简单一维温度场的差分算法

直方图计算与均衡

直方图计算与与均衡 一、实验要求： 1.读入给定的图像文件 2.求输入图像文件的直方图，并且利用MATLAB画出来 3.设计算法完成直方图的均衡，并利用MATLAB输出 4.将直方图均衡后的文件以图像形式输出 5.观察比较均衡前后图像与直方图的区别 二、实验原理 直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。 （I）直方图均衡化的过程： 1）列出原始图像和变换后图像的灰度级（L是灰度级的个数）； 2）统计员图像中各灰度级的像素个数； 3）计算原始图像直方图P(i)=Ni/N； 4）计算累计直方图P(j)=P(1) + P(2) + P(3) +…+ P(i)； 5）利用灰度值变换函数计算变换后的灰度值，兵四舍五入取整；j=INT[(L-1)Pj+0.5] 6）确定灰度变换关系i→j，据此将原图像的灰度值f（m,n）=i修正为g（m，n）=j； 7）统计变换后个灰度级的像素个数Nj； 8）计算变换后图像的直方图Pj=Nj/N （II）图像均衡化后的缺点： 1）变换后图像的灰度级减少，某些细节消失； 2）某些图像，如直方图有高峰，经处理后对比度不自然的过分增强。 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展

基于改进的颜色直方图的图像检索算法

基于改进的颜色直方图的图像检索算法 作者：来源：https://www.wendangku.net/doc/fa3034605.html,/tember/archive/2006/06/05/773456.asp发表时间：2006-06-05 浏 览次数：1819 字号：大中小 基于内容的图像检索(CBIR) 所谓基于内容图像的检索是指由图像分析软件对输入的图像先进行图像分析，根据图像中物体或区域的颜色(color)、形状(shape)或纹理(texture)等特征以及这些特征的组合，自动抽取特征，在将输入图像存入图像库的同时将其相应的特征向量也存入与图像库相连的特征库。在进行检索图像时，对每一幅给定的查询图，进行图像分析，并提取图像特征向量。将该图像的特征向量和特征库中的特征向量进行匹配，根据匹配的结果到图像库中搜索就可以提取出所需要的检索图。这是一种基于图像固有属性的机械匹配，特别适用于检索目标明确的查询要求(例如对商标的检索)，产生的结果也比较准确。目前这种较成熟的检索技术主要应用于图像数据库的检索。在基于Web的图像搜索引擎中应用这种检索技术虽还具有一定的困难，但已有部分图像搜索引擎进行了尝试，如、yahoo, WebSEEK就提供了基于图像的形状或颜色直方图的粗陋的可视检索功能。 基于内容的图像检索是一个逐步求精的过程，大致可以经过以下几个步骤: (1).特征提取 对图像数据进行自动或半自动的特征提取，提取用户感兴趣的、适合检索要求的特征。特征提取可以是全局性的，如整幅图像，也可能是针对某个目标，如图像中的子区域等。 (2).图像匹配 在选取了特征之后，需要选择或寻找适当的判别准则，从而判断出待识别的图像的特征与数据库中的哪些图像的特征最接近。常用的度量准则是距离度量法。 (3).结果输出，将满足一定相似性条件的一组候选结果按相似度大小排列后返回给用户。 (4).特征调整，对系统返回的结果可通过浏览来挑选，直至找到满意的结果，或从候选结果中选择一个示例，经过特征调整，形成一个新的查询。 图像特征的提取的方法

