專利名稱：一種基于邊緣重心特征的圖像檢索系統及其圖像檢索方法
技術領域：
本發明涉及一種應用于計算機的圖像檢索系統及方法，特別是涉及一種基于邊緣重心特征的圖像檢索系統及其圖像檢索方法。
背景技術：
圖像檢索是一種信息檢索技術，它是利用計算機的強大處理能力，從大容量的圖像庫中找到所想要的圖像。現有的圖像檢索系統雖然有許多種，但大都包括有以下幾個步驟步驟一，根據圖像數值特征操作把大量的被檢索圖像生成特征量，并寫入索引庫；步驟二，通過了索引庫，取出與作為檢索要求的用戶所給的關鍵字圖像相似的圖像；步驟三，通過比對之后，按照順序給予顯示，使得用戶可以高效地找到所希望的圖像數據；步驟四，結果反饋，系統根據這些反饋信息重新調整查詢矢量，進行新的檢索，使檢索系統更加完善，提高用戶檢索的精度。
現有的這些圖像檢索系統由于它們所采用的特征量不同而被分成多種不同的系統，比如有基于形狀特征的系統，也有基于顏色特征的系統，還有基于紋理特征的系統或形狀、顏色、紋理組合特征的系統等等。由于現有的這些圖像檢索系統都是把關鍵字圖像與被檢索圖像進行整圖提取特征量，所以它們的檢索也是把兩張完整的圖像進行比較，得出其相似值。也就是說，在現有的這些圖像檢索系統中，所面對的，是用整圖的關鍵字圖像來檢索與整圖的關鍵字圖像相似的整像。
然而，在圖像檢索的實際應用中，人們并不僅僅是需要檢索出整體相似的圖像，也需要檢索出一些局部相似的圖像，比如，應用在檢索某個廠商的產品圖片(即圖像)時，由于產品的多樣性，同一個廠商的各產品圖片是并不相同的，如果采用現有的以形狀、顏色、紋理為特征的圖像檢索系統進行整圖比較，就難以將同一廠商的不同產品圖片檢索出來，有些方法雖然可以檢索出這些產品圖片，但是，由于包含有大量的不相關的其它圖片，還需進行大量的人工圖片區別，使得這些方法難以推廣應用。其實，眾所周知，在廠商生產的產品圖片上通常都會打上自己的商標或特有的標識符以視與其它廠商的產品的區別，在廠商生產的不同產品圖片上應當都包含有該廠商的商標或特有的標識符，因此，如果能對圖片進行局部的比較，找出具有相同局部特征的圖片，就能將具有同一商標或特有的標識符的該廠商的不同產品圖片查詢出來，但是，現有的檢索系統尚無法進行這樣的檢索。
發明內容
本發明的目的在于克服現有技術之不足，提供一種基于邊緣重心特征的圖像檢索系統及其圖像檢索方法，它是以邊緣重心為圖像特征，通過將關鍵字圖像的邊緣重心的圖像特征與檢索圖像的邊緣重心的圖像特征進行比較，可以從大量的圖像數據中按順序取出包含與作為檢索要求的用戶所給的關鍵字圖像相似的圖像數據并顯示，是一種可以高效、準確地找到所包含相似的關鍵字圖像的圖像檢索系統。
本發明解決其技術問題所采用的技術方案是一種基于邊緣重心特征的圖像檢索系統，包括 輸入單元，是在成為局部相似圖像檢索的檢索圖像數據與關鍵字圖像數據的輸入、及各種關鍵字輸入中所使用的輸入裝置，用來將原始的檢索圖像和原始的關鍵字圖像處理成對應的圖像數據并存入對應的存儲單元中； 圖像數據庫，作為輸入單元所對應的存儲單元，用來儲存成為檢索對象的圖像數據； 邊緣線、點提取單元，從圖像數據庫中調出圖像，并從圖像中提取邊緣線，該邊緣線為圖像中的一條或多條不相連的線條，從邊緣線條中提取邊緣點；把同一個邊緣線上的邊緣點組成一個邊緣線物體系，計算出各個邊緣點到邊緣線物體系的重心距離比率；并將該邊緣重心數據作為圖像特征數據存入對應的存儲單元中； 邊緣線、點數據庫，作為邊緣線、點提取單元所對應的存儲單元，用來儲存以數值來表示圖像數據庫所儲存的圖像數據的對應的邊緣重心數據； 相似區域判斷單元，從邊緣線、點數據庫中調出關鍵字圖像和檢索圖像的邊緣重心數據，將檢索圖像的各條邊緣線的邊緣重心數據分別與關鍵字圖像的一條或多條邊緣線條的邊緣重心數據相比較，把檢索圖像的一條或多條符合條件的邊緣線條的邊緣重心數據記錄成該檢索圖像與關鍵字圖像的相似區域數據； 相似度計算單元，根據所述相似區域判斷單元的判斷結果，進行計算檢索對象的所述區域與關鍵字圖像的相似度，把相似度最高的作為該檢索圖像與關鍵字圖像的相似度； 檢索單元，根據各檢索圖像與關鍵字圖像的相似度高低進行排序，并按照該排序從圖像數據庫中調出對應的圖像數據輸出給對應的輸出單元； 輸出單元，按照和關鍵字圖像數據的相似度的高低順序，顯示出與圖像檢索有關的檢索結果畫面。
所述的圖像數據庫的圖像數據包含有圖像ID、地址以及索引類型的字段，該圖像ID是用于識別成為檢索對象的各圖像數據及關鍵字圖像數據的識別符，該地址表示圖像數據實際被儲存的位置，該索引類型是用來表示此圖的用途。
所述的邊緣線、點數據庫的邊緣重心數據包含圖像ID、邊緣線編號、邊緣點坐標及重心距離比率的字段，該圖像ID是該邊緣線點的所屬圖像ID，與圖像數據庫中的圖像ID對應，該邊緣線編號是指該點是屬于該圖像的第幾條邊緣線，該邊緣點坐標是表明該點在圖像中的位置，該重心距離比率是表明該點到重心點的歐氏距離/該邊緣線所有的點到重心點的最遠歐氏距離。
所述的相似度計算單元所進行的計算檢索對象的所述區域與關鍵字圖像的相似度，是把檢索圖像中的相似區域的各邊緣線物體系組合起來，把檢索圖像的各條邊緣線的重心點組成一個檢索圖像的全景物體系，并計算出各個重心點到全景物體系的全景重心距離比率，將檢索圖像算出的全景重心距離比率與關鍵字圖像的全景重心距離比率進行比對，該比對值的即為所述檢索圖像與關鍵字圖像的相似度；所述關鍵字圖像的全景重心距離比率是把關鍵字圖像的各個邊緣線的重心點組成一個全景物體系，計算出各個重心點到全景物體系的全景重心距離比率。
