基于颜色特征的图像检索系统

资 源 简 介

本项目实现了一个完整且通俗易懂的颜色图像检索流程。该系统核心功能是通过计算图像的色彩分布直方图来表征图片的视觉信息，从而在图像库中寻找与目标图片色调最为接近的候选者。

详 情 说 明

基于颜色特征的图像检索系统

项目介绍

本项目实现了一个基于视觉色彩信息的图像检索方案。系统通过分析图像的色彩分布，将复杂的图像信息转化为多维特征向量，并在图像库中通过数学度两方法寻找视觉相似度最高的匹配项。该系统适用于根据色调、氛围进行图片分类和检索的场景，具备操作便捷、计算高效且结果直观的特点。

功能特性

1. 交互式操作：采用图形化用户界面（GUI），支持用户自主选择查询目标及搜索范围。
2. 鲁棒的颜色特征提取：采用非均匀量化的HSV直方图，更符合人类视觉系统对色彩的感知。
3. 精确的相似度度量：利用巴氏系数（Bhattacharyya Coefficient）衡量图像特征之间的重合程度。
4. 动态进度反馈：在处理大规模数据集时提供实时进度条展示。
5. 直观的结果展示：自动对检索结果进行降序排列，并以热度图形式集中展示最佳匹配结果。

运行环境要求

1. 软件环境：MATLAB R2016b 或更高版本。
2. 必备工具箱：图像处理工具箱 (Image Processing Toolbox)。
3. 支持格式：支持 .jpg, .png, .jpeg, .bmp 等主流图像格式。

详细功能流程与实现逻辑

1. 任务初始化与数据获取

程序启动后会清理工作空间并关闭历史窗口。通过文件选择对话框获取用户指定的查询原图，随后通过目录选择对话框指定待检索的图像库文件夹。程序具备容错机制，若用户取消选择则会自动终止运行。

2. 非均匀量化特征建模

系统将输入图像由RGB空间映射到HSV空间，以实现色调、饱和度、亮度的分离处理。为了提高检索的鲁棒性，系统对三个分量执行了非均匀量化：

• 色调 (H)：考虑到人眼对不同颜色波段的敏感度不同，将360度色阶划分为16个非等分的等级。
• 饱和度 (S)：划分为4个等级，用于区分色彩的纯度。
• 亮度 (V)：划分为4个等级，用于区分色彩的明暗。

最后通过加权合并公式将三个维度的索引组合成一个介于0-255之间的全量索引，并统计其分布频率形成256维的归一化直方图向量。这种量化方式有效地忽略了细节噪声，提取了图像的宏观色彩特征。

3. 数据库遍历与特征配准

系统逐一读取目标库内的图像文件，并自动排除查询图本身。对库中每一张合法图像执行相同的特征提取算法。利用巴氏系数计算查询直方图与待比对直方图之间的相似性，该系数结果介于0到1之间，数值越接近1表示两张图像的色彩分布规律越趋于一致。

4. 排序与可视化展示

在完成所有比对后，系统根据相似度数值从高到低进行全局排序。最终界面会创建一个可视化窗口，首位展示查询原图，随后依次排列前11位亲和度最高的候选图像。每张结果图下方均标注了相似度百分比及原始文件名，方便用户评估检索效果。

核心算法分析

颜色空间转换

将RGB转换为HSV是为了更贴合人类的视觉感知习惯。在HSV空间中，色彩的种类（H）与颜色的鲜艳度（S）及光照（V）是解耦的，这使得系统对光照变化和色彩偏移具有更好的容忍度。

巴氏系数 (Bhattacharyya Coefficient)

代码中通过 sum(sqrt(queryHist .* currentHist)) 计算相似度。作为一种概率分布重叠度的测量方法，巴氏系数比简单的欧氏距离在处理直方图数据时更具优势，因为它能更好地刻画两个分布样本之间的重叠关系。

特征降维逻辑

通过将 H(16级)、S(4级)、V(4级) 组合，将图像信息压缩为256个特征点。这种降维处理不仅极大提高了计算速度，还通过忽略微小的颜色波动增强了检索的泛化能力，使得系统能够找到“色调相近”而非仅仅“像素相同”的图片。