基于多尺度幾何分析的紋理圖像檢索研究.pdf

1、隨著多媒體和Internet技術(shù)的快速發(fā)展，基于內(nèi)容的圖像檢索已經(jīng)成為圖像處理和計算機視覺領(lǐng)域的研究熱點，基于內(nèi)容的圖像檢索具有廣闊的應(yīng)用前景和重要的學(xué)術(shù)研究價值。經(jīng)過多年來的研究，基于內(nèi)容的圖像檢索已經(jīng)取得了豐碩成果。然而，基于內(nèi)容的圖像檢索依然面臨著巨大的挑戰(zhàn)，仍然存在著許多需要進(jìn)一步解決和深入研究的問題。本文以提高基于內(nèi)容的紋理圖像檢索精度為目標(biāo)，對基于內(nèi)容的紋理圖像檢索中的相似性度量、旋轉(zhuǎn)不變特征提取、多特征提取、基于支持向量機

2、的分類和檢索、概率紋理圖像檢索進(jìn)行了深入研究。
　　 本文的主要工作如下:
　　 紋理圖像檢索包括圖像特征提取和相似性度量。相似性度量是紋理圖像檢索的關(guān)鍵技術(shù)之一，在圖像檢索中發(fā)揮著重要作用。目前，已經(jīng)有多種相似性度量方法。Kokare等人比較了用于紋理圖像檢索的九種相似性度量，即Euclidean、Canberra、Bray-Curtis、Manhattan、Weighted-Mean-Variance、Mahalan

3、obis、Chebychev、Squared Chi-Squared和Squared Chord相似性度量。Kokare等人的實驗結(jié)果表明，與其它七種相似性度量相比，Canberra和Bray-Curtis相似性度量在圖像檢索中能夠取得比較好的檢索精度，但是檢索精度仍不夠理想。在圖像檢索研究中，構(gòu)造更好的相似性度量方法是一項較有意義的工作。本文提出了一種紋理圖像檢索的相似性度量方法。實驗結(jié)果表明，與Euclidean距離、Canberr

4、a距離、Bray-Curtis距離和Weighted-Mean-Variance距離等相似性度量方法相比，本文提出的相似性度量方法獲得了更高的紋理圖像檢索精度。
　　 目前，已經(jīng)有多種旋轉(zhuǎn)不變紋理特征提取方法被提出，在這些方法中，基于模型的方法對于旋轉(zhuǎn)不變紋理特征的提取有較好的效果，但是這類方法有一個共同的缺點，即對于不同的紋理選擇一個普適的模型是相當(dāng)困難的。Han等人使用Garbor濾波器來提取旋轉(zhuǎn)不變紋理特征，但是Garbo

5、r通道的數(shù)目不易確定。Manthalkar等人使用離散小波包變換來提取旋轉(zhuǎn)不變紋理特征。因為離散小波變換對平移敏感，并且方向性差，所以Kokare等人使用雙樹旋轉(zhuǎn)復(fù)小波濾波器和雙樹復(fù)數(shù)小波變換來改進(jìn)旋轉(zhuǎn)不變紋理圖像檢索精度。本文提出了一種基于多尺度幾何分析和加權(quán)平均相關(guān)相似性度量(WARD)的旋轉(zhuǎn)不變紋理圖像檢索算法。通過計算每個非下采樣Contourlet變換尺度下的所有子帶的平均能量和平均標(biāo)準(zhǔn)偏差，得到具有旋轉(zhuǎn)不變性的紋理特征。在加

6、權(quán)平均相關(guān)相似性度量(WARD)中，兩幅圖像之間相似性度量不會受到任何其它圖像的影響，并且不需要計算整個圖像庫的統(tǒng)計數(shù)據(jù)，所以具有更廣闊的應(yīng)用前景，例如互聯(lián)網(wǎng)上的圖像檢索等。實驗結(jié)果表明，與目前的一些旋轉(zhuǎn)不變紋理圖像檢索相比，本文提出的基于多尺度幾何分析和WARD的旋轉(zhuǎn)不變紋理圖像檢索算法提高了紋理圖像檢索精度。
　　 由于單一的旋轉(zhuǎn)不變紋理特征描述紋理的能力有一定的局限性，旋轉(zhuǎn)不變紋理多特征有更強的表示紋理的能力。本文提出了一

7、種基于非下采樣Contourlet變換和灰度共生矩陣的多特征的旋轉(zhuǎn)不變紋理特征提取方法。非下采樣Contourlet變換具有各向異性和平移不變性，其系數(shù)反映了圖像的紋理和細(xì)節(jié)。灰度共生矩陣描述了圖像的方向性、鄰近空間關(guān)系、方差的變化范圍。通過計算每個非下采樣Contourlet變換尺度下的所有子帶的平均能量和平均標(biāo)準(zhǔn)偏差以及灰度共生矩陣的二階矩角、慣性熵、慣性矩、反差分矩和慣性相關(guān)系數(shù)的均值和標(biāo)準(zhǔn)差，得到旋轉(zhuǎn)不變的多紋理特征。實驗結(jié)果表

8、明，與Kokare等人于2006年提出的旋轉(zhuǎn)不變紋理圖像檢索算法相比，本文提出的基于非下采樣Contourlet變換和灰度共生矩陣的旋轉(zhuǎn)不變紋理圖像檢索算法取得了更好的旋轉(zhuǎn)不變紋理圖像檢索精度。
　　 本文提出一種基于多尺度幾何分析和支持向量機的紋理圖像分類和檢索算法。非下采樣Contourlet變換和局部二元模式被用來提取紋理特征，支持向量機被用來對圖像進(jìn)行分類和檢索。非下采樣Contourlet變換具有各向異性和平移不變性，

9、局部二元模式具有旋轉(zhuǎn)和灰度不變性。支持向量機具有好的分類性能。實驗結(jié)果表明與目前的一些方法相比，本文提出的基于非下采樣Contourlet變換、局部二元模式和支持向量機算法能夠取得更好的圖像檢索精度。
　　 為了進(jìn)一步提高紋理圖像檢索的精度，本文提出一種基于多尺度幾何分析的概率紋理圖像檢索方法，采用非下采樣Contourlet變換對圖像進(jìn)行分解，利用伽瑪分布對分解得到的子帶系數(shù)進(jìn)行模型化，并且圖像之間的相似性度量通過Kullba