基于C#和SQL Server的圖像特征庫設計與實現(xiàn)①

宋衛(wèi)華， 項芳莉

(黃山學院信息工程學院，安徽 黃山 245041)

0 引 言

基于內容的圖像檢索技術主要從底層顏色、形狀、拓撲結構、紋理等視覺特征和高層語義特征方方面，同時融入人工智能中的深度學習技術，對研究圖像進行分析、識別與檢索[1],其在醫(yī)療輔助診斷、農作物病蟲害識別、人臉識別、設備檢測與維修、旅游推薦等領域有著廣泛的應用?；趦热莸耐扑]系統(tǒng)研究近年來才有了突破性進展[2]，基于內容的旅游推薦指根據(jù)旅游商品內容信息(如商品圖像自身屬性、商品詳情等)進行推薦，通過這些特征數(shù)據(jù)來發(fā)現(xiàn)商品的關鍵描述特性，從而將用戶瀏覽歷史特征匹配相似度較高的商品推薦給相關用戶[3]。圖像匹配的模塊主要包含數(shù)據(jù)庫建立和數(shù)據(jù)庫查詢兩大模塊，而特征庫的建立主要是對圖像源中大量數(shù)據(jù)的特征提取問題[4]。為此，文中將以圖像底層特征中的顏色特征為例，使用C#編程語言和SQL Server數(shù)據(jù)庫工具，完成圖像特征庫的設計與實現(xiàn)，從而為后續(xù)進行基于圖像特征匹配的旅游推薦研究做好鋪墊。

1 圖像顏色特征算法分析

顏色特征作為一種廣泛存在的視覺特征，在圖像檢索和識別領域應用較多。此外，與其他視覺特性相比，其對圖像本身的尺寸、方向和視角的依賴性較小，因此具有較高的魯棒性。顏色相關圖是圖像顏色眾多表達中，描述顏色分布的一種方式，其不僅能刻畫某一種顏色比例，同時還能反映不同顏色對之間的存在的空間相關性，同時，相比于顏色直方圖和顏色聚合向量，在圖像檢索匹配和識別方面具有更高的查準率和查全率，為此被認為是圖像顏色特征的一種有效表達[5]。

對于一幅圖像I，顏色相關圖是從聯(lián)合概率分布情況出發(fā)，描述的是距離為d像素的一對像素Pi和Pj，并分別具有像素值為ci和cj的出現(xiàn)概率Pr，其公式可定義如下：

(1)

其中Ici表示顏色為ci的像素的集合。這里距離d采用棋盤距離，即：

d8(Pi,P)=max(|xi-x|,|yi-y|)文中d取1，這里i∈[0,7]，其位置如下圖1所示：

P0P1P2P3PP4P5P6P7

圖1 距離d=1時的棋盤距離

由于統(tǒng)計所得的像素值共有256個灰度級，因此，如果考慮所有顏色之間的相關性，則顏色相關圖的計算量將相當大(空間復雜度為256×256×d)，因此采用自相關圖，在此僅考慮具有相同顏色值的像素間的空間關系，從而可將空間復雜度降低至(256×d)，即對于上式中ci=cj，因在此自相關圖定義如下：

(2)

然后統(tǒng)計上述距離下的顏色值同時為ci的顏色對的概率，公式如下：

(3)

2 圖像特征數(shù)據(jù)庫結構實現(xiàn)

圖像特征庫的建立主要是通過對所給圖像數(shù)據(jù)的遍歷，提取其顏色相關圖特征，然后將特征信息存儲到數(shù)據(jù)庫中，以備用于圖像的檢索、識別等。其主要步驟如下：

2.1 在SQL Server中創(chuàng)建數(shù)據(jù)庫

首先在SQL Server2012中建立一個名為ImageFeature的數(shù)據(jù)庫，用于存儲圖像特征信息，實現(xiàn)如下：

CREATE DATABASE ImageFeature ON PRIMARY

( NAME = ' ImageFeature _Data', FILENAME = 'D: ImageFeature _Data.mdf' , SIZE = 4096KB , MAXSIZE = UNLIMITED, FILEGROWTH = 1024KB ) /*數(shù)據(jù)庫主文件*/