一種基于邊緣重心特征的圖像檢索方法，包括建庫過程和檢索過程； 該建庫過程包括分別對輸入裝置所輸入的關鍵字圖像和檢索圖像的圖像數據進行圖像特征數據提取；該圖像特征數據提取是將關鍵字圖像或檢索圖像劃分成一條或多條不相連的邊緣線條，從各邊緣線條中分別提取各邊緣點，把同一條邊緣線上的邊緣點組成一個邊緣線物體系，計算出各個邊緣點到邊緣線物體系的重心距離比率；該重心距離比率為該邊緣點與該邊緣線物體系的重心點的歐氏距離/該邊緣線物體系上邊緣點與重心點最遠的歐氏距離； 該檢索過程是將檢索圖像的每條邊緣線的圖像特征數據分別與關鍵字圖像的一條或多條邊緣線條的圖像特征數據相比較，在符合條件的情況下，再把檢索圖像中對應的邊緣線物體系組合起來，把相應邊緣線的重心點組成一個全景物體系，并計算出各個重心點到全景物體系的全景重心距離比率，由檢索圖像算出的全景重心距離比率再與關鍵字圖像的全景重心距離比率進行比對，如能與之對應，再把檢索圖像的相應邊緣線物體系區域當成相似區域輸出；其中，關鍵字圖像的全景重心距離比率是把關鍵字圖像的各個邊緣線的重心點組成一個全景物體系，由此來計算出各個重心點到全景物體系的全景重心距離比率。
所述的建庫過程包括如下步驟 a.輸入圖像的步驟，該步驟是由輸入裝置將關鍵字圖像和檢索圖像的圖像數據分別采集入庫，并存儲在圖像數據庫中，該圖像數據包括有圖像ID、地址以及索引類型的字段； b.啟動圖像特征數據提取的步驟，該步驟是響應對圖像特征數據提取的指令，啟動對圖像特征數據的提取； c.提取圖像特征數據的步驟，該步驟是由邊緣線、點提取單元從圖像數據庫中分別調出圖像，從所調出的圖像中提取圖像特征數據，并將圖像特征數據存入邊緣線、點數據庫中；該圖像特征數據包含圖像ID、邊緣線編號、邊緣點坐標及重心距離比率的字段。
所述的提取圖像特征數據的步驟還進一步分為如下步驟 c1.邊緣線、點提取單元從圖像數據庫中調取一個圖像數據； c2.邊緣線、點提取單元從步驟c1所調取的圖像數據中抽出所述圖像的邊緣線數據； c3.邊緣線、點提取單元從步驟c2中所取得的各邊緣線數據中抽出與所述圖像的各邊緣線相對應的各邊緣點數據； c4.邊緣線、點提取單元依據步驟c3所取得的各邊緣點數據，分別以各邊緣線上的各邊緣點為一個邊緣線物體系，計算出各邊緣線物體系的重心點數據； c5.邊緣線、點提取單元依據前述步驟所得到的邊緣線數據、各邊緣點數據、各邊緣線物體系的重心點數據分別計算出各邊緣線物體系中各邊緣點到所對應的邊緣線物體系的重心距離比率； c6.邊緣線、點提取單元將作為圖像特征數據的邊緣線數據、邊緣點數據、邊緣點的重心距離比率數據存入邊緣線、點數據庫中，并與圖像數據庫所對應的圖像相關聯； c7.邊緣線、點提取單元判斷圖像數據庫中的圖像數據是否調取完畢，如已調取完畢，則結束該提取圖像特征數據的步驟，若未調取完畢，則返回步驟c1。
所述的檢索過程包括如下步驟 d.啟動檢索開始的步驟，該步驟是由檢索單元響應對檢索圖像啟動的指令； e.輸入檢索特征的步驟，該步驟是由檢索單元對輸入裝置所輸入的關鍵字圖像ID進行識別； f.提取關鍵字圖像的圖像特征數據的步驟，該步驟是由檢索單元根據關鍵字圖像ID從邊緣線、點數據庫中提取該關鍵字圖像的邊緣線數據、邊緣點數據和邊緣點的重心距離比率數據； g.調取檢索圖像的步驟，該步驟是由檢索單元從圖像數據庫中調出一個圖像數據作為檢索圖像的數據； h.相似區域提取步驟，該步驟是由相似區域判斷單元將檢索圖像的圖像特征數據與關鍵字圖像的圖像特征數據進行比較，把檢索圖像中符合條件的圖像特征數據記錄成該檢索圖像與關鍵字圖像的相似區域數據； i.相似度計算步驟，該步驟是由相似度計算單元根據所述相似區域判斷單元的判斷結果，計算檢索圖像的所述相似區域與所述關鍵字圖像的相似度，把相似度最高的作為該檢索圖像與關鍵字圖像的相似度； j.檢索判斷步驟，該步驟是由檢索單元判斷圖像數據庫中的圖像數據是否調取完畢，如已調取完畢，繼續下一步驟，若未調取完畢，則返回步驟g； k.顯示步驟，該步驟是由檢索單元根據各檢索圖像與關鍵字圖像的相似度高低進行排序，并按照該排序從圖像數據庫中調出對應的圖像數據輸出給對應的輸出單元，并由輸出單元按照和關鍵字圖像數據的相似度的高低順序，顯示出與圖像檢索有關的檢索結果畫面。
所述的相似區域提取步驟還進一步分為如下步驟 h1.相似區域判斷單元提取關鍵字圖像所有邊緣線的邊緣線數據、邊緣點數據和邊緣點的重心距離比率數據； h2.相似區域判斷單元提取關鍵字圖像中所有邊緣線中的一條邊緣線的邊緣點數據和邊緣點的重心距離比率數據； h3.相似區域判斷單元從檢索圖像數據中取得一個與關鍵字圖像的邊緣線中邊緣點個數相同并且對應邊緣點之間的重心距離比率相近的邊緣線，該重心距離比率相近是指關鍵字圖像的邊緣點的重心距離比率與對應的檢索圖像的邊緣點的重心距離比率之間的差值小于預先設定的閾值； h4.記錄檢索圖像的該條邊緣線信息和與它重心距離比率一致的關鍵字圖像的邊緣線信息； h5.相似區域判斷單元對檢索圖像數據中的所有邊緣線是否調取完畢進行判斷，如已調取完畢，繼續下一步驟，若未調取完畢，則返回步驟h3；當該關鍵字圖像的該邊緣線數據無法從檢索圖像的所有邊緣線數據中找到能相對應的至少一條邊緣線數據時，返回步驟g； h6.相似區域判斷單元對關鍵字圖像數據中的所有邊緣線是否調取完畢進行判斷，如已調取完畢，繼續下一步驟，若未調取完畢，則返回步驟h2；當該關鍵字圖像的所有邊緣線數據無法從檢索圖像的所有邊緣線數據中找到能與之相對應的邊緣線數據時，返回步驟g； h7.記錄所有檢索圖像的邊緣線和關鍵字圖邊緣線相似的邊緣線信息。