一种基于直方图统计特征的直方图匹配算法的研究_朱磊

收稿日期:2004-01-21 作者简介:朱磊(1973— ),男,江苏南京人,工学博士,讲师,研究方向:多媒体信息处理与通信网络管理。文章编号:1003-6199(2004)02-0048-04 一种基于直方图统计特征的直方图匹配算法的研究 朱　磊 (解放军理工大学通信工程学院,江苏南京　210007) 摘　要:本文提出并验证了基于直方图统计特征的直方图匹配算法。直方图作为对图像 颜色或灰度分布的一种基本描述量,利用其统计特征进行直方图之间的相似性度量。实验结果表明,在获得相同查准率的情况下,利用直方图统计特征量测算的算法比经典的欧氏距离测算算法具有更高的查全率。 关键词:直方图;匹配算法;统计特征中图分类号:TP391 文献标识码:A The Application of Digital Library T echnology in the Integrated Management Platform for Military Information ZHU Lei (Institute of Communication Engineering ,PLAUST ,Nanjing ,210007,China ) Abstract :In this paper ,the histogram ’s matching that based on the histogram ’s statistical characteriza 2tion was put forward and implemented.As a basic descriptor of the distribution of color or gray ,histogram ’s statistical characterization was used to compute the similarity between each other.The experimental result in 2dicates that when compared with the classical Euclidean distance measure method ,the new matching algo 2rithm can achieve a higher recall and the same precision. K ey w ords :histogram ;matching algorithm ;statistical characterization 1　引言 在对图像颜色特征的描述上,直方图(his 2togram )是一个非常有效的工具。直方图描述了图像颜色的统计分布特征,且具有平移、尺度和旋转的不变性,因此在颜色检索中被广泛采用。经典的直方图匹配算法是计算直方图之间的欧氏距离,在这种计算方法中,对直方图之间的相似度测量是按照矢量距离测量的思路进行的。本文采用随机变量的数字特征分析方法,利用直方图的统计特征进行直方图之间的相似性度量,将直方图随机变量的均值、方差和K olmogorov -Smirnov 检测量结合起 来,利用三者的加权和来代替欧氏距离判决公式, 对两幅图像的直方图之间的相似性进行度量。本文对这部分的工作进行了实验比较,实验结果表明,在获得相同查准率的情况下,利用直方图统计特征量测算的算法比经典的欧氏距离测算算法具有更高的查全率。 2　基于随机变量统计特征的直方图匹配算法 灰度直方图是灰度级的函数,它表示图像中具有每种灰度级的像素的个数,反映图像中每种灰度出现的频率。如图1所示,灰度直方图的横坐标是灰度级,纵坐标是该灰度级出现的频率,是图像最 第23卷第2期2004年6月 计　算　技　术　与　自　动　化Computing Technology and Automation Vol 123,No 12　J un 12004

基于颜色特征的图像检索算法的实现

目录 摘要 (1) 关键字 (1) 1绪论 (1) 1.1 基于内容的图像检索的概念 (1) 1.2 基于内容的图像检索的发展历史 (1) 1.3 基于内容的图像检索的特点和主要应用 (1) 1.4 基于内容的图像检索的关键技术 (2) 1.5 国内外研究现状 (3) 1.5.1 国外研究现状 (3) 1.5.2 国内研究现状 (4) 2 基于颜色特征的图像检索方法 (4) 2.1 颜色度量体系 (4) 2.2 颜色空间 (5) 2.2.1 RGB颜色空间 (5) 2.2.2 HSV颜色空间 (5) 2.2.3 CMY颜色空间 (6) 3 颜色特征的表达 (7) 3.1 颜色直方图 (7) 3.2 累加直方图 (8) 4 图像特征的相似性匹配 (9) 4.1 距离度量方法 (9) 4.2直方图的交集的方法 (9) 4.3 欧式距离法 (9) 5 图像检索算法实现 (10) 5.1程序开发运行环境 (10) 5.2 程序检索逻辑 (10) 5.3 算法具体实现 (11) 5.4 实例演示 (14) 6 全文总结与展望 (15) 6.1 全文总结 (15) 6.2 展望 (15) 致谢 (15) 参考文献 (16) 英文摘要 (16)

