1、“.....还要感谢我的同学冯野，他在我的论文写作过程中提出了很多建设性的意见，并给了我很多启发。感谢吉林大学计算机科学与技术学院的全体领导和老师，你们深厚的学术功底和诲人不倦的高尚师德将让我受用生。感谢计算机科学与技术专业级班全班同学给予我的关心友谊和帮助，是你们给了我美好而难忘的学习生活。最后，我要衷心感谢我的父母，是你们直默默地给与我理解与支持，给与我勇敢面对困难的勇气和力量，让我能够顺利地完成学业。张振宇年月也就是颜色直方图间距离的度量问题。目前在系统中较为常用的距离公式有多种。设检索时我们指定的关键字图像称为示例图像，图像库中的图像称为检索图像颜色的种类数为则颜色直方图的几种常用距离公式可描述如下距离欧几里德距离是最简单的距离公式。也是在中应用较广的距离公式......”。

2、“.....如果不考虑各颜色间的相似性，也不需要考虑检索过程中不同颜色的重要程度，则可用此公式进行颜色直方图间距离的度量。加权距离加权欧几里德距离考虑了特征向量不同维之间的不同重要性。主要应用在需要考虑不同的颜色在检索过程中具有不同重要性的场合例如基于些颜色的图像检索中，对于指定的颜色，其度量的权值较大而其它颜色的权值较小，这样，只要待检索图像中的含有指定的那些颜色。并达到定比例，即使其它颜色不怎么匹配两图像的相似度也会较大。二次型距离这是公司的系统为计算颜色直方图各颜色间的相似性而提出的，其中是颜色和颜色之间的相似因子，由系统在计算前预定义。该距离公式由于考虑了不同颜色之间的相似性，因而是比较准确的度量，但同时也带来了大的计算量。直方图相交算法该算法于年由和提出，由于它比二次型距离算法简便，又比距离距离的效率高得多，因此，这算法目前仍被广泛采用......”。

3、“.....它决定了所能支持的查询类型和检索性能。建立的数学模型要充分反映图像对象的内容，反映与领域无关的和能够有效存储的物理特征及逻辑特征。特征提取方法的选择特征提取算法应简单易用，且具有自动提取的功能，所选择的特征应尽可能表达原始图像的信息。同时，可以借助些先进的数学工具来提取图像特征，如基于泛函分析和小波分析的特征数据表示等。总之，特征提取是检索方法成功与否的关键步骤。距离度量函数的选择在基于内容的图像检索中，图像特征是图像的近似表示，检索也是在图像集合中查找与给定检索图例相似的对象，而图像特征大都可以表示成向量形式，因此常用的图像相似度比较方法都是基于向量空间模型，即将图像特征看作是向量空间中的点，通过计算两个点之间的距离来衡量图像特征间的相似度。因此选取合适的距离度量函数对整个系统的效率及检索的精确度均有较大影响......”。

4、“.....因此可以综合这些特征作为图像的总体特征进行查询，同时，还可以利用些客观属性如时间等作为辅助查询。颜色空间模型的选取颜色直方图可以是基于不同的颜色空间和坐标系，本课题采用的是空间模型，因为对本文所采用的相似性匹配算法是在三维向量空间计算两个向量间的欧式距离实现的，所以不同的空间模型对匹配的效果没有影响，仅仅是空间坐标的转换，而大部分数字图像都是用颜色空间来表达的，这种空间表达方式最简单直观，所以我们采用作为颜色空间模型。颜色量化确定颜色空间后，还必须对颜色空间进行量化。如对位的彩色图像提取颜色直方图特征，图像的三个坐标上分别有个点，因此存在种颜色，而每幅图要存储种颜色的像素数，需要占用大量的存储空间，但是实际上，占用这么大的存储空间是没有必要的，因为人的眼睛根本没法区别颜色的细微差别，可以把差别很小的若干种颜色看作同种颜色......”。

5、“.....每个小区间成为直方图的个。这个过程就称为颜色量化。然后，通过计算颜色落在每个小区间内的像素数量可以得到颜色直方图。颜色量化有许多方法，例如向量量化聚类方法或者神经网络方法。最为常用的做法是将颜色空间的各个分量维度均匀地进行划分。颜色量化时选择合适的颜色小区间即直方图的数目和量化方法与其体应用的性能和效率要求有关。般来说，颜色小区间的数目越多，直方图对颜色的分辨能力就越强。然而，的数目很大的颜色直方图不但会增加计算负担，也不利于在大型图像库中建立索引。而且对于些应用来说，使用非常精细的颜色空间划分方法不定能够提高检索效果，特别是对于不能容忍对相关图像错漏的那些应用。本文采取的方法是将每个坐标均匀的划分为个维度，每个维度里面包含了量化前的个点，因此颜色空间就被量化为个颜色小区间，再通过计算图像中的实际颜色落在每个小区间内的像素数量就可以得到该图像的颜色直方图......”。

