基于圖像紋理特征的目標(biāo)快速檢索

《基于圖像紋理特征的目標(biāo)快速檢索》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、維普資訊http://www.cqvip.com張?jiān)票虻龋夯趫D像紋理特征的目標(biāo)快速檢索基于圖像紋理特征的目標(biāo)快速檢索①?gòu)堅(jiān)票颌趶堄郎?信息工程大學(xué)測(cè)繪學(xué)院鄭州450052)摘要在討論共生矩陣的基礎(chǔ)上，提出了一個(gè)通過(guò)圖像分割獲取目標(biāo)圖像紋理特征，進(jìn)而實(shí)現(xiàn)圖像快速檢索的方法。試驗(yàn)表明，該方法檢索目標(biāo)圖像的可靠性較高，具有良好的應(yīng)用價(jià)值。關(guān)鍵詞共生矩陣，紋理特征，圖像分割，圖像檢索檢索。但是，受到紋理描述算法的限制，不同的圖像0引言紋理可能產(chǎn)生相同或相近的紋理特征值，因此在紋理比較中可能會(huì)出現(xiàn)多值匹配現(xiàn)象。圖像的紋理通常指的是在

2、二維空間變化的灰度和顏色所組成的圖案。這種變化是統(tǒng)計(jì)相關(guān)的，可1共生矩陣定義為影像的某種局部性質(zhì)，即某一帶唯一模型特征的區(qū)域。紋理是圖像的重要特征之一，它反映了1．1灰度共生矩陣物體本身的基本屬性，依靠紋理特征有助于將不同本文提取紋理特征的方法是以灰度級(jí)的空間相類型的物體區(qū)分開來(lái)，因此可將其應(yīng)用于圖像識(shí)別、關(guān)矩陣——共生矩陣(CooecurrenceMatrix)作為基礎(chǔ)圖像分析及圖像檢索中。基于此種紋理特征，一幅的?；叶裙采仃嘝又稱灰度共現(xiàn)矩陣，是圖像灰影像可看成是不同紋理模型區(qū)域的嵌套。紋理基元度的二階統(tǒng)計(jì)度量?；叶裙?/p>

3、生矩陣的元素P(i，是構(gòu)成紋理的基本單位，它是一種或多種圖像基元Id，)描述在方向上，相隔d個(gè)像素距離的一對(duì)的組合，紋理基元的適當(dāng)排列組合就形成了紋理。像素分別具有灰度值i和7的出現(xiàn)概率(頻數(shù))l1]。紋理基元排列的疏密、周期性、方向性等的不同，能其中0是兩像素連線向量的角度，通常沿0o,45。、使圖像的外觀產(chǎn)生極大的改變，反映在圖像上就是90。和135。四個(gè)角度來(lái)獲取紋理特征。紋理的粗細(xì)、走向等特征的描述和解釋。例如，紋理分析是指通過(guò)一定的圖像處理技術(shù)抽取出P(i，JId，0o)=#{(，Y)If(，Y)=i，紋理特征，從

4、而獲得紋理的定量或定性描述的處理f(+d，Y)：J，過(guò)程。圖像的紋理分析通常有兩種方法，一是統(tǒng)計(jì)i，=0，1，2，?，L一1，方法，一是結(jié)構(gòu)方法。統(tǒng)計(jì)方法是指用數(shù)學(xué)統(tǒng)計(jì)和，Y=0，1，2，?，N一1}(1)轉(zhuǎn)換的方法得到圖像的數(shù)值化紋理特征，并利用這其中#(1-2)表示集合n的元素個(gè)數(shù)，f(，Y)為圖像些特征標(biāo)識(shí)不同的圖像。該方法常用于分析紋理細(xì)灰度矩陣的元素，該圖像灰度級(jí)為，行列寬為Ⅳ。密而且不規(guī)則的圖案，如各種影像數(shù)據(jù)。結(jié)構(gòu)方法由上可知，沿不同方向?qū)⑸刹煌墓采仃?，每個(gè)則適用于像布料的印刷圖案或磚花圖案等一類像素共生

5、矩陣的維數(shù)是L×L。對(duì)于一幅256灰度級(jí)的排列比較規(guī)則的圖像。本文討論的圖像來(lái)說(shuō)，這樣的信息量是相當(dāng)大的。是統(tǒng)計(jì)方法紋理分析。共生矩陣P反映了圖像灰度分布關(guān)于方向、局利用圖像的紋理特征值來(lái)標(biāo)識(shí)部領(lǐng)域和變化幅度的綜合信息，但它并不能直接提圖像能夠比較客觀地反映圖像的實(shí)供區(qū)別紋理的特征，還須從中進(jìn)一步提取紋理特征。際內(nèi)容，減少外界的影響，并且這樣通常采用如下4個(gè)典型的統(tǒng)計(jì)分量，分別反映紋理的一個(gè)數(shù)值標(biāo)識(shí)既便于存放又利于一致性、紋理對(duì)比、紋理的熵和紋理相關(guān)性，我們用①②863計(jì)劃(2002AAl35130)資助項(xiàng)目。男(收，稿l日

6、2期生生，博士生，工程師；研究方向：航天遙感工程；聯(lián)系人。：．2004-03—29)維普資訊http://www.cqvip.com高技術(shù)通訊2004．8Ql、Q2、Q3、Q4表示。_int[]+1(13)Q。=∑∑p(，)(2)i=0=0、在正規(guī)化后的灰度矩陣F(，Y)和基元矩陣P(，Y)中，統(tǒng)計(jì)同時(shí)使F(，Y)=和P(，Y)=的Q2：∑∑(一)2p(，)(3)i=0=0像點(diǎn)對(duì)數(shù)。該值即灰度．基元共生矩陣G的第(，)個(gè)元素的值。Q3=∑∑p(i,j)log2p(f，)(4)i=O=01．3灰度．梯度共生矩陣Q4={∑∑(+

7、1)(+1)p(i，)一。2)／(。2)灰度．梯度共生矩陣C的元素ci定義為在正規(guī)i=O』=O化的灰度圖像{，Y)}和正規(guī)化的梯度圖像{g(，(5)Y)}中共同具有灰度值i和梯度值的總像點(diǎn)數(shù)j。式(2)～(5)中，p(，)需先進(jìn)行歸一化處理，且灰度．梯度共生矩陣模型集中反映了圖像中兩種最l：∑(i+1)∑p(i，)(6)基本的要素，即像點(diǎn)的灰度和梯度(或邊緣)的相互i=O』：O關(guān)系。各像點(diǎn)的灰度是構(gòu)成一幅圖像的基礎(chǔ)，而梯2：∑(+1)∑p(，)(7)度則是構(gòu)成圖像邊緣輪廓的要素。圖像的主要信息』：Oi=0是由圖像的邊緣輪廓提

8、供的，因此灰度．梯度空間很l：∑(+1一1)∑p(，)(8)清楚地描繪了圖像內(nèi)各像點(diǎn)灰度與梯度的分布規(guī)i=O』=O律，同時(shí)也給出了各像點(diǎn)與其鄰域像點(diǎn)之間的空間2：∑(+1一2)∑p(，)(9)關(guān)系。1．2灰度一基元共生矩陣灰度圖像中各像點(diǎn)的梯度值計(jì)算可采用拉普拉一幅圖像中的每個(gè)像素，除圖幅