基于色彩共生矩阵的CBIR方法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (20): 40-42.

基于色彩共生矩阵的CBIR方法

杨振亚¹，杨振东²，王勇³，王成道¹

1.华东师范大学信息学院电子系，上海 200062
2．太原理工大学电气与动力工程学院，太原 030024
3．复旦大学计算机科学系，上海 200433

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-07-11 发布日期:2007-07-11
通讯作者: 杨振亚

CBIR method based on color co-occurrence matrix

YANG Zhen-ya¹，YANG Zhen-dong²，WANG Yong³，WANG Cheng-dao¹

1．College of Information，East China Normal University，Shanghai 200062，China
2．College of Electrical and Power Engineering，Taiyuan University of Technology，Taiyuan 030024，China
3．Department of Computer Science，Fudan University，Shanghai 200433，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-07-11 Published:2007-07-11
Contact: YANG Zhen-ya

摘要/Abstract

摘要： 介绍了一种基于色彩共生矩阵提取颜色-纹理特征的图像检索方法。在灰度共生矩阵方法的基础上，发展出色彩共生矩阵方法，解决了灰度共生矩阵方法不能有效处理真彩色图像的缺陷，并从色彩共生矩阵中提取颜色和纹理特征用于图像检索。该方法易于实现、特征库简洁高效，且具有较好的检索效果。

关键词: 基于内容的图像检索, 颜色, 纹理, 灰度共生矩阵, 色彩共生矩阵

Abstract: In this paper，the methods for CBIR is based on color co-occurrence matrix—a new conception which proposed on the basis of grey level co-occurrence matrix.From the color co-occurrence matrix we can extracte both color and texture features and carry out some combined-features retrieval experiments using real-color image database.The experiments results show that the retrieval results of the methods fits closely with human perception.

Key words: Content Based Image Retrieval（CBIR）, color, texture, grey level co-occurrence matrix, color co-occurrence matrix

杨振亚¹，杨振东²，王勇³，王成道¹. 基于色彩共生矩阵的CBIR方法[J]. 计算机工程与应用, 2007, 43(20): 40-42.

YANG Zhen-ya¹，YANG Zhen-dong²，WANG Yong³，WANG Cheng-dao¹. CBIR method based on color co-occurrence matrix[J]. Computer Engineering and Applications, 2007, 43(20): 40-42.

[1]	王林，柴江云. 深度神经网络在多场景车辆属性识别中的研究[J]. 计算机工程与应用, 2021, 57(9): 162-167.
[2]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[3]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[4]	安卫超，阎婷，张楠，张杉，相洁，曹锐，王彬. 病理图像纹理分析在胃癌MSI预测中的应用研究[J]. 计算机工程与应用, 2021, 57(24): 205-211.
[5]	李龙龙，何东健，王美丽. 基于改进型LBP算法的植物叶片图像识别研究[J]. 计算机工程与应用, 2021, 57(19): 228-234.
[6]	张杰，常天庆，郭理彬，张雷，马金盾. 基于跟踪异常与相关性检验的目标丢失判断[J]. 计算机工程与应用, 2021, 57(18): 204-212.
[7]	宗晓萍，田伟倩. 采用K-means的脑肿瘤磁共振图像分割与特征提取[J]. 计算机工程与应用, 2020, 56(3): 187-193.
[8]	刘天，曾亮. 纹理抑制的光照不均图像配准算法研究[J]. 计算机工程与应用, 2020, 56(23): 180-188.
[9]	王鹏宇，游有鹏，杨雪峰. 基于颜色量化和密度峰聚类的彩色图像分割[J]. 计算机工程与应用, 2020, 56(2): 211-215.
[10]	陈熙，道尔吉，李运兰，韦立，夏道勋，熊祥光. 多方向局部相位量化模式及纹理分类[J]. 计算机工程与应用, 2020, 56(13): 216-222.
[11]	刘颖，刘倩，李大湘，杨文宗. 基于PTM模型文物纹理映射算法[J]. 计算机工程与应用, 2020, 56(12): 209-214.
[12]	邓宇，谌贵辉，李忠兵，张军豪，亢宇欣，夏旭洪. 基于颜色与边缘融合的非局部立体匹配算法[J]. 计算机工程与应用, 2020, 56(10): 199-204.
[13]	杨燕，王慧青，焦越. 结合视点变换的三维地形无缝绘制算法[J]. 计算机工程与应用, 2020, 56(1): 238-243.
[14]	樊宇1，吕晓琪1，2，张继凯1，王月明1，张信雪1. 基于几何着色器的流场动态可视化研究与实现[J]. 计算机工程与应用, 2019, 55(9): 157-161.
[15]	冯建新1，2，李慧1，2，刘治国1，2. 新型火焰颜色空间——IFCS[J]. 计算机工程与应用, 2019, 55(5): 203-210.