4)对待判定区域R'n采用柔韧性骨架生成算法进行等级骨架树生成,并与前述挑选出的骨架模板n进行相似度匹配,得到匹配度S'n;
    5)比较融合前后的匹配度,即S'n与Sn,如果S'n相对于Sn发生增长,则接受待判定区域为新的种子区域Region,并返回上述步骤3);否则保持种子区域Region及Sn不变,返回上述步骤3)搜索其他相邻区域;
    6)如果存在其他可能匹配的骨架模板,再按上述步骤1)-步骤5)进行区域融合,最后 获得查询图像的骨架树匹配度集Ssk={s1,s2,s3...sn},其中n为骨架模板库中对应同样颜色纹理的骨架模板数目,sn为查询图像按第n个骨架模板进行区域融合的最终匹配度,其取值区间[0,1];以及
    7)取骨架树匹配度集Ssk中最大匹配度对应的骨架树,即为查询动物的骨架树特征描述。
    本实施例中,前述骨架生成和匹配算法,可采用或参考S.C.Zhu、A.L.Yuille提出的柔韧性骨架生成算法,“FORMS:a Flexible Object Recognition and Modeling System”,Proc.IEEE ICIP94,Austin,Texas,1994。在可选的实施方式中,还可以采用高文昀等提出的“一种基于骨架匹配的彩色图像分割方法”(载于《计算机仿真》2008年5月,第25卷第5期)一文中所提出的方法。
    本实施例中,作为优选的,所述步骤3:将步骤2提取的特征描述进行基于R树索引结构的检索,与一特征索引库中的图像特征索引进行查找计算,并根据匹配结果从图像数据库中提取出相应的图片,其实现包括以下步骤:
    步骤3-1、对图像数据库中每幅图片提取图像底层特征和动物骨架树,按特征索引库的R树生成空间索引结构,空间索引结构包括多个索引节点,索引节点分为叶节点和非叶节点,其中:
    叶节点描述图像数据库中每幅图片的图片特征,叶节点的结构定义为(Image_ID,MBR),Image_ID表示图片在图像数据库中的ID,MBR表示图片的最小包围矩形MBR(Minimal Bounding Rectangle),是包含图片图像特征的最小特征超立方体,该最小特征超立方体由检索判决的上下限值决定,该检索判决的上下限值由图像数据库中每幅图像的颜色、纹理和骨架树及一预先给定的相似度阈值Tmarch所确定,即:
    MBR={C1min,C1max,...Cnmin,Cnmax,T1min,T1max,...,Tnmin,Tnmax,S1min,S1max,...,Snmin,Snmax},
    式中的变量均表示图像数据库中每幅图像的检索判决上下限,其中,Cnmin表示颜色特征的检索判决下限,Cnmax表示颜色特征的检索判决上限,Tnmin表示纹理特征的检索判决下限,Tnmax表示纹理特征的检索判决上限,Snmin表示骨架特征的检索判决下限,Snmax表示骨架特征的检索判决上限;
    相似度阈值Tmarch为一个预先给定的阈值,取值范围在0~1之间,表示为[0,1]。
    非叶节点描述在该节点的最小包围矩形内的图片集,其结构定义为:
    (Node_ID,ChildNode_Pt,MBR),Node_ID为节点标号,ChildNode_Pt为指向子节点的指针,MBR表示图片的最小包围矩形;以及
    步骤3-2、根据上述步骤3-1建立的空间索引结构,对步骤2提取的特征描述进行基于R树索引结构的检索,并将从图像数据库中检索出的相应图片提供给用户,其实现包括以下步骤:
    步骤3-2a、根据一给定的查询图像相似度阈值Tsearch以及步骤2提取的查询图像特征,定义用于检索查询图像的最小包围矩形MBRsearch,即:
    MBRsearch={C1'min,C1max',...Cnmin',Cnmax',T1min',T1max',...Tnmin',Tnmax',S1min',S1max',...Snmin',Snmax'},
    式中的变量均表示查询图像的检索判决上下限,其中:Cn'min表示颜色特征的检索判决下限,Cnmax'表示颜色特征的检索判决上限,Tnmin'表示纹理特征的检索判决下限,Tnmax'表示纹理特征的检索判决上限,Snmin'表示骨架特征的检索判决下限,Snmax'表示骨架特征的检索判决上限;
    查询图像相似度阈值Tsearch的取值范围在0~1之间,表示为[0,1]。
    步骤3-2b、将MBRsearch代入R树索引结构的根节点,根节点定义为:
    (Node_ID=root,ChildNode_Pt,MBRsearch);
    步骤3-2c、检索当前节点Node_ID的ChildNode_Pt所指向的子节点,并判断:
    如果子节点是非叶节点,若存在重叠,即子节点的值落入最小包围矩形MBR中,则将Node_ID设为子节点,Node_ID继续递归调用步骤3-2c,否则前往步骤3-2d;