所述的相似度計算步驟還進一步分為如下步驟 i1.相似度計算單元提取關鍵字圖像所有邊緣線信息和檢索圖像所有邊緣線信息； i2.根據檢索圖像的邊緣線信息結構進行排列組合； i3.從排列組合中取出其中一個，計算它的相似度，該相似度計算是把這個組合內的各邊緣線的重心點集合起來組成一個新的物體系，計算此物體系的重心點及重心距離比率，把這個組合出來的重心距離比率與關鍵字圖像的重心距離比率進行計算歐氏距離作為相似度；其中，該關鍵字圖像的重心距離比率是把關鍵字圖像的各個邊緣線的重心點組成一個全景物體系，由此來計算出各個重心點到全景物體系的全景重心距離比率； i4.相似度計算單元對檢索圖像的所有組合是否調取完畢進行判斷，如已調取完畢，繼續下一步驟，若未調取完畢，則返回步驟i3； i5.將所有組合中相似度最高的值，作為該檢索與關鍵字圖像的相似值。
本發明的有益效果是，由于采用了從關鍵字圖像和檢索圖像中提取邊緣線，從邊緣線條中提取邊緣點，把同一個邊緣線上的邊緣點組成一個邊緣線物體系，并計算各個邊緣點到邊緣線物體系的重心距離比率；將關鍵字圖像中的每個邊緣線物體系中的重心距離比率及邊緣點數目是否在檢索圖像中相應的邊緣線物體系與之對應，如能與之對應，即，關鍵字圖像中的每個邊緣線物體系都能在檢索圖像中找到，再把檢索圖像中對應的邊緣線物體系組合起來，把相應邊緣線的重心點組成一個全景物體系，并計算出各個重心點到全景物體系的全景重心距離比率，檢索圖像算出的全景重心距離比率與關鍵字圖像的全景重心距離比率進行比對，如能與之對應，再把檢索圖像的相應邊緣線物體系區域當成相似區域輸出，因而，可以實現局部圖像相似的檢索，通過將關鍵字圖像的邊緣重心的圖像特征與檢索圖像的被拆分的邊緣重心的圖像特征進行比較，可以從大量的圖像數據中按順序取出包含與作為檢索要求的用戶所給的關鍵字圖像相似的圖像數據并顯示，是一種可以高效、準確地找到所包含相似的關鍵字圖像的圖像檢索系統。
以下結合附圖及實施例對本發明作進一步詳細說明；但本發明的一種基于邊緣重心特征的圖像檢索系統及其圖像檢索方法不局限于實施例。
圖1是本發明的系統構造示意圖； 圖2是本發明的主流程圖； 圖3是本發明的邊緣線、點提取入庫的流程圖； 圖4是本發明的檢索處理的流程圖； 圖5是本發明的檢索處理的相似區域提取過程的流程圖； 圖6是本發明的檢索處理的相似度計算過程的流程圖。
具體實施例方式 參見圖1所示，本發明的一種基于邊緣重心特征的圖像檢索系統，包括 輸入單元11，是在成為局部相似圖像檢索的檢索圖像數據與關鍵字圖像數據的輸入、及各種關鍵字輸入中所使用的輸入裝置，用來將原始的檢索圖像和原始的關鍵字圖像處理成對應的圖像數據并存入對應的存儲單元中；這些輸入裝置可以是數字照相機、掃描儀、互聯網通信機器、鍵盤、鼠標等； 圖像數據庫12，作為輸入單元11所對應的存儲單元，用來儲存成為檢索對象的圖像數據；可以是磁儲存裝置或半導體儲存器等； 邊緣線、點提取單元13，從圖像數據庫12中調出圖像，并從圖像中提取邊緣線，該邊緣線為圖像中的一條或多條不相連的線條，從邊緣線條中提取邊緣點；把同一個邊緣線上的邊緣點組成一個邊緣線物體系，計算出各個邊緣點到邊緣線物體系的重心距離比率；并將該邊緣重心數據作為圖像特征數據存入對應的存儲單元中； 邊緣線、點數據庫14，作為邊緣線、點提取單元所對應的存儲單元，用來儲存以數值來表示圖像數據庫所儲存的圖像數據的對應的邊緣重心數據； 相似區域判斷單元15，從邊緣線、點數據庫14中調出關鍵字圖像和檢索圖像的邊緣重心數據，將檢索圖像的各條邊緣線的邊緣重心數據分別與關鍵字圖像的一條或多條邊緣線條的邊緣重心數據相比較，把檢索圖像的一條或多條符合條件的邊緣線條的邊緣重心數據記錄成該檢索圖像與關鍵字圖像的相似區域數據； 相似度計算單元16，根據所述相似區域判斷單元15的判斷結果，進行計算檢索對象的所述區域與關鍵字圖像的相似度，把相似度最高的作為該檢索圖像與關鍵字圖像的相似度； 檢索單元17，根據各檢索圖像與關鍵字圖像的相似度高低進行排序，并按照該排序從圖像數據庫中調出對應的圖像數據輸出給對應的輸出單元； 輸出單元18，按照和關鍵字圖像數據的相似度的高低順序，顯示出與圖像檢索有關的檢索結果畫面。
其中 圖像數據庫的圖像數據采用如下的結構形式
它包含有圖像ID、地址以及索引類型的字段，該圖像ID是用于識別成為檢索對象的各圖像數據及關鍵字圖像數據的識別符，該地址表示圖像數據實際被儲存的位置，該索引類型是用來表示此圖的用途； 邊緣線、點數據庫的邊緣重心數據采用如下的結構形式
它包含圖像ID、邊緣線編號、邊緣點坐標及重心距離比率的字段，該圖像ID是該邊緣線點的所屬圖像ID，與圖像數據庫中的圖像ID對應，該邊緣線編號是指該點是屬于該圖像的第幾條邊緣線，該邊緣點坐標是表明該點在圖像中的位置，該重心距離比率是表明該點到重心點的歐氏距離/該邊緣線所有的點到重心點的最遠歐氏距離； 相似度計算單元16所進行的計算檢索對象的所述區域與關鍵字圖像的相似度，是把檢索圖像中的相似區域的各邊緣線物體系組合起來，把檢索圖像的各條邊緣線的重心點組成一個檢索圖像的全景物體系，并計算出各個重心點到全景物體系的全景重心距離比率，將檢索圖像算出的全景重心距離比率與關鍵字圖像的全景重心距離比率進行比對，該比對值的即為所述檢索圖像與關鍵字圖像的相似度；所述關鍵字圖像的全景重心距離比率是把關鍵字圖像的各個邊緣線的重心點組成一個全景物體系，計算出各個重心點到全景物體系的全景重心距離比率。