6、“.....而图像间尺寸大小的差别常常会造成匹配的误差，例如两幅内容相同的图像，图为像素，图二为像素，在进行基本的直方图交算法时，两幅图像的交集相似性最多只能是个像素。但是很可能出现幅完全不相关的图像三，使得图三与图二的直方图交远大于像素。因此，还需要归化图像的颜色直方图。比较早的归化方法是将图像的大小缩放到统尺寸，从而达到归化的目的，并减少特征计算量和降低特征的存储空间需要。但是这种方法显然不够灵活，而且图像的缩放也容易造成图像的部分损失。因此，后人提出了归化的直方图方法。用各个颜色子空间中像素个数占整个图像像素数的比例，来代替原来每个子空间像素实际数目。归化直方图的定义为其中表示用表示的颜色子空间,表示从黑色子空间到白色子空间，表示图像中颜色子空间的像素总数，表示图像总的像素数目。上面的公式表征了不同色彩在整幅图像中所占的比例......”。

7、“.....具有旋转不变和平移不变性等优点，但是它不关心每种色彩所处的空间位置，反映的只是图像的整体特征，而无法体现图像中所包含的对象或物体。根据统计学原理，幅彩色图像的直方图就是该图像颜色值的概率密度函数，它只包含了图像中颜色分布的统计信息，并不包含各个颜色值的任何空间位置信息，所以只要两幅图像亮度分布相同，不管它们的视觉内容相差多大都具有相似甚至相同的直方图。如图所示，两幅内容差别很大的图像，却具有很相似的直方图。图直方图与图像的对多关系也就是说直方图与图像间存在对多的关系，这是直方图作为颜色特征时造成与人们的视觉感知规律相背离的根本原因。因此它只适合检索颜色布局相似的图像，而不能满足人们多元化的检索要求。为了解决这问题，人们提出了很多方法来引入图像中色彩所处的位置信息。常用的方法有图像自动分割，图像的均匀划分用户指定感兴趣的区域等方法......”。

8、“.....即划分出其中所含的对象或颜色区域，然后根据这些区域对图像索引，但是对大多数应用来说图像的自动分割是相当困难的，要达到良好的分割效果仍然是个有待解决的难点。用户指定感兴趣的区域是用户在查询的图像上直接定义感兴趣的区域，提取该区域的特征，对图像进行检索。该方法在定程度上避免了自动分割和均匀划分的盲目性，但是加大了用户的负担，而且检索所需的时间会增加。本课题采用的是图像的均匀划分方法。这种方法是简单地将图像均匀划分若干矩形子块，对每个图像子块提取颜色特征。这种方法避免了准确的图像自动分割的困难，也不需要用户的干预，同时又提供了些有关图像内容位置关系的基本信息，虽然提供的只是粗略的颜色位置信息，但是在实际应用中已能到达基本要求。图像均匀划分的块数与检索的效果直接相关，块数太少，获得的颜色布局信息也会太少，但是如果块数太多......”。

9、“.....因此，从基于图像内容的查询及其用于环境的深度而言，今后在这些方面还可以进行些工作可将基于内容的图像检索与数据库技术结合起来，特征提取可在后台运行，不必每次检索都对所有图像提取特征。数据库中只存储图片的基本信息和对应特征，这样可大大提高系统的检索效率。可以将基于图像内容的查询和图像搜索引擎结合起来。在环境下实现基于内容的图像数据库检索系统。作者认为该系统的框架结构可以分为两个部分是图像特征索引的离线创建，二是在线图像检索。般来说，图像特征的分析和索引的创建是在服务器端离线完成的，其主要功能包括图像入库前的预处理图像内容特征的提取与分析图像特征描述的编码存储等。对于图像的在线检索，其主要任务是将用户感兴趣的图像实例提交给服务器，由服务器对其内容的特征进行提取和表示，然后调用图像检索引擎按定的相似检索方法进行图像间的相似度计算......”。