时间：2022-11-26 00:30:01 | 来源：信息时代
时间：2022-11-26 00:30:01 来源：信息时代
图像数据库操作 : 在图像数据库管理系统的支持下,对图像数据库中的图像数据进行的各种操作或运算。这些操作除包括各种代数运算、逻辑运算外,还涉及图像处理运算、图像查询(检索)和对图像数据库的管理等。
1. 图像运算(image operation)
(1) 图像代数运算: 指图像之间对应像素灰(彩色)度值的代数运算,其运算式为: C(x,y)=A(x,y)⨁B(x,y)。式中,A(x,y)和B(x,y)为输入(原始)图像, C(x,y)为输出(运算结果)图像, ⨁为代数运算符。
(2) 图像逻辑运算: 指图像之间对应像素灰(彩色)度值的逻辑运算,它包括: ①图像的逻辑“与”(AND)运算;②图像的逻辑“或”(OR)运算; ③图像的逻辑“异或”(exclusive OR)运算等。以图像的逻辑“与”(AND)运算为例,其运算过程为: 对于两幅大小相等的图像,逐点进行逻辑“与”(AND)运算。对每一点,当两幅图像的像素(元)值相同时,该值是结果图像的像元值。而当两幅图像的像素(元)值不同时,以某特定值(通常为零)作为结果图像的像元值,从而得到一幅大小相同的结果图像。对于用不同方法得到的两幅分类图像,可以用“与”运算进行调整,在每一类别中留下在两幅分类图中都划入同一类别的点,删掉没有划入同一类别的点,减少分错的概率。图像的逻辑“或”运算和“异或”运算的过程,不再介绍。对二维图像的逻辑运算可以使得该图像的形状和灰度(或颜色或纹理)得到改善。对三维图像中形体的逻辑运算(如采用CSG表示法)可以用来表示复杂的形体。
(3)图像取均值:一种用于去除图像噪声、提高图像信/噪比的运算方法。如将m幅具有相同信/噪比的图像的对应点的灰度值相加取平均值,使结果图像的信/噪比可以得到相应的提高。
(4)图像布尔运算:指应用布尔代数公式对图像进行各种运算,如加速几何图样的构成,在遥感制图及CAD中编制GIS图和地理环境图,或采用图像布尔运算识别非图形、图像特征的遥感及地理图像。
2. 图像处理运算
图像处理运算又称图像处理中的基本运算,包括图像处理的点运算、邻域运算、几何运算、变换运算和形态学运算等。实际上,这些基本运算常用于对图像的预处理和图像的分析与处理中。
(1)点运算: 这种运算的处理结果g(x,y)只与本像素点(x,y)的值f(x,y)有关。即g(x,y)=Tp[f(x,y)],其中Tp表示灰度变换运算。
(2)邻域运算:一种空间域滤波方法,指像素点(x,y)的处理结果与(x,y)邻域S内的像素点的值有关。最常用的邻域运算是用卷积运算实现的线性滤波: g(x,y)=f(x,y)*h(x,y)。
(3)变换运算:将空间域图像f(x,y)通过变换(如傅里叶变换),变换成频率域函数F(u,v),再进行滤波或处理。或处理后将图像再反变换到空间域。
(4)几何运算:实际上是图像的坐标变换,经几何运算后,像素f(x,y)的坐标变为(x′,y′)。几何运算的一般表达式为: x′=g1(x,y),y′=g2(x,y)。
(5)彩色运算:包括伪彩色增强和彩色变换。伪彩色增强将灰度图像f(x,y)映射为彩色图像。
(6)形态学运算:利用数学形态学的基本运算对图像进行处理,以改善图像的质量。这是不同于空域和频域滤波的新型图像滤波方法。其一般表达式为:X′=M(X,B)。其中,X为处理对象,B为结构元素,M表示形态学运算,处理结果为X。
3. 图像检索(基于内容的图像检索)
图像检索(image search)是对图像数据库进行操作和管理的重要内容。传统图像检索是通过对图像建立关键词,亦即用文本描述信息对图像进行标识。这种以文本为基础的图像检索方法存在许多缺陷:①图像数据量庞大,采用手工方式对图像加注文本信息、分类、归档,十分费力、费时,也不规范;②文本描述信息具有主观性,对图像的理解会因人而异,用文本描述查询所要匹配的图像内容,容易产生遗漏和错判; ③用文本关键词很难将图像反映的内容描述清楚。基于以上考虑,直接采用图像本身包含的内容信息为索引来实现图像检索,可以克服文本检索方法的弊端,而且真正体现了“一图值千金”的图像视觉查询的优势。这种图像检索方法称为基于内容的图像检索(content-based image search)。
通常,基于内容的图像检索是根据图像的语义和感知特征进行检索,该方法是通过从图像数据中提取特征信息(信息线索或特征指标),然后根据这些特征信息,从图像数据库的大量图像数据中进行查找,以检索出具有相似特征的图像数据。与基于关键词的传统数据库检索手段相比,它具有相似度检索、近似检索和要求给出检索结果的集合限制等特点。基于内容的图像检索包括:
(1)基于语义内容的图像检索:是高抽象层次的检索,按人的思维对图像的信息内容做出语义上的描述。基于语义内容的检索就是基于对象的检索,例如,查找图像中包含的具体物体、发生的场景及图像所描述的感情色彩等均属于基于语义内容的检索。这种层次的图像检索具有较高的智能,需要计算机视觉和图像理解技术的支持,目前实现还有一定的难度。