參見圖2所示，本發明的一種基于邊緣重心特征的圖像檢索方法，包括建庫過程和檢索過程； 該建庫過程包括分別對輸入裝置11所輸入的關鍵字圖像和檢索圖像的圖像數據進行圖像特征數據提取；該圖像特征數據提取是將關鍵字圖像或檢索圖像劃分成一條或多條不相連的邊緣線條，從各邊緣線條中分別提取各邊緣點，把同一條邊緣線上的邊緣點組成一個邊緣線物體系，計算出各個邊緣點到邊緣線物體系的重心距離比率；該重心距離比率為該邊緣點與該邊緣線物體系的重心點的歐氏距離/該邊緣線物體系上邊緣點與重心點最遠的歐氏距離； 該檢索過程是將檢索圖像的每條邊緣線的圖像特征數據分別與關鍵字圖像的一條或多條邊緣線條的圖像特征數據相比較，在符合條件的情況下，再把檢索圖像中對應的邊緣線物體系組合起來，把相應邊緣線的重心點組成一個全景物體系，并計算出各個重心點到全景物體系的全景重心距離比率，由檢索圖像算出的全景重心距離比率再與關鍵字圖像的全景重心距離比率進行比對，如能與之對應，再把檢索圖像的相應邊緣線物體系區域當成相似區域輸出；其中，關鍵字圖像的全景重心距離比率是把關鍵字圖像的各個邊緣線的重心點組成一個全景物體系，由此來計算出各個重心點到全景物體系的全景重心距離比率。
本發明的一種基于邊緣重心特征的圖像檢索方法，是利用了重心距離比率來實現相似區域的判定，重心點通常具有如下特性一是所有經過重心點的直線，都會把物體系分成兩份一樣重量的物體，這個就是重心線，重心線指通過重心點所引的垂直線，是分析物體運動的重要依據和輔助線；二是一個物體系只有一個重心點，無論它怎么旋轉、位移，這個重心點在這個物體系的相應位置不會發生改變；三是相似的物體系，即，物體系經過放大、縮小、旋轉、位移，它們的重心點在物體系中的比例位置不會發生改變。通過對圖像提取邊緣線，從邊緣線條中提取邊緣點，把同一個邊緣線上的邊緣點組成一個邊緣線物體系，并計算各個邊緣點到邊緣線物體系的重心距離比率，通過比較圖像邊緣線的邊緣點數量以及邊緣點到邊緣線物體系的重心距離比率，就能夠比較出圖像之間的局部的相似程度。該重心距離比率是指該物體與該物體系的重心點的距離比率。以該物體系上的物體與重心點最遠的歐氏距離為1，該物體與該物體系的重心點的距離比率，即，該物體與該物體系的重心點的歐氏距離/該物體系上物體與重心點最遠的歐氏距離。
本發明的一種基于邊緣重心特征的圖像檢索方法，其建庫過程包括如下步驟 a.輸入圖像的步驟，該步驟是由輸入裝置11將關鍵字圖像和檢索圖像的圖像數據分別采集入庫，并存儲在圖像數據庫12中，該圖像數據包括有圖像ID、地址以及索引類型的字段。
b.啟動圖像特征數據提取的步驟，該步驟是響應對圖像特征數據提取的指令，啟動對圖像特征數據的提取；如圖2中的框21所示；即程序會一直等待用戶的要求才開始工作。
c.提取圖像特征數據的步驟，如圖2中的框22所示；該步驟是由邊緣線、點提取單元13從圖像數據庫12中分別調出圖像(包括關鍵字圖像和檢索圖像)，從所調出的圖像中提取圖像特征數據，并將圖像特征數據存入邊緣線、點數據庫14中；該圖像特征數據包含圖像ID、邊緣線編號、邊緣點坐標及重心距離比率的字段。
其中，提取圖像特征數據的步驟(即步驟c)還進一步分為如下步驟(如圖3所示) c1.邊緣線、點提取單元13從圖像數據庫12中調取一個圖像數據，如圖3中的框301所示。
c2.邊緣線、點提取單元13從步驟c1所調取的圖像數據中抽出所述圖像的邊緣線數據，如圖3中的框302所示。
以下對邊緣線的抽取方式作進一步的說明 把彩色圖片按照RGB的三個顏色空間分成R(紅)G(綠)B(藍)三維矢量，并根據該象素點的周邊象素的RGB顏色分量計算該點的矢量，算出其點的上下左右等方向的相差值，如果顏色無變化，則其值為0。
設置當前點為point，它的R(紅)矢量對應于如下結構中的R4； G(綠)矢量對應于如下結構中的G4； B(藍)矢量對應于如下結構中的B4； 然后進行如下計算； 水平劃分計算 r0＝((R0+R1+R2)-(R6+R7+R8))/3 g0＝((G0+G1+G2)-(G6+G7+G8))/3 b0＝((B0+B1+B2)-(B6+B7+B8))/3 垂直劃分計算 r1＝((R0+R3+R6)-(R2+R5+R8))/3 g1＝((G0+G3+G6)-(G2+G5+G8))/3 b1＝((B0+B3+B6)-(B2+B5+B8))/3 右對角劃分計算 r2＝((R0+R1+R3)-(R5+R7+R8))/3 g2＝((G0+G1+G3)-(G5+G7+G8))/3 b2＝((B0+B1+B3)-(B5+B7+B8))/3 左對角劃分計算 r3＝((R1+R2+R5)-(R3+R6+R7))/3 g3＝((G1+G2+G5)-(G3+G6+G7))/3 b3＝((B1+B2+B5)-(B3+B6+B7))/3 以其的水平、垂直、右對角、左對角的最大值為該點的值。
point.red＝max(r0，r1，r2，r3)； point.green＝max(g0，g1，g2，g3)； point.blue＝max(b0，b1，b2，b3)； 把每一個點都按此方程式進行計算，得出的新圖的數據為該圖的邊緣線數據。
