基于颜色特征的行李箱检索系统设计与实现

《基于颜色特征的行李箱检索系统设计与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于颜色特征的行李箱检索系统设计与实现　　摘要：为了加强对民航机场游客行李包的有效管理，减少人工查找相关行李箱的工作量，设计并实现了一个基于颜色特征的行李箱检索系统。充分利用图像的颜色特征，设计不同的特征匹配算法，实现了按照颜色特征检索行李箱的功能。实验证明，该系统具有功能全面、操作简单、安全可靠等特点，具有一定的推广价值。　　关键词关键词：民航；行李箱；颜色特征；图像检索　　DOIDOI：10.11907/rjdk.162058　　中图分类号：TP319　　文献标识码：A文章编号文章编号：16727800（2016）011007105　　0引言9　　社会经济的繁荣促进了民航行业的快速

2、发展，客运量的增加使得托运行李箱的数量也急剧增加，如何有效管理和监控众多行李箱成为各航空公司亟需解决的问题。目前，不正常行李的查找主要依靠对行李箱上所挂条形码进行扫描记录。然而针对一些特殊情况，如条形码丢失、条形码错误等，这种传统的查找方式就无法发挥作用。此时，行李箱的外观特征就成为了找寻不正常行李箱的主要依据。因此有必要将研究方向转移到行李箱的图像内容上，即通过行李箱图像本身的内容如颜色等特征进行检索，输入相似行李箱图像之后，在监控系统中查找对应行李箱的视频截图或与存储在行李库房中的无人认领行李作比对，从而跟踪其去向，完成管理和查找操作。　　1图像特征提取　　基于颜色特征的行李箱检索

3、系统，是基于内容的图像检索系统的一种，即通过分析研究图像包含的颜色信息，通过一定的特征方法进行表示，然后设计匹配算法进行相似度匹配的检索系统。只有首先准确地将图像信息提取出来，再设计出精确的匹配算法，才能实现预期的效果。由此可见，图像特征提取算法是本文基于颜色特征的行李箱检索系统的核心技术。　　1.1颜色特征模型　　RGB模型是计算机中最常用的颜色模型，由于其简单并且与人眼的结构特性密切相关，所以是目前使用最为广泛的颜色模型[1]。根据人眼的结构特点，所有颜色都可以看作是3个基本颜色即红、绿、蓝的组合。为了建立标准，1931年国际照明委员会（CIE）规定了700nm、546.1nm、4

4、35.8nm为红、绿、蓝这3种颜色的标准波长。以r、g、b3个参数为三坐标，可以得到如图1所示的一个单位立方体结构描述的RGB颜色模型（彩图见封三，下同）。　　本系统充分利用RGB颜色模型的特点，使用其作为本系统的特征提取模型。　　1.2特征表述方法9　　对于一副图像，若要得到它所包含的颜色特征，首先要采集它的信息，然后用适当的方法进行表示，颜色特征表示对检索结果有很大的影响。本系统采用循环方式，逐步采集图像每一个点的R、G、B值，然后对R[0]～R[255]，G[0]～G[255]和B[0]～B[255]的点的个数进行统计，再采用适当算法来表示这些统计信息，主要有以下3种方法：统计直

5、方图、累计直方图和分块统计。　　1.2.1统计直方图　　图像特征的统计直方图[2]是一个1-D的离散函数，它用来表示一副图像之中，拥有某种特征值的点在整幅图像中所占的比例，很显然所有比例之和应为1。以H向量为例，即有式（1）：　　H（k）=nkNk=0，1，255（1）　　其中，nk代表具有特征值k的点的个数，N为这幅图像的点的个数。如图2所示，（a）是图像原图，（b）是它所对应的统计直方图。　　1.2.2累计直方图图像特征的累计直方图[2]也是一个1-D的离散函数，表示到这个特征为止的之前所有向量占总数的比例。同样以H向量为例，很显然，H（255）=1即有式（2）：　　式中符号与上文

6、统计直方图公式中的含义一致，图3即为红色行李箱图像特征的累计直方图。　　1.2.3分块统计图像的分块统计方法是在上述两种方法基础上的改进，基于颜色内容的图像检索虽然有较强的抵御旋转、尺寸变换的鲁棒性[3]，但是对于图像色彩的空间分布表示却很差，经常会出现图像的直方图相似而空间分布差别很大的情况，如图4中（a）横向图和（b）交叉图的直方图完全一样而实际图像本身却差别很大。9　　针对这种情况，研究者提出了分块统计的概念，原理是将一幅图像先进行分割，然后分别统计每一块的直方图进行对比分析，至于如何分块以及每一块赋予的权重，还需特别计算。通过分块统计，一定程度上解决了颜色特征对于空间分布的不足

7、，但是不能从根本上解决问题，这是颜色特征本身的缺陷。　　统计直方图比较适合颜色块单一的图像，相比之下，累计直方图则更适合于真彩图像[4]，分块统计弥补了颜色空间分布难以描述的缺点。由于时间有限，本文仅实现了统计直方图和累计直方图两种方法，分块统计是今后研究的方向。　　2特征匹配算法　　基于文本的检索方法是通过对文本进行匹配来判断是否相似，而基于内容的图像检索则是通过计算示例图像和数据库中图像在图像特征上的相似度进行判断[5]。目前广泛使用的是对