基于颜色特征的图像检索算法的实现 摘要：文章介绍了一种基于颜色特征的图像检索技术的算法并给出了程序实现。首先介绍了基于内容的图像检索技术、发展历史及基于内容的图像检索技术的特点和主要应用，并在此基础上探讨了该领域所用到的一些关键技术。文章着重探讨了图像的颜色空间、图像特征提取及图像相似性度量等内容，并利用matlab技术实现了一个简单图像检索的程序。文章最后则对当前基于内容图像检索技术研究热点和今后的发展方向进行简单的阐述。 关键字：基于内容的图像检索；颜色特征；颜色直方图；相似度度量方法 1 绪论 1.1 基于内容的图像检索的概念 基于内容的图像检索[1]（Content Based Image Retrieval, CBIR）是一项从图像数据库中找出与检索式内容相似的图像的检索技术。它利用从图像中自动抽取出来的底层特征，如颜色、纹理、轮廓和形状等特征，进行计算和比较，检索出符合用户需求的结果图像集。目前图像检索系统技术实现的基础是对底层特征信息的计算和比较，也即是“视觉相似”。 1.2 基于内容的图像检索的发展历史 图像检索技术的发展[2]可以分为两个阶段，第一阶段始于70年代，当时的图像检索是通过人工的标注来实现的，随着计算机技术和通信网技术的发展，特别是因特网的快速发展，图像数据的容量越来越大了，这种“以关键字找图”的方法越来越不适应检索技术的发展了。由于图像内容的丰富内涵以及人们对图像内容进行抽象时的主观性不同的人对同一幅图像有不同的理解，这就引入了主观多义，不利于检索。为了克服文本标注检索的弊端，90年代研究者提出了基于内容的图像检索，其方法是:根据图像的颜色特征、纹理特征、形状特征以及空间关系等作为索引，计算查询图像和目标图像之间的相似距离，然后按相似度匹配进行检索，这种技术很大程度地利用了人们的视觉客观特性，避免不同人对图像主观理解的不同而达不到理想的搜索效果。从研究方向的层面来看，基于内容的图像检索可分为三层：第一层是根据图像的底层特性来进行检索，如颜色、纹理，形状等等，涉及图像信息处理、图像分析和相似性匹配技术；第二层是基于图像对象语义，如图像中实体及实体之间的拓扑关系的检索，对象级检索技术建立在下层特征基础上，并引入了对象模型库、对象识别和人工智能等图像理解技术；第三层是基于图像的抽象属性如行为语义，情感语义和场景语义的推理学习来进行检索。需要用到知识库和更加有效的人工智能和神经网络技术。这三个层次由低到高，与人的认知接近，下一个层次通常包含了比上一个层次更高级的语义，更高层的语义往往通过较低层的语义推理获得。尽管经过了多年的研究，较为成熟的基于内容的图像检索技术目前仍处于底层水平，由于底层研究是上层研究的基础，为了给上层建立准确、有效的图像特征提取方法，底层的研究仍在不断的发展。 1.3 基于内容的图像检索的特点和主要应用 基于内容的图像检索技术有以下特点[3]： 一是它突破了传统的基于表达式检索的局限，从媒体内容中提取信息线索。

基于灰度直方图和边界方向直方图的图像检索

基于灰度直方图和边界方向直方图的图像 检索 摘要：针对用传统灰度直方图方法检索图像效果不佳的问题，提出了结合灰度直方图和边界方向直方图的方法。灰度直方图反映了灰度图像的整体亮度特征，而忽略了图像的空间分布。而边界方向直方图则表征了图像的形状特征。论文综合使用图像的颜色特征与形状特征进行图像，实验结果表明相比使用单个特征提高了检索正确率。 关键词：图像检索，灰度直方图，边界方向直方图 1 前言 随着互联网的发展，人类的生活已与网络密不可分。网络共享的资源包括数目众多的文字、图像及视频等数据。而如果用户需要从大量的图像中搜索到自己需要的一副图像，就需要应用图像检索技术。图像检索技术包括基于文本的图像检索技术（text-based image retrieval，TBIR）和基于内容的图像检索技术（content-based image retrieval，CBIR）。TBIR依靠人工对图像进行文字注解，利用文本检索实现对图像特征的查找。由于文字很难反映图像中的完整内容，且费时费力，CBIR技术已渐渐不能适应图像检索的需求。CBIR利用图像自身具有的颜色、纹理、形状及区域等特征，依靠例图在图像数据库中进行检索，实现了图像视觉内容特征的检索。由于能更好地满足用户对图像的检索需求，CBIR 成为图像检索技术研究的主流。 灰度图像作为数字图像的一大类，具有灰度分辨率高的特点，包含了十分丰富的图像信息。在MATLAB中，可以将数字图像转化成灰度图像，计算其灰度直方图作为图像的一个特征。 形状特征是图像的一种基本特征，也是人类视觉系统进行物体识别时所识别的关键信息之一。边界方向直方图具有尺度不变性, 能够比较好的描述图像的大体形状。 综合特征检索就是综合图像的颜色、形状、纹理或空间位置等特征表示，计算图像特征向量。各个特征间应有一个权重关系，由用户根据需要进行调整，以适应不同情况的查询。本文采用的检索方式就是综合颜色特征和形状特征的图像检索，与单个特征检索相比，多特征组合的图像检索提高了检索正确率。

