改进的K-均值聚类法：MPEG-7主颜色提取与图像检索优化

该篇论文研究了"一种新的MPEG-7主颜色提取算法"，作者贾宗豹和顾嗣扬来自同济大学电子与信息工程学院，发表于2018年。论文针对图像检索系统中MPEG-7标准的主颜色描述符提出了创新的方法。MPEG-7标准在多媒体内容描述中扮演重要角色，尤其是图像检索，它包括颜色、纹理和形状等多种描述符。 论文的核心内容是设计了一种基于K-均值聚类的主颜色提取算法。传统的MPEG-7 DCD虽然简洁高效，但忽视了颜色的空间分布信息，导致检索效果不理想。作者改进了K-均值聚类算法，通过直方图峰值筛选法确定初始聚类中心，以便更好地捕捉颜色空间分布。此外，为了充分利用图像的空间信息，采用了OTSU阈值分割算法对图像进行预处理，这样可以区分目标和背景，增强主颜色特征的表达。 论文的关键步骤包括：首先，使用HSV颜色模型，因为它能够更好地模拟人类对颜色的感知和鉴别；然后，通过K-均值聚类将图像颜色分布划分为不同的簇；接着，利用OTSU分割细化颜色区域；最后，整合目标和背景的颜色特征，进行更加精确的图像检索。 实验结果显示，这种新的主颜色提取方法在图像检索任务中表现出了优越性，相较于传统方法，能够提供更佳的检索效果。这表明考虑颜色空间分布和图像分割信息对于提高图像检索性能至关重要。 这篇论文为图像检索领域的研究提供了实用且有效的技术手段，尤其是在色彩特征提取和图像内容理解方面，具有重要的理论价值和实际应用潜力。