c3.邊緣線、點提取單元13從步驟c2中所取得的各邊緣線數據中抽出與所述圖像的各邊緣線相對應的各邊緣點數據，如圖3中的框303所示。
以下對邊緣點的抽取方式作進一步的說明 把彩色圖片按照RGB的三個顏色空間分成R(紅)G(綠)B(藍)三維矢量，把這三個顏色空間值改成灰度(Gray)一維顏色空間。
Gray＝R*0.299+G*0.587+B*0.114 為了避免低速的浮點運算，所以需要整數算法。可以將它們縮放1000倍來實現整數運算算法Gray＝(R*299+G*587+B*114+500)/1000 上面的整數算法已經很快了，但是有一點仍制約速度，就是最后的那個除法。移位比除法快多了，所以可以將系數縮放成2的整數冪。使用16位精度，2的16次冪是65536，所以這樣計算系數 0.299*65536＝19595.264≈19595 0.587*65536+(0.264)＝38469.632+0.264＝38469.896≈38469 0.114*65536+(0.896)＝7471.104+0.896＝7472 2至20位精度的系數 Gray＝(R*1+G*2+B*1)>>2 Gray＝(R*2+G*5+B*1)>>3 Gray＝(R*4+G*10+B*2)>>4 Gray＝(R*9+G*19+B*4)>>5 Gray＝(R*19+G*37+B*8)>>6 Gray＝(R*38+G*75+B*15)>>7 Gray＝(R*76+G*150+B*30)>>8 Gray＝(R*153+G*300+B*59)>>9 Gray＝(R*306+G*601+B*117)>>10 Gray＝(R*612+G*1202+B*234)>>11 Gray＝(R*1224+G*2405+B*467)>>12 Gray＝(R*2449+G*4809+B*934)>>13 Gray＝(R*4898+G*9618+B*1868)>>14 Gray＝(R*9797+G*19235+B*3736)>>15 Gray＝(R*19595+G*38469+B*7472)>>16 Gray＝(R*39190+G*76939+B*14943)>>17 Gray＝(R*78381+G*153878+B*29885)>>18 Gray＝(R*156762+G*307757+B*59769)>>19 Gray＝(R*313524+G*615514+B*119538)>>20 16位運算下最好的計算公式是使用7位精度，比先前那個系數縮放100倍的精度高，而且速度快Gray＝(R*38+G*75+B*15)>>7 根據公式計算，生成對應的灰度一維圖像。
并根據該象素點的周邊象素的灰度顏色分量計算該點的矢量。算出其點的上下左右等方向的相差值，如果顏色無變化，則其值為0。
設置當前點的灰度分量為Gray(i，j)。該點的上下左右的各關系如下結構形式 則有 Ix＝Dxy*Tx Iy＝Dxy*Ty Ix2＝Ix*Ix； Iy2＝Iy*Iy； Ixy＝Ix*Iy； 計算角點量公式 cim(i，j)＝(Ix2(i，j)*Iy2(i，j)-Ixy(i，j)*Ixy(i，j))/(Ix2(i，j)+Iy2(i，j))； 設置閾值，當cim(i，j)低于閾值的數據時進行清除。
c4.邊緣線、點提取單元13依據步驟c3所取得的各邊緣點數據，分別以各邊緣線上的各邊緣點為一個邊緣線物體系，計算出各邊緣線物體系的重心點數據；如圖3中的框304所示。
重心計算公式 某個邊緣線中有n個邊緣點，位于Ri(矢量，下同)，i＝1，2，...n.則這個邊緣線的重心為R R＝？Ri/N (i＝1，2，...n) c5.邊緣線、點提取單元13依據前述步驟所得到的邊緣線數據、各邊緣點數據、各邊緣線物體系的重心點數據分別計算出各邊緣線物體系中各邊緣點到所對應的邊緣線物體系的重心距離比率；如圖3中的框305所示。
計算各個邊緣點到重心點的歐氏距離 Edi＝sqrt((Ri-R)(Ri-R)) (i＝1，2，...n) 取最大的距離 MaxEd＝max(Edi) (i＝1，2，...n) 計算各個邊緣點到重心點的距離比率 Ratioi＝Edi/MaxEd(i＝1，2，...n) c6.邊緣線、點提取單元將作為圖像特征數據的邊緣線數據、邊緣點數據、邊緣點的重心距離比率數據存入邊緣線、點數據庫中，并與圖像數據庫所對應的圖像相關聯；如圖3中的框306所示。
c7.邊緣線、點提取單元13判斷圖像數據庫中的圖像數據是否調取完畢，如已調取完畢，則結束該提取圖像特征數據的步驟，若未調取完畢，則返回步驟c1；如圖3中的框307所示。
本發明的一種基于邊緣重心特征的圖像檢索方法，檢索過程包括如下步驟 d.啟動檢索開始的步驟，該步驟是由檢索單元17響應對檢索圖像啟動的指令；如圖2中的框23所示；并進入如圖2中的框24所示的檢索處理，該檢索處理流程見圖4所示。
e.輸入檢索特征的步驟，該步驟是由檢索單元17對輸入裝置11所輸入的關鍵字圖像ID進行識別；如圖4中的框401所示。
f.提取關鍵字圖像的圖像特征數據的步驟，該步驟是由檢索單元17根據關鍵字圖像ID從邊緣線、點數據庫14中提取該關鍵字圖像的邊緣線數據、邊緣點數據和邊緣點的重心距離比率數據；如圖4中的框402所示。
g.調取檢索圖像的步驟，該步驟是由檢索單元17從圖像數據庫12中調出一個圖像數據作為檢索圖像的數據；如圖4中的框403所示。