颜色直方图

颜色直方图, HSV直方图, histogram bins 颜色特征是在图像检索中应用最为广泛的视觉特征，主要原因在于颜色往往和图像中所包含的物体或场景十分相关。此外，与其他的视觉特征相比，颜色特征对图像本身的尺寸、方向、视角的依赖性较小，从而具有较高的鲁棒性。 面向图像检索的颜色特征的表达涉及到若干问题。首先，我们需要选择合适的颜色空间来描述颜色特征；其次，我们要采用一定的量化方法将颜色特征表达为向量的形式；最后，还要定义一种相似度（距离）标准用来衡量图像之间在颜色上的相似性。在本节中，我们将主要讨论前两个问题，并介绍颜色直方图、颜色矩、颜色集、颜色聚合向量以及颜色相关图等颜色特征的表示方法。 1 颜色直方图 颜色直方图是在许多图像检索系统中被广泛采用的颜色特征。它所描述的是不同色彩在整幅图像中所占的比例，而并不关心每种色彩所处的空间位置，即无法描述图像中的对象或物体。颜色直方图特别适于描述那些难以进行自动分割的图像。 当然，颜色直方图可以是基于不同的颜色空间和坐标系。最常用的颜色空间是RGB颜色空间，原因在于大部分的数字图像都是用这种颜色空间表达的。然而，RGB空间结构并不符合人们对颜色相似性的主观判断。因此，有人提出了基于HSV空间、Luv空间和Lab空间的颜色直方图，因为它们更接近于人们对颜色的主观认识。其中HSV空间是直方图最常用的颜色空间。它的三个分量分别代表色彩（Hue）、饱和度（Saturation）和值（Value）。 计算颜色直方图需要将颜色空间划分成若干个小的颜色区间，每个小区间成为直方图的一个bin。这个过程称为颜色量化（color quantization）。然后，通过计算颜色落在每个小区间内的像素数量可以得到颜色直方图。颜色量化有许多方法，例如向量量化、聚类方法或者神经网络方法。最为常用的做法是将颜色空间的各个分量（维度）均匀地进行划分。相比之下，聚类算法则会考虑到图像颜色特征在整个空间中的分布情况，从而避免出现某些bin中的像素数量非常稀疏的情况，使量化更为有效。另外，如果图像是RGB 格式而直方图是HSV空间中的，我们可以预先建立从量化的RGB空间到量化的HSV空间之间的查找表（look-up table），从而加快直方图的计算过程。 上述的颜色量化方法会产生一定的问题。设想两幅图像的颜色直方图几乎相同，只是互相错开了一个bin，这时如果我们采用L1距离或者欧拉距离（见3.1.1节）计算两者的相似度，会得到很小的相似度值。为了克服这个缺陷，需要考虑到相似但不相同的颜色之间的相似度。一种方法是采用二次式距离[4]（见3.1.3节）。另一种方法是对颜色直方图事先进行平滑过滤，即每个bin中的像素对于相邻的几个bin也有贡献。这样，相似但不相同颜色之间的相似度对直方图的相似度也有所贡献。 选择合适的颜色小区间（即直方图的bin）数目和颜色量化方法与具体应用的性能和效率要求有关。一般来说，颜色小区间的数目越多，直方图对颜色的分辨能力就越强。然而，bin的数目很大的颜色直方图不但会增加计算负担，也不利于在大型图像库中建立索引。而且对于某些应用来说，使用非常精细的颜色空间划分方法不一定能够提高检索效果，特别是对于不能容忍对相关图像错漏的那些应用。另一种有效减少直方图bin的数目的办法是只选用那些数值最大（即像素数目最多）的bin来构造图像特征，因为这些表示主要颜色的bin能够表达图像中大部分像素的颜色。实验证明这种方法并不会降低颜色直方图的检索效果。事实上，由于忽略了那些数值较小的bin，颜色直方图对噪声的敏感程度降低了，有时会使检索效果更好。两种采用主要颜色构造直方图的方法可以在文献[5,6]中找到。