2.2 結合C#語言在SQL Server中創(chuàng)建特征數(shù)據(jù)庫的表結構

數(shù)據(jù)庫作為存放數(shù)據(jù)的一個大倉庫，其包含多個表，而這些表存放不同的信息，遵循的是一事一地的原則。在前面論述中可知，基于底層的顏色特征信息是一個256維的向量，這就意味著在ImageFeature數(shù)據(jù)庫存放顏色特征信息的表至少要包含256個字段，然而僅僅用一般的字段命名方法并不可取，故在此為特征字段命名為corr0…corr255,其分別代表像素值為0…255所對應的顏色自相關圖特征，然而運用自主式SQL語言建立不大方便，為此結合C#語言中的ADO.NET技術[6]和嵌入式SQL，一次完成表中256個字段的建立，具體實現(xiàn)步驟如下：

(1)新建查詢或使用SQL Server Management Studio建立一個顏色特征表

代碼如下：

CREATE TABLE corrfeature (

id identity(1,1) not null, /*圖像id,標識種子，值按1遞增*/

filepath varchar(200) not null /*圖像路徑：用于存放圖像絕對路徑*/)

(2)利用ADO.NET技術連接數(shù)據(jù)庫結合嵌入式SQL，為顏色特征表一次添加256個特征字段

引入命名命名空間: using System.Data.SqlClient ;核心代碼如下：

string connString =@"server= USER-swhSQLEXPRESS.;database=ImageFeature;integrated security=true";

SqlConnection nwindConn= new SqlConnection(connString);

SqlCommand catCMD = nwindConn.CreateCommand();

nwindConn.Open();/*創(chuàng)建數(shù)據(jù)庫連接*/

try

{ /*嵌入SQL語句，一次建立256個特征字段*/

for (int i = 0; i < 256; i++)

{/*字段循環(huán)命名*/

string s = "alter table corrfeature add corr" + i.ToString() + " float null";

string temp= s.ToString();

catCMD.CommandText = temp;

catCMD.ExecuteNonQuery();

}

MessageBox.Show("表建立完成！");

}

則程序編譯通過后，建立的顏色特征表結構即包含id,filepath,corr0-corr255共258個字段。

3 圖像特征數(shù)據(jù)庫數(shù)據(jù)獲取

顏色特征表結構建立完成后，僅僅是完成了表靜態(tài)結構的建立，至此，存放數(shù)據(jù)的容器已經設計完畢。如何將圖像源中圖像的底層顏色特征信息數(shù)據(jù)，存放到此表中將是接下來要準備的工作，步驟如下：

3.1 C#中建立特征提取類

首先在C#中建立一個提取顏色相關圖特征的類imagecorr，以備調用和資源共享，核心代碼如下：

public class imagecorr

{static public float[] Correlogram(Bitmap bmp) /*實現(xiàn)顏色自相關圖特征提取的函數(shù)*/

{ Color color;

int wid,hei;

wid=bmp.Width;

hei=bmp.Height;

int[,] gray = new int[wid, hei];

float[] bin = new float[256];

float[,] corr = new float [256, 1];

float[]mycorrl=new float[256]; /*保存顏色自相關圖特征向量*/

for(int i=0;i

{for(int j=0;j

{color = bmp.GetPixel(i, j);

int value = (int)(0.299 * color.R + 0.587 * color.G + 0.114 * color.B);

gray[i, j] = value ;

}

}

/*計算圖像自相關圖特征*/

for(int i=0;i

{for(int j=0;j

{ int q = gray[i, j];

for(int k=1;k<2;k++) /*距離d=1時的棋盤距離*/

{for(int l=(-1)*k;l

{ try

{ if (gray[i + l, j - k] == q)

