基于DCT-HSV-GIST融合的图像检索

资 源 简 介

基于DCT-HSV-GIST融合的图像检索

详 情 说 明

在传统基于内容的图像检索系统中，仅使用单一的低层视觉特征往往难以达到理想的检索精度。本文介绍一种通过融合DCT变换系数、HSV颜色直方图和GIST全局描述符的多特征检索方法，能显著提升系统的检索性能。

DCT（离散余弦变换）系数作为频域特征，能有效捕捉图像中的纹理和结构信息。我们通常提取图像分块后的低频DCT系数，这些系数对光照变化具有一定鲁棒性。HSV颜色空间将颜色信息分解为色调(H)、饱和度(S)和明度(V)三个分量，相比RGB空间更符合人类视觉感知特性。通过统计HSV空间的颜色直方图，可以建立对图像色彩分布的量化描述。

GIST描述符则是从人类场景感知角度出发，通过模拟初级视觉皮层处理机制得到的全局场景特征。它将图像划分为若干网格，在每个网格上应用Gabor滤波器组，最后拼接所有响应形成特征向量。这种特征对场景的整体布局和空间包络具有出色的表达能力。

特征融合策略采用加权串联的方式：首先对三种特征向量分别进行归一化处理，然后根据各自在检索中的重要性分配权重系数，最后将加权后的特征向量拼接形成最终的融合特征。在相似度计算阶段，我们采用加权的距离度量方式，使不同特征子空间的贡献得到合理平衡。

实验表明，这种多特征融合方法相比单一特征能显著提升检索准确率。DCT特征保证了局部纹理的匹配精度，HSV直方图维持了颜色一致性，而GIST特征则确保了全局场景结构的相似性，三者优势互补，共同构成了鲁棒的图像表示方案。