漂移系数优化颜色直方图的Mean Shift算法

2014，50（13）漂移系数优化颜色直方图的Mean Shift 算法 宋康康，陈恳，郭运艳 SONG Kangkang,CHEN Ken,GUO Yunyan 宁波大学信息科学与工程学院，浙江宁波315211 College of Information Science and Engineering ，Ningbo University,Ningbo,Zhejiang 315211,China SONG Kangkang,CHEN Ken,GUO Yunyan.Mean Shift algorithm with shift coefficient refined color https://www.wendangku.net/doc/fa3034605.html,puter Engineering and Applications,2014,50（13）：173-177. Abstract ：The conventional Mean Shift video target tracking algorithm based on color histogram is very sensitive to the interference of background noise,lead to the target location error.To address this problem,a weighted background algo-rithm based on shift coefficient is proposed.According to the shift coefficient given by each pixel in the kernel window,the proposed approach can reduce color feature amount making small contribution to mean shift in the color space,enhance the characteristic of the target,update the template promptly by restraining background interference and introduce new target cues.Experimental results show that the proposed method performs better than background weighted histogram algorithm with less iterations,and even more stable with the template update mechanism. Key words ：shift coefficient;weighted histogram;Mean Shift algorithm 摘要：基于颜色直方图的传统Mean Shift 视频目标跟踪算法，容易受到背景信息的干扰而造成定位偏差。针对此问题，提出了一种基于漂移系数的加权颜色直方图算法。根据核窗口内每个像素提供系数的大小，抑制对漂移贡献小的颜色特征，从而增强目标特征的刻画，并通过抑制背景信息和引入新的目标信息来更新模板。实验结果表明，该算法定位跟踪效果优于背景直方图加权算法，并且迭代次数更少。采用模板更新后，跟踪性能更加稳定。关键词：漂移系数；加权直方图；Mean Shift 算法 文献标志码：A 中图分类号：TP391doi ：10.3778/j.issn.1002-8331.1207-0128 1引言近年来，Mean-Shift 算法以其无参数、快速模式匹配的特性被广泛应用到目标跟踪领域[1-3]。经典Mean Shift 算法利用空间核加权颜色直方图作为模板，通过搜索局部巴氏系数最大值，实现目标跟踪定位。颜色直方图是对图像在颜色空间中分布的一种简单的非参数估计，描述了图像的全局统计特征，具有旋转和平移不变性，而且特征提取方便，因此常常作为特征模型广泛应用于图像检索和目标跟踪之中。另一方面颜色特征容易受光照条件变化的影响，因此利用颜色特征的Mean Shift 算法的一个挑战是如何提高跟踪的鲁棒性。为克服上述颜色直方图的弱点，许多学者提出了许多改进方法。例如，用背景像素与目标像素定义加权系数，以此计算空间直方图，实施目标跟踪定位，主要存在 的问题是如何鲁棒的区分背景与目标[4]。文献[5-6]利用目标颜色空间和纹理特征，构建边缘直方图，用以区分目标与背景信息，提升颜色直方图的鲁棒性。 利用加权求取颜色特征和边缘特征的巴氏系数，进行目标特征匹配和跟踪，弥补了单一颜色特征不稳定的弱点，但未涉及模板更新问题[7]。利用可见光和红外双通道做目标多特征信息融合，克服了可见光条件下，颜色直方图对光照条件敏感的问题，但是也进行模板更新[8]。采用目标先验知识创建了多个颜色直方图模板，增强了颜色直方图模板描述目标特征的能力，并能实时选取最 优模型，但是计算稍微复杂[9-10]。 上述研究者主要利用多特征或多模型来增强颜色基金项目：宁波市科技局自然科学基金（No.2010A610109）；宁波大学学校科研基金（理）（No.xkl11075）。 作者简介：宋康康（1986—），男，硕士，主要研究领域为视频目标跟踪，图像处理；陈恳（1962—），男，博士，副教授，主要研究领域为图像 与视频处理，智能控制；郭运艳（1987—），女，硕士，主要研究领域为视频目标跟踪，图像处理。E-mail ：boyadme@https://www.wendangku.net/doc/fa3034605.html, 收稿日期：2012-07-12修回日期：2012-12-06文章编号：1002-8331（2014）13-0173-05 CNKI 网络优先出版：2012-12-20,https://www.wendangku.net/doc/fa3034605.html,/kcms/detail/11.2127.TP.20121220.1652.009.html Computer Engineering and Applications 计算机工程与应用 173