h.相似區域提取步驟，該步驟是由相似區域判斷單元15將檢索圖像的圖像特征數據與關鍵字圖像的圖像特征數據進行比較，把檢索圖像中符合條件的圖像特征數據記錄成該檢索圖像與關鍵字圖像的相似區域數據；如圖4中的框404所示。
i.相似度計算步驟，該步驟是由相似度計算單元16根據所述相似區域判斷單元15的判斷結果，計算檢索圖像的所述相似區域與所述關鍵字圖像的相似度，把相似度最高的作為該檢索圖像與關鍵字圖像的相似度；如圖4中的框405所示。
j.檢索判斷步驟，該步驟是由檢索單元17判斷圖像數據庫中的圖像數據是否調取完畢，如已調取完畢，繼續下一步驟，若未調取完畢，則返回步驟g；如圖4中的框406所示。
k.顯示步驟，該步驟是由檢索單元17根據各檢索圖像與關鍵字圖像的相似度高低進行排序，并按照該排序從圖像數據庫中調出對應的圖像數據輸出給對應的輸出單元18，并由輸出單元18按照和關鍵字圖像數據的相似度的高低順序，顯示出與圖像檢索有關的檢索結果畫面；如圖4中的框407所示。
參見圖5所示，本發明的一種基于邊緣重心特征的圖像檢索方法，其相似區域提取步驟還進一步分為如下步驟 h1.相似區域判斷單元15提取關鍵字圖像所有邊緣線的邊緣線數據、邊緣點數據和邊緣點的重心距離比率數據；如圖5中的框501所示。
h2.相似區域判斷單元15提取關鍵字圖像中所有邊緣線中的一條邊緣線的邊緣點數據和邊緣點的重心距離比率數據；如圖5中的框502所示。
h3.相似區域判斷單元15從檢索圖像數據中取得一個與關鍵字圖像的邊緣線中邊緣點個數相同并且對應邊緣點之間的重心距離比率相近的邊緣線，該重心距離比率相近是指關鍵字圖像的邊緣點的重心距離比率與對應的檢索圖像的邊緣點的重心距離比率之間的差值小于預先設定的閾值；該閾值按需要進行設定；如圖5中的框503所示。
h4.記錄檢索圖像的該條邊緣線信息和與它重心距離比率一致的關鍵字圖像的邊緣線信息，信息包括檢索圖像的ID、關鍵字圖像的ID、檢索圖像的邊緣線ID、關鍵字圖像的邊緣線ID、重心點的位置等；如圖5中的框504所示。
h5.相似區域判斷單元15對檢索圖像數據中的所有邊緣線是否調取完畢進行判斷，如已調取完畢，繼續下一步驟，若未調取完畢，則返回步驟h3；如圖5中的框505所示。當該關鍵字圖像的該邊緣線數據無法從檢索圖像的所有邊緣線數據中找到能相對應的至少一條邊緣線數據時，返回步驟g。
h6.相似區域判斷單元15對關鍵字圖像數據中的所有邊緣線是否調取完畢進行判斷，如已調取完畢，繼續下一步驟，若未調取完畢，則返回步驟h2；如圖5中的框506所示。當該關鍵字圖像的所有邊緣線數據無法從檢索圖像的所有邊緣線數據中找到能與之相對應的邊緣線數據時，返回步驟g。
h7.記錄所有檢索圖像的邊緣線和關鍵字圖邊緣線相似的邊緣線信息；如圖5中的框507所示。
參見圖6所示，本發明的一種基于邊緣重心特征的圖像檢索方法，其相似度計算步驟還進一步分為如下步驟 i1.相似度計算單元16提取關鍵字圖像所有邊緣線信息和檢索圖像所有邊緣線信息，該信息包含邊緣點的重心距離比率、重心點坐標等；如圖6中的框601所示。
i2.根據檢索圖像的邊緣線信息結構進行排列組合；如圖6中的框602所示。
該步驟中，根據關鍵字圖像的邊緣線數目進行排列組合，公式如下 KeyImg＝line1 line2 line3……linen(KeyImg為關鍵字圖像的邊緣線順序；n為關鍵字圖像中邊緣線的數目) 設linei的相似的檢索圖邊緣線為Smilarityij(i<n，n為關鍵字圖像中邊緣線的數目；j<m，m為檢索圖像中與此關鍵字圖像的邊緣線相似的數目) Composition＝∏Smilarity1j∏Smilarity2j∏Smilarity3j……∏Smilaritynj(n為關鍵字圖像中邊緣線的數目；j<m，m為檢索圖像中與此關鍵字圖像的邊緣線相似的數目；Composition為檢索圖像對于關鍵字圖像的邊緣線組合) i3.從排列組合中取出其中一個，計算它的相似度，該相似度計算是把這個組合內的各邊緣線的重心點集合起來組成一個新的物體系，計算此物體系的重心點及重心距離比率，把這個組合出來的重心距離比率與關鍵字圖像的重心距離比率進行計算歐氏距離作為相似度；其中，該關鍵字圖像的重心距離比率是把關鍵字圖像的各個邊緣線的重心點組成一個全景物體系，由此來計算出各個重心點到全景物體系的全景重心距離比率；如圖6中的框603所示。
該步驟中，從排列組合取出其中一個，并計算它的相似度。把這個組合內的邊緣線的重心點集合起來組成新的物體系，計算此物體系的重心點及重心距離比率。把這個組合出來的重心距離比率與關鍵字圖像的重心距離比率進行計算歐氏距離作為相似度。
SimilarityED＝sqrt((R1-B1)2+(R2-B2)2……(Rn-Bn)2)(R為關鍵字圖像的重心比率，B為組合物體系的重心比率，n為關鍵字圖像的邊緣線數目) SimilarityED值越大，表示相似度越低。
i4.相似度計算單元16對檢索圖像的所有組合是否調取完畢進行判斷，如已調取完畢，繼續下一步驟，若未調取完畢，則返回步驟i3；如圖6中的框604所示。
i5.將所有組合中相似度最高的值，即SimilarityED最小的值，作為該檢索與關鍵字圖像的相似值；如圖6中的框605所示。
上述實施例僅用來進一步說明本發明的一種基于邊緣重心特征的圖像檢索系統及其圖像檢索方法，但本發明并不局限于實施例，凡是依據本發明的技術實質對以上實施例所作的任何簡單修改、等同變化與修飾，均落入本發明技術方案的保護范圍內。
權利要求
