摘   要： 針對(duì)外觀設(shè)計(jì)專(zhuān)利圖像背景多樣性、復(fù)雜性以及形狀特征突出等特點(diǎn)，提出了一種綜合紋理和形狀的檢索算法。該方法首先采用基于物體內(nèi)部結(jié)構(gòu)紋理特征描述紋理，并用歐式距離取得其相似值，然后再用改進(jìn)的加權(quán)歐式距離取得不變矩形狀特征向量的相似值，經(jīng)特征融合得到最終相似距離值。實(shí)驗(yàn)結(jié)果表明，該算法優(yōu)于現(xiàn)有的其他算法，針對(duì)外觀專(zhuān)利圖像的檢索，具有更高的查全率和查準(zhǔn)率。
關(guān)鍵詞： 查全率； 查準(zhǔn)率； 特征融合； 外觀專(zhuān)利

    查全率和查準(zhǔn)率從被提出之日起就成為評(píng)價(jià)檢索系統(tǒng)檢索性能的重要指標(biāo)，而且兩個(gè)指標(biāo)必須同時(shí)滿足一定的標(biāo)準(zhǔn)時(shí)才能說(shuō)檢索效果令人滿意。在外觀設(shè)計(jì)專(zhuān)利圖像檢索中，特征選取與描述方法是檢索算法的核心?，F(xiàn)在常用的圖像檢索特征主要有顏色、紋理特征、形狀和空間關(guān)系。由于外觀專(zhuān)利圖像的特殊性，其顏色會(huì)受復(fù)雜環(huán)境因素如亮度等的影響而呈現(xiàn)出不穩(wěn)定性，而形狀是描述外觀圖像不可忽視的本質(zhì)特征,紋理則是反應(yīng)圖像內(nèi)部結(jié)構(gòu)的一個(gè)重要視覺(jué)特征。參考文獻(xiàn)[1]采用了Hu不變矩作為形狀特征,并融合了灰度共生矩陣算法提取的紋理特征，但沒(méi)有考慮到輪廓特征以及局部紋理特征對(duì)檢索的影響，因此檢索效果不盡如人意。參考文獻(xiàn)[2]采用分級(jí)檢索的機(jī)制，綜合利用灰度及形狀進(jìn)行基于內(nèi)容的醫(yī)學(xué)圖像檢索。該方法克服了灰度直方圖不能充分表示空間分布信息的不足，利用邊界方向直方圖描述形狀特征，避開(kāi)了對(duì)圖像進(jìn)行精確分割這一醫(yī)學(xué)圖像處理中的難點(diǎn)問(wèn)題。但它只能得到圖像的大致邊界信息，不能實(shí)現(xiàn)對(duì)物體形狀的精確描述，即對(duì)于物體圖像的內(nèi)部特征表達(dá)得不夠詳細(xì)。參考文獻(xiàn)[5]采用了面積、形狀矩等局部或全局特征來(lái)表示一幅圖像，但它只是單一地提取了形狀特征，而無(wú)法清楚地描述物體內(nèi)部結(jié)構(gòu),這對(duì)于外觀專(zhuān)利圖像來(lái)講并不是最佳的算法選擇。
    本文針對(duì)已有的圖像檢索算法存在的不足和外觀設(shè)計(jì)專(zhuān)利圖像背景多樣性、復(fù)雜性和形狀特征突出等特點(diǎn)，提出了一種新的改進(jìn)算法。首先利用一種基于物體內(nèi)部結(jié)構(gòu)的圖像提取紋理特征，再用歐式距離求出紋理特征向量的相似距離；然后用不變矩提取圖像的形狀特征，并用改進(jìn)加權(quán)歐式公式得到形狀特征向量的相似距離；最后采用兩個(gè)特征融合的方式，并通過(guò)設(shè)置各自的權(quán)重，取得關(guān)鍵圖與檢索圖的多特征相似度值，從而實(shí)現(xiàn)圖像信息的自動(dòng)檢索。



　 實(shí)驗(yàn)2 用不變矩結(jié)合紋理特征即本文算法對(duì)不同圖片進(jìn)行檢索，結(jié)果如圖4所示。
    用各種算法多次針對(duì)不同圖片一一進(jìn)行檢索，查準(zhǔn)率和查全率對(duì)比如圖5所示。
    實(shí)驗(yàn)3 為體現(xiàn)實(shí)驗(yàn)的有效性，本文對(duì)比了參考文獻(xiàn)[5]算法的性能，結(jié)果如圖6所示。

    由以上實(shí)驗(yàn)可以看出，本文算法的檢索性能明顯優(yōu)于其他算法。相比于之前的一些常用紋理描述子(如灰度共生矩等),本文算法采用的基于內(nèi)部結(jié)構(gòu)的紋理特征實(shí)用簡(jiǎn)單，它描述的是物體邊緣的跳變次數(shù)，可一定程度反映物體的內(nèi)部結(jié)構(gòu)。在形狀特征方面，不變矩在其他形狀描述子中也體現(xiàn)了一定的優(yōu)勢(shì)，再結(jié)合改進(jìn)的加權(quán)歐式距離公式使檢索性能大大提高了。
    針對(duì)外觀專(zhuān)利圖像的特殊性，提出了一種基于內(nèi)部結(jié)構(gòu)紋理特征結(jié)合不變矩形狀特征的改進(jìn)算法。該方法綜合考慮了結(jié)構(gòu)和區(qū)域特征，克服了其他算法的一些缺陷，經(jīng)MATLAB仿真驗(yàn)證了本文算法能權(quán)衡好查準(zhǔn)率和查全率，具有較好的實(shí)用價(jià)值。
參考文獻(xiàn)
[1] 戴青云,李海鵬.基于紋理和形狀特征的外觀設(shè)計(jì)專(zhuān)利圖像的檢索[J].計(jì)算機(jī)工程與應(yīng)用,2002,38(3):27-29.
[2] 王斌.一種不變的基于傅里葉變換的區(qū)域形狀描述子[J].電子學(xué)報(bào),2012,40(1):84-88.
[3] 蔡菲,蔡珣,史同廣,等.一種基于形狀特征的圖像檢索方法[J].計(jì)算機(jī)應(yīng)用與軟件,2005,22(12):99-100.
[4] 蔡念,張國(guó)宏,樓朋旭,等.基于形狀和紋理的外觀設(shè)計(jì)專(zhuān)利圖像檢索方法[J].山東大學(xué)學(xué)報(bào)(工學(xué)版),2011,41(2):1-4.
[5] 成曉翁,胡學(xué)龍,尹翔.一種基于形狀的圖像檢索系統(tǒng)[J].理論與方法,2011,30(10):203-207.
[6] 戴雯惠.一種基于多特征融合的彩色圖像檢索方法[J].電腦與信息技術(shù),2011,19(5):22-24.
[7] Fan Yachun, Geng Guohua, Zhou Mingquan. Shape based retrieve using invariant moments and edge direction[J].Journal of Chinese Computer Systems,2004,25(4):659-662.
[8] KIN W Y,KIM Y S. A region-based shape descriptor using Zernike moments[J]. Signal Processing:Image Communication,2000,16(1-2):95-102.