{ corr[q,k-1]++;

mycorrl[q]++;

}

}

try

{ if (gray[i + k, j + l] == q)

{

corr[q,k-1]++;

mycorrl[q]++;

}

}

try

{ if (gray[i - l, j + k] == q)

{ corr[q,k-1]++;

mycorrl[q]++;

}

}

try

{ if (gray[i - k, j - l] == q)

{

corr[q,k-1]++;

mycorrl[q]++;

}

}

}

}

}

}

for(int h=0;h<256;h++)

{ if (bin[h]!=0)

{ for(int k=0;k<1;k++)

{ corr[h,k]=corr[h,k]/(8*(k+1)*bin[h]);

mycorrl[h]=corr[h,k];

}

}

}

return mycorrl;

}

}

3.2 C#結合嵌入式SQL批量提取圖像特征入庫

運用C#連接到SQL Server中的數(shù)據(jù)庫，再結合嵌入式SQL對圖像源(一般存放在某個路徑下)中的圖像進行遞歸遍歷[7]，然后調用imagecorr類中Correlogram(Bitmap bmp)函數(shù)，完成批量圖像的特征提取，并將特征數(shù)據(jù)存放到數(shù)據(jù)庫中的corrfeature表中，核心代碼如下：

private void buttonFeature_Click(object sender, EventArgs e)/*按鈕單擊事件，選擇圖像源*/

{ FolderBrowserDialog folderBrowserDialog1 = new FolderBrowserDialog();

folderBrowserDialog1.Description = "圖像顏色特征入庫";

/*選擇圖像源所在目錄*/

if (folderBrowserDialog1.ShowDialog() == DialogResult.OK)

{ Listimagepath(new DirectoryInfo(folderBrowserDialog1.SelectedPath));}

MessageBox.Show("特征遍歷提取完成！");

/*關閉數(shù)據(jù)庫連接，同表結構的建立，此處省略*/

}

/*函數(shù)Listimagepath遞歸調用，遍歷路徑下所有圖像*/

public void Listimagepath(FileSystemInfo myfileinfo)

{ if (!myfileinfo.Exists) return;

DirectoryInfo dirinfomat = myfileinfo as DirectoryInfo;

if (dirinfomat == null) return;

FileSystemInfo[] files = dirinfomat.GetFileSystemInfos();

for (int i = 0; i <= files.GetUpperBound(0); i++)/*遍歷目錄下所有圖像文件、子目錄 */

{FileInfo file = files[i] as FileInfo;

if (file != null) // 是文件

{if (file.Extension == ".bmp")

{string sqlstr, filename;

filename = file.DirectoryName;

StringBuilder s = new StringBuilder("insert into corrfeature ( filepath");

Bitmap b = new Bitmap(file.FullName);

/*調用imagecorr類中的函數(shù)Correlogram，獲取顏色自相關圖特征*/

float[] mycorr = imagecorr.Correlogram(b);

for (int j = 0; j < mycorr .Length ; j++)

{ s.Append(",corr" + j); }

s.Append(" ) values ( '" + file.FullName + "'" );

for (int j = 0; j < mycorr .Length ; j++)

{s.Append("," + mycorr[j]);}

s.Append(")");

sqlstr = s.ToString();

try {nwindConn.Open();

catCMD.CommandText = sqlstr;

int count= catCMD.ExecuteNonQuery();

}

catch { /*捕獲異常，同表結構的建立*/}

}

}

else //是目錄

{ Listimagepath(files[i]); /*對子目錄進行遞歸調用*/ }

}

}

4 結 語

文中在分析圖像底層顏色相關圖算法的基礎上，運用C#語言和SQL Server2012完成了圖像顏色自相關圖特征數(shù)據(jù)的獲取，進而實現(xiàn)了圖像顏色特征數(shù)據(jù)庫的快速構建，對研究圖像檢索、識別、去噪、旅游推薦等方面具有一定的參考價值。