基于非監(jiān)督紋理分割下的圖像檢索.pdf

1、隨著圖像數(shù)據(jù)庫的廣泛應(yīng)用，基于圖像紋理的檢索已經(jīng)變成了一項重要，同時也是復(fù)雜的工作?，F(xiàn)實世界中，紋理是一個非常普遍的現(xiàn)象，有許多不同的來源：首先，很多小的物體組成的圖像可以被認(rèn)為是紋理；例如，草、樹、灌木叢、小石頭、和頭發(fā)。其次，有很多小物體組成的有規(guī)律的形狀的物體表面，也可以認(rèn)為是紋理。例如，印度豹、美洲豹身上的斑點，老虎或斑馬身上的條紋，樹皮、木頭和皮膚上的圖案。紋理研究中有三個基本的問題：紋理分割、紋理合成和紋理恢復(fù)。紋理分割是把

2、圖片分成不同的部分，每個部分內(nèi)有近似的紋理；紋理合成是尋找如何利用局部的圖像特征來構(gòu)造大片紋理區(qū)域的方法；紋理恢復(fù)形狀是利用圖像紋理恢復(fù)物體表面的方向和形狀。 為了更簡單、快速地搜索圖像庫中的圖像，本文基于圖像紋理的非監(jiān)督分割，提出了新的圖像分類方法。通過對每一紋理圖像進(jìn)行這種非監(jiān)督紋理分割，提取紋理的特征向量，然后運(yùn)用這些參數(shù)，根據(jù)假設(shè)檢驗進(jìn)行紋理的分類和融合。 圖像分割就是將圖像分割成若干互不交迭的區(qū)域，每一個區(qū)域都

3、有大致相同的像素組成。例如，這些區(qū)域可能是亮度相同或顏色相同，說明這些區(qū)域?qū)儆谕粋€物體或者一個物體的同一部分，而相鄰的區(qū)域之間有明顯的屬性差別。分割是計算機(jī)視覺和圖像分析中十分重要的組成部分，通過分割可以區(qū)分出圖像中重要的區(qū)域。在許多重要的應(yīng)用中，如何定義相似性和一致性是一個基礎(chǔ)的問題。紋理分割就是確認(rèn)圖像中相同的紋理區(qū)域，目前有很多紋理分析的方法。如果已知一組紋理，圖像的分割和檢索就能夠看作是一種監(jiān)督分類的工作，在模式識別和概率統(tǒng)計

4、中有許多方法進(jìn)行這種檢驗。圖像分割方法主要分為基于簡單的統(tǒng)計模型獲得的概率密度函數(shù)、基于圖像的灰度和紋理的度量等，可以通過局部的統(tǒng)計模型和邊緣信息來從背景中分割和區(qū)分重要的區(qū)域。分割方法有許多種，在相應(yīng)的文獻(xiàn)中都有介紹。對已有的方法進(jìn)行比較表明，運(yùn)用參數(shù)的最大似然估計或最大后驗估計的近似方法是一種較好的方法，但是其中計算分類標(biāo)記區(qū)域的最大后驗概率將是一個非常復(fù)雜的問題?；谙嗨萍y理的圖像檢索和非監(jiān)督紋理分割之間存在著緊密的關(guān)系。圖像檢索

5、要求在數(shù)據(jù)庫中搜集與所給檢索圖像最相近的一些圖像；分割是為了給出的圖像分割成最大的相同區(qū)域。因為同一性可以定義為同一個區(qū)域中局部紋理相似度量的平均，因此這些工作與相似度量的關(guān)系十分緊密。 本文提出了一個非監(jiān)督紋理分割方法，它不僅可以識別復(fù)雜的圖像，并能描述區(qū)域內(nèi)容的變化。這種方法可以認(rèn)為是將分割和類別參數(shù)估計同時進(jìn)行，其中最優(yōu)的分類參數(shù)是由最小二乘法計算出。將分割和類別參數(shù)看成隨機(jī)變量，并對它們同時進(jìn)行估計，可以同步地估計出來它