1.一種基于邊緣重心特征的圖像檢索系統，其特征在于包括
輸入單元，是在成為局部相似圖像檢索的檢索圖像數據與關鍵字圖像數據的輸入、及各種關鍵字輸入中所使用的輸入裝置，用來將原始的檢索圖像和原始的關鍵字圖像處理成對應的圖像數據并存入對應的存儲單元中；
圖像數據庫，作為輸入單元所對應的存儲單元，用來儲存成為檢索對象的圖像數據；
邊緣線、點提取單元，從圖像數據庫中調出圖像，并從圖像中提取邊緣線，該邊緣線為圖像中的一條或多條不相連的線條，從邊緣線條中提取邊緣點；把同一個邊緣線上的邊緣點組成一個邊緣線物體系，計算出各個邊緣點到邊緣線物體系的重心距離比率；并將該邊緣重心數據作為圖像特征數據存入對應的存儲單元中；
邊緣線、點數據庫，作為邊緣線、點提取單元所對應的存儲單元，用來儲存以數值來表示圖像數據庫所儲存的圖像數據的對應的邊緣重心數據；
相似區域判斷單元，從邊緣線、點數據庫中調出關鍵字圖像和檢索圖像的邊緣重心數據，將檢索圖像的各條邊緣線的邊緣重心數據分別與關鍵字圖像的一條或多條邊緣線條的邊緣重心數據相比較，把檢索圖像的一條或多條符合條件的邊緣線條的邊緣重心數據記錄成該檢索圖像與關鍵字圖像的相似區域數據；
相似度計算單元，根據所述相似區域判斷單元的判斷結果，進行計算檢索對象的所述區域與關鍵字圖像的相似度，把相似度最高的作為該檢索圖像與關鍵字圖像的相似度；
檢索單元，根據各檢索圖像與關鍵字圖像的相似度高低進行排序，并按照該排序從圖像數據庫中調出對應的圖像數據輸出給對應的輸出單元；
輸出單元，按照和關鍵字圖像數據的相似度的高低順序，顯示出與圖像檢索有關的檢索結果畫面。
2.根據權利要求1所述的一種基于邊緣重心特征的圖像檢索系統，其特征在于所述的圖像數據庫的圖像數據包含有圖像ID、地址以及索引類型的字段，該圖像ID是用于識別成為檢索對象的各圖像數據及關鍵字圖像數據的識別符，該地址表示圖像數據實際被儲存的位置，該索引類型是用來表示此圖的用途。
3.根據權利要求1所述的一種基于邊緣重心特征的圖像檢索系統，其特征在于所述的邊緣線、點數據庫的邊緣重心數據包含圖像ID、邊緣線編號、邊緣點坐標及重心距離比率的字段，該圖像ID是該邊緣線點的所屬圖像ID，與圖像數據庫中的圖像ID對應，該邊緣線編號是指該點是屬于該圖像的第幾條邊緣線，該邊緣點坐標是表明該點在圖像中的位置，該重心距離比率是表明該點到重心點的歐氏距離/該邊緣線所有的點到重心點的最遠歐氏距離。
4.根據權利要求1所述的一種基于邊緣重心特征的圖像檢索系統，其特征在于所述的相似度計算單元所進行的計算檢索對象的所述區域與關鍵字圖像的相似度，是把檢索圖像中的相似區域的各邊緣線物體系組合起來，把檢索圖像的各條邊緣線的重心點組成一個檢索圖像的全景物體系，并計算出各個重心點到全景物體系的全景重心距離比率，將檢索圖像算出的全景重心距離比率與關鍵字圖像的全景重心距離比率進行比對，該比對值的即為所述檢索圖像與關鍵字圖像的相似度；所述關鍵字圖像的全景重心距離比率是把關鍵字圖像的各個邊緣線的重心點組成一個全景物體系，計算出各個重心點到全景物體系的全景重心距離比率。
5.一種基于邊緣重心特征的圖像檢索方法，其特征在于包括建庫過程和檢索過程；
該建庫過程包括分別對輸入裝置所輸入的關鍵字圖像和檢索圖像的圖像數據進行圖像特征數據提取；該圖像特征數據提取是將關鍵字圖像或檢索圖像劃分成一條或多條不相連的邊緣線條，從各邊緣線條中分別提取各邊緣點，把同一條邊緣線上的邊緣點組成一個邊緣線物體系，計算出各個邊緣點到邊緣線物體系的重心距離比率；該重心距離比率為該邊緣點與該邊緣線物體系的重心點的歐氏距離/該邊緣線物體系上邊緣點與重心點最遠的歐氏距離；
該檢索過程是將檢索圖像的每條邊緣線的圖像特征數據分別與關鍵字圖像的一條或多條邊緣線條的圖像特征數據相比較，在符合條件的情況下，再把檢索圖像中對應的邊緣線物體系組合起來，把相應邊緣線的重心點組成一個全景物體系，并計算出各個重心點到全景物體系的全景重心距離比率，由檢索圖像算出的全景重心距離比率再與關鍵字圖像的全景重心距離比率進行比對，如能與之對應，再把檢索圖像的相應邊緣線物體系區域當成相似區域輸出；其中，關鍵字圖像的全景重心距離比率是把關鍵字圖像的各個邊緣線的重心點組成一個全景物體系，由此來計算出各個重心點到全景物體系的全景重心距離比率。
6.根據權利要求5所述的一種基于邊緣重心特征的圖像檢索方法，其特征在于所述的建庫過程包括如下步驟
a.輸入圖像的步驟，該步驟是由輸入裝置將關鍵字圖像和檢索圖像的圖像數據分別采集入庫，并存儲在圖像數據庫中，該圖像數據包括有圖像ID、地址以及索引類型的字段；
b.啟動圖像特征數據提取的步驟，該步驟是響應對圖像特征數據提取的指令，啟動對圖像特征數據的提取；
c.提取圖像特征數據的步驟，該步驟是由邊緣線、點提取單元從圖像數據庫中分別調出圖像，從所調出的圖像中提取圖像特征數據，并將圖像特征數據存入邊緣線、點數據庫中；該圖像特征數據包含圖像ID、邊緣線編號、邊緣點坐標及重心距離比率的字段。
7.根據權利要求6所述的一種基于邊緣重心特征的圖像檢索方法，其特征在于所述的提取圖像特征數據的步驟還進一步分為如下步驟
c1.邊緣線、點提取單元從圖像數據庫中調取一個圖像數據；
c2.邊緣線、點提取單元從步驟c1所調取的圖像數據中抽出所述圖像的邊緣線數據；
c3.邊緣線、點提取單元從步驟c2中所取得的各邊緣線數據中抽出與所述圖像的各邊緣線相對應的各邊緣點數據；