    如果子节点是叶节点,则检查该子节点对应的MBR与MBRsearch是否有重叠,如果有重叠,则该子节点对应的图片符合检索要求,将该检索对应子节点的图片加入检索结果图片集Rimage中,前往步骤3-2d,如果没有重叠,则排除该子节点;
    步骤3-2d、如果图片集Rimage中图片的数量达到或大于用户要求的数量A,则将Rimage中图片根据与查询图片相似度排序后,返回前A个检索结果给用户,完成本次检索;否则,调整前述相似度阈值Tsearch,返回步骤3-2a,继续检索。
    如图7所示为本发明一实施方式基于内容的彩色动物图像检索系统,包括特征模板库、特征提取??楹屯枷窦焖髂??,其中:
    特征模板库1用于保存基于样本统计形成的不同动物颜色、纹理和骨架的特征描述,供特征提取??槎允淙氲牟檠枷窠刑卣魈崛∫约巴枷窦焖髂?樯赏枷袼饕褂?;
    特征提取???用于对外部输入的查询图像进行分割,并且在特征模板库的导引下获取查询图像中感兴趣内容的颜色、纹理和骨架特征表述,并进行归一化处理,以提供给图像检索???;
    图像检索???用于首先对图像数据库中每幅图片按一特征索引库的R树生成空间索引结构、再将所述特征提取??樗崛〔檠枷竦墓羌苁魈卣骱脱丈评硖卣鹘谢赗树索引结构的检索,从所述图像数据库中提取相应的图片。
    如图7所示,图像检索???由基于R树的检索???a、图像数据库3b以及特征索引库3c组成,所述基于R树的检索??橛糜诙酝枷袷菘庵械拿糠计匆惶卣魉饕獾腞树生成空间索引结构、并且将所述特征提取??樗崛〔檠枷竦墓羌苁魈卣骱脱丈评硖卣鹘谢赗树索引结构的图像检索,提取出与查询图像相应的图片。
    特征提取???包括颜色特征提取???a、纹理特征提取???b和骨架特征提取???c,分别用于提取查询图像的颜色、纹理和骨架特征。
    参考图1、图2、图5、图6所示,特征提取???、图像检索???所使用的特征提取和图像检索处理均已经参考图1、图2、图5、图6进行了详细的说明。
    图8示例性地给出了一个信息处理系统的结构示意图。图1、图2、图5、图6所示的各种方法、流程可在该系统中实现。图8中所示的信息处理系统4包括:401表示CPU(中央处理单元),402表示RAM(随机存取存储器),403表示ROM(只读存储器),404表示系统总线,405表示HD(硬盘)控制器,406表示键盘控制器,407表示串行接口控制器,408表示并行接口控制器,409表示显示器控制器,410表示硬盘,411表示键盘,412表示照相机,413表示打印机,以及414表示显示器。这些部件中,与系统总线404连接的有CPU401、RAM402、ROM403、HD控制器405、键盘控制器406、串行接口控制器407、并行接口控制器408及显示器控制器419。硬盘410与HD控制器405连接,键盘411与键盘控制器406连接。显示器414与显示器控制器409连接。照相机412与串行接口控制器407连接,打印机413与并行接口控制器408连接。
    图8中所示的各部件的功能在本技术领域内是众所周知的,并且图8所示的结构也是常规的。这种结构不仅适用于个人计算机(Personal Computer)、而且适用于手持式设备,例如手提电脑(Notebook)、PDA(Personal Digital Assistant)。在一些实施例中,图8中的一些部件可以被省略,例如,如果应用软件存储在EPROM中或者其他非挥发性存储区中,HD控制器和硬盘可以被省略。
    图8中所示的整个系统由通常作为软件存在硬盘410中(或者如上所述的,存储在EPROM中或者其他非挥发性存储区中)的计算机可读指令控制,由CPU401控制执行。
    在图1、图2、图5、图6所示的一个或多个流程图的基础上,对于一个本领域的普通技术人员来说,不需要经过创造性的劳动就可以直接开发出一个或多个软件来执行图1、图2、图5、图6流程图所示的方法。如图8所示的信息处理系统,如果得到这些软件的支持和加 载,可实现与图7所示系统相同的功能。
    虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的?;し段У笔尤ɡ笫樗缍ㄕ呶?。

    关于本文
    本文标题:一种基于内容的彩色动物图像检索方法与系统.pdf
    链接地址://www.4mum.com.cn/p-6126230.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 大小怎么买稳赚 广东11选5计划 时时彩组60计划 亿酷棋牌世界 小九wifi怎么赚钱 必赢客软件是骗局揭秘 拳击比赛有哪些 幸福飞艇人工计划软件 云南十一选五玩法 擅长体育的赚钱 大乐透走势基本走势图 河南体彩十一选五开奖 看新闻赚钱的app一元提现 极速时时杀号 自由搏击 彩票和值大小怎么看