(2)基于图像特征内容的图像检索:指按图像的特征内容所进行的检索,可以细分为: ①基于颜色特征的图像检索主要通过调节各种颜色的比例分布和空间分布来实现。其作法是将颜色比例分布作为颜色的基本特征,随后在确定颜色空间的基础上,统计每种颜色分量的像素占图像总像素数的比例,由此得到图像各种颜色分量的比例分布——直方图。以后即可把直方图作为图像的颜色特征来进行图像检索。除了直方图法外,有代表性的基于颜色特征的图像检索方法还有: 中心矩法、参考颜色表法、颜色对法、主色调法和空间分布法等。②基于纹理特征的图像检索方法充分应用了图像的多种纹理特征(如Tamura纹理特征中的粗糙度、对比度、方向度和灰度共生矩阵纹理特征中的反差、能量、熵与灰度相关)和采用了许多先进的图像搜索算法(如采用小波变换、Gabor变换,并以其变换后的系数特征作为图像的索引),从而取得良好的结果。③基于形状特征的图像检索方法大都利用轮廓特征或区域特征建立图像索引来实现,因为在二维图像空间中,形状被认为是一条封闭的轮廓曲线所包围的区域。基于形状特征的图像检索主要采用基于傅里叶描述的形状搜索和基于形状矩的形状搜索算法来实现。
基于图像特征内容的图像检索是通过提取图像内容的特征参数,并将其与图像数据库中的图像特征进行匹配,这种图像检索主要集中在图像内容的特征层次上,在匹配时,以图像的色彩、纹理、形状及空间关系等内容特征作为图像的索引,计算所查询的图像与目标图像的相似距离,按相似度进行索引。一般,对图像数据库按图像特征内容进行图像检索可以在图像数据库管理系统IDBMS支持下通过如下步骤实现: ①在图像归档前,先对图像进行分析,提取特征矢量(向量),并在向图像数据库输入图像数据的同时,也将特征矢量存入与图像库相连的特征库;②利用图像内容特征计算相似性量度,按照聚类原则将特征库的特征以及图像库中对应的影像进行分类,以实现按内容进行查询: ③在图像查询时,对给定的查询需求也先进行分析并提取其特征矢量,通过该特征矢量与特征库中的特征矢量进行匹配,并根据匹配结果到图像数据库中搜索,就可以提取出为用户所需的图像数据。为实现上述功能,IDBMS应提供单特征检索、多特征组合检索、反馈检索等,同时系统应提供对图像的增、删、修改、更新等操作。典型的图像库查询方法有按示例查询(query by example,QBE),它由用户给出一幅示例图像,由IDBMS去检索和提取图像数据库中(所有)相似的图像,进行对比以找到相关图像。这种方法的一种变种是允许用户组合多幅图像或画草图(sketch)来得到示例图像。
(3)基于内容的视频图像检索:这是针对运动图像、动画和视频图像等各种多媒体信息的一种基于内容的运动图像的视频检索工具。如Excalibur公司研制的RetrievalWare视觉检索产品,它综合运用了图像数据库、人工神经网络、图像模式识别技术,已成功应用于Yahoo网上实现了基于内容查询的网上图像冲浪。
4. IDBMS对图像数据库中图像的管理为提高对图像的查询速度和实现多精度查询,以便能快捷、有效地遍历图像库中的每幅图像,IDBMS应为图像库系统提供相应的组织与管理技术。如建立图像索引数据库,图像索引库一般采用树形存储结构,按图像间的特征距离的大小组织索引数据的存储。当采用特征匹配进行查询时,IDBMS会自动按精度要求搜索相应的结点,并输出该结点下的所有树叶。用户改变查询精度后,只需在该结点附近搜索,从而加快了查询速度。
(1) 图像数据库与图像查询系统: 目前,在Internet网及图像数据库支持下,已开发了多种基于内容的图像查询系统,这些系统基本上采用特征图像查询技术,图像库中每幅图像都由一个不超过500个元素的特征矢量来描述,特征矢量之间的欧氏距离作为相似性度量的标准按照距离的大小给出查询结果。如IBM公司的QBIC(query by image content)系统,由图像入库、特征计算和查询三部分组成,可同时用关键词和图像内容来进行检索。基于内容的检索中,用R*-树建立索引,支持示例图像查询和选择颜色及纹理来进行查询。系统的索引技术采用了64位颜色直方图和改进后的纹理模型,并采用K-L变换来降低维数。又如哥伦比亚大学的VisualSEEK系统,由图像用户界面、图像检索服务器、图像归档和图像数据库组成。系统采用基于色彩和纹理的索引技术,并支持基于视觉特征及其空间关系的查询。在VisualSEEK基础上,后来又发展为WebSEEK,该系统是一个面向www的文本/图像检索工具,包括图像/视频收集、主题分类与索引、搜索浏览与检索三部分,它支持基于关键词和视觉内容的查询。基于内容的图像检索系统还有Photobook、Virage、MARS等,它们的搜索引擎分别采用颜色、纹理、形状、亮度等特征信息或这些特征的组合来实现。其中,还允许用户调整每种特征的权重。
(2)图像查询语言:图像查询是通过图像查询语言来实现。通常,该语言包括常规数据图像查询语言和图像查询语言。前者与传统的数据查询语言类似,而后者是一种可视查询语言。这种语言是一些图符语句(icon sentence)的集合,它们在给定语法和语义的情况下,通过图符语句编程进行查询。此外,还有一种基于表格含有图符的图示化图像查询语言,可实现各种查询,具有十分友好的用户界面。
(3)图像处理操作系统:为了对图像数据库进行操作和管理,可在现有的DBMS之上建立一个图像处理操作系统,它作为一个DBMS的子系统专门用于处理图像和管理图像库。这实际上是对计算机操作系统的一种扩充。如果不想改造原有DBMS的功能,也可在DBMS支持下,引用图像数据库或通用的图像处理软件与工具来实现。常用的图像处理软件有Matlab、Photoshop和Flash(动画制作)软件等。
在线咨询