c4.邊緣線、點提取單元依據步驟c3所取得的各邊緣點數據，分別以各邊緣線上的各邊緣點為一個邊緣線物體系，計算出各邊緣線物體系的重心點數據；
c5.邊緣線、點提取單元依據前述步驟所得到的邊緣線數據、各邊緣點數據、各邊緣線物體系的重心點數據分別計算出各邊緣線物體系中各邊緣點到所對應的邊緣線物體系的重心距離比率；
c6.邊緣線、點提取單元將作為圖像特征數據的邊緣線數據、邊緣點數據、邊緣點的重心距離比率數據存入邊緣線、點數據庫中，并與圖像數據庫所對應的圖像相關聯；
c7.邊緣線、點提取單元判斷圖像數據庫中的圖像數據是否調取完畢，如已調取完畢，則結束該提取圖像特征數據的步驟，若未調取完畢，則返回步驟c1。
8.根據權利要求5所述的一種基于邊緣重心特征的圖像檢索方法，其特征在于所述的檢索過程包括如下步驟
d.啟動檢索開始的步驟，該步驟是由檢索單元響應對檢索圖像啟動的指令；
e.輸入檢索特征的步驟，該步驟是由檢索單元對輸入裝置所輸入的關鍵字圖像ID進行識別；
f.提取關鍵字圖像的圖像特征數據的步驟，該步驟是由檢索單元根據關鍵字圖像ID從邊緣線、點數據庫中提取該關鍵字圖像的邊緣線數據、邊緣點數據和邊緣點的重心距離比率數據；
g.調取檢索圖像的步驟，該步驟是由檢索單元從圖像數據庫中調出一個圖像數據作為檢索圖像的數據；
h.相似區域提取步驟，該步驟是由相似區域判斷單元將檢索圖像的圖像特征數據與關鍵字圖像的圖像特征數據進行比較，把檢索圖像中符合條件的圖像特征數據記錄成該檢索圖像與關鍵字圖像的相似區域數據；
i.相似度計算步驟，該步驟是由相似度計算單元根據所述相似區域判斷單元的判斷結果，計算檢索圖像的所述相似區域與所述關鍵字圖像的相似度，把相似度最高的作為該檢索圖像與關鍵字圖像的相似度；
j.檢索判斷步驟，該步驟是由檢索單元判斷圖像數據庫中的圖像數據是否調取完畢，如已調取完畢，繼續下一步驟，若未調取完畢，則返回步驟g；
k.顯示步驟，該步驟是由檢索單元根據各檢索圖像與關鍵字圖像的相似度高低進行排序，并按照該排序從圖像數據庫中調出對應的圖像數據輸出給對應的輸出單元，并由輸出單元按照和關鍵字圖像數據的相似度的高低順序，顯示出與圖像檢索有關的檢索結果畫面。
9.根據權利要求8所述的一種基于邊緣重心特征的圖像檢索方法，其特征在于所述的相似區域提取步驟還進一步分為如下步驟
h1.相似區域判斷單元提取關鍵字圖像所有邊緣線的邊緣線數據、邊緣點數據和邊緣點的重心距離比率數據；
h2.相似區域判斷單元提取關鍵字圖像中所有邊緣線中的一條邊緣線的邊緣點數據和邊緣點的重心距離比率數據；
h3.相似區域判斷單元從檢索圖像數據中取得一個與關鍵字圖像的邊緣線中邊緣點個數相同并且對應邊緣點之間的重心距離比率相近的邊緣線，該重心距離比率相近是指關鍵字圖像的邊緣點的重心距離比率與對應的檢索圖像的邊緣點的重心距離比率之間的差值小于預先設定的閾值；
h4.記錄檢索圖像的該條邊緣線信息和與它重心距離比率一致的關鍵字圖像的邊緣線信息；
h5.相似區域判斷單元對檢索圖像數據中的所有邊緣線是否調取完畢進行判斷，如已調取完畢，繼續下一步驟，若未調取完畢，則返回步驟h3；當該關鍵字圖像的該邊緣線數據無法從檢索圖像的所有邊緣線數據中找到能相對應的至少一條邊緣線數據時，返回步驟g；
h6.相似區域判斷單元對關鍵字圖像數據中的所有邊緣線是否調取完畢進行判斷，如已調取完畢，繼續下一步驟，若未調取完畢，則返回步驟h2；當該關鍵字圖像的所有邊緣線數據無法從檢索圖像的所有邊緣線數據中找到能與之相對應的邊緣線數據時，返回步驟g；
h7.記錄所有檢索圖像的邊緣線和關鍵字圖邊緣線相似的邊緣線信息。
10.根據權利要求8所述的一種基于邊緣重心特征的圖像檢索方法，其特征在于所述的相似度計算步驟還進一步分為如下步驟
i1.相似度計算單元提取關鍵字圖像所有邊緣線信息和檢索圖像所有邊緣線信息；
i2.根據檢索圖像的邊緣線信息結構進行排列組合；
i3.從排列組合中取出其中一個，計算它的相似度，該相似度計算是把這個組合內的各邊緣線的重心點集合起來組成一個新的物體系，計算此物體系的重心點及重心距離比率，把這個組合出來的重心距離比率與關鍵字圖像的重心距離比率進行計算歐氏距離作為相似度；其中，該關鍵字圖像的重心距離比率是把關鍵字圖像的各個邊緣線的重心點組成一個全景物體系，由此來計算出各個重心點到全景物體系的全景重心距離比率；
i4.相似度計算單元對檢索圖像的所有組合是否調取完畢進行判斷，如已調取完畢，繼續下一步驟，若未調取完畢，則返回步驟i3；
i5.將所有組合中相似度最高的值，作為該檢索與關鍵字圖像的相似值。
全文摘要
本發明公開了一種基于邊緣重心特征的圖像檢索系統及其圖像檢索方法，是以邊緣重心為圖像特征，分別從關鍵字圖像和檢索圖像中提取邊緣線，從邊緣線條中提取邊緣點，把同一個邊緣線上的邊緣點組成一個邊緣線物體系，并計算各個邊緣點到邊緣線物體系的重心距離比率；通過將關鍵字圖像的邊緣重心的圖像特征與檢索圖像的被拆分的邊緣重心的圖像特征進行比較，可以實現局部圖像相似的檢索，可以從大量的圖像數據中按順序取出包含與作為檢索要求的用戶所給的關鍵字圖像相似的圖像數據并顯示，是一種可以高效、準確地找到所包含相似的關鍵字圖像的圖像檢索系統及其圖像檢索方法。
文檔編號G06F17/30GK101546307SQ20081007182
公開日2009年9月30日 申請日期2008年9月17日 優先權日2008年9月17日
發明者達 滕, 吳鴻偉, 章正道, 林志揚 申請人:廈門市美亞柏科資訊科技有限公司