基于多尺度及多方向分析紋理圖像檢索算法

《基于多尺度及多方向分析紋理圖像檢索算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、第41卷第1期鄭州大學(xué)學(xué)報(bào)(理學(xué)版)Vol141No112009年3月J.ofZhengzhouUniv.(Nat.Sci.Ed.)Mar12009基于多尺度及多方向分析的紋理圖像檢索算法汪華章(西南民族大學(xué)電氣信息學(xué)院成都610041)摘要:提出一種基于多尺度及多方向分析的紋理圖像檢索算法.針對(duì)紋理圖像的特點(diǎn),從不同尺度和方向比較了實(shí)數(shù)離散小波變換和雙樹復(fù)小波變換的性能.充分利用雙樹復(fù)小波變換的旋轉(zhuǎn)不變性、良好的方向選擇性以及有限的冗余等優(yōu)點(diǎn),將其有效地應(yīng)用于紋理特征提取過程中.通過提取各子帶上的能量和標(biāo)準(zhǔn)差作為特

2、征矢量,采用Camberra距離作為相似度量進(jìn)行檢索,減小了計(jì)算量,取得了良好的檢索效果.實(shí)驗(yàn)結(jié)果表明,雙樹復(fù)小波提取紋理特征所獲得的檢索性能優(yōu)于實(shí)數(shù)離散小波檢索算法,也優(yōu)于經(jīng)典的灰度共生矩陣算法,且算法具有良好的旋轉(zhuǎn)不變性.關(guān)鍵詞:圖像檢索;復(fù)小波變換;旋轉(zhuǎn)不變性;相似度量中圖分類號(hào):TP391.41文章編號(hào):1671-6841(2009)01-0027-060引言多媒體和網(wǎng)絡(luò)技術(shù)的飛速發(fā)展,以及大容量存儲(chǔ)器和數(shù)字化設(shè)備的廣泛應(yīng)用,使圖像數(shù)據(jù)以驚人的速度增長(zhǎng).無論是軍用還是民用設(shè)備,每天都會(huì)產(chǎn)生數(shù)千兆的圖像,這些數(shù)

3、字圖像中包含了大量的有用信息,因此,如何有效組織、快速檢索相關(guān)圖像變得越來越重要.基于內(nèi)容的圖像檢索技術(shù)受到青睞,目前國(guó)內(nèi)外許多研究人員提出了大量的檢索策略和相應(yīng)的改進(jìn)算法,同時(shí)也實(shí)現(xiàn)了一些比較著名的原型系統(tǒng),如QBIC、Virage、Photobook、MARs和VisualSEEK等,主要使用圖像顏色、紋理、形狀和空間位置關(guān)系以及多個(gè)特征的組合進(jìn)行檢索.紋理特征作為最重要的底層視覺特征之一,在基于內(nèi)容的圖像檢索中得到了廣泛應(yīng)用.現(xiàn)階段,紋理特[1]征的提取方法主要分為4類:結(jié)構(gòu)分析方法、模型分析方法、統(tǒng)計(jì)分析方法

4、和信號(hào)處理分析方法.結(jié)構(gòu)分析方法通常采用形式化語言來描述紋理,在紋理基元的選擇和形式化語法建立上具有一定的難度,因此該方法用得相對(duì)較少.模型分析方法通過建立一個(gè)適當(dāng)?shù)哪Ｐ?以此進(jìn)行紋理描述,如馬爾科夫隨機(jī)場(chǎng)(MarkovRandomField,MRF)模型、Wolddecomposition模型以及分形模型等,但這些模型主要缺點(diǎn)都是在單一尺度上對(duì)圖像進(jìn)行分析.MRF模型能捕捉到圖像的局部關(guān)聯(lián)信息,卻需要大量的計(jì)算來確定合適的參數(shù).分形模型在一些自然紋理方面比傳統(tǒng)技術(shù)更有效果,但是缺乏方向選擇性,不適合描述圖像的局部結(jié)

5、構(gòu).統(tǒng)計(jì)分析方法是紋理研究用得最早、最多的一類方法,其中,灰度共生矩陣(GrayLevelCo2occurrenceMatrix,[223]GLCM)是最經(jīng)典的紋理描述方法之一,它首先建立一個(gè)基于像素之間方向性和距離的共生矩陣,然后從矩陣中提取有意義的統(tǒng)計(jì)量作為紋理特征.信號(hào)處理分析方法在紋理分析中應(yīng)用也比較廣泛,主要包括Gabor濾波器、小波變換等.隨著小波理論的發(fā)展和完善,越來越多的研究人員利用小波的多分辨特性提取紋理圖像的特征,并應(yīng)用于圖像檢索中,取得了良好的檢索效果.作者提出了一種基于多尺度及多方向分析的紋理

6、圖像檢索算法,充分利用雙樹復(fù)小波變換的優(yōu)點(diǎn),將其有效應(yīng)用于紋理特征提取過程中,取得了良好的檢索效果11紋理特征選擇[425]波器組的輸出不是完全正交的,所提取的紋理特征之間存在著相關(guān)性和冗余性,計(jì)算量較大.小波分收稿日期:2008210218基金項(xiàng)目:四川省科技攻關(guān)項(xiàng)目,編號(hào)05GG0212026203.作者簡(jiǎn)介:汪華章(1976-),男,博士,主要從事多媒體信息檢索及智能控制與模式識(shí)別研究,E2mail:wanghuazhang@126.com.28鄭州大學(xué)學(xué)報(bào)(理學(xué)版)第41卷析具有良好的時(shí)頻局部化特性,但是傳統(tǒng)

7、的小波在紋理描述方面具有有限的方向性,不能充分地描述紋理特[6]征.Pun等提出了將圖像轉(zhuǎn)換到對(duì)數(shù)極坐標(biāo),獲得了具有旋轉(zhuǎn)不變性的小波紋理特征,但將尺度變量轉(zhuǎn)化為平移變量進(jìn)行處理,破壞了信息的頻率性,而且不具備平移不變性.而復(fù)數(shù)小波在給變換帶來一定冗余的同時(shí)可以克服上述問題,但是它同時(shí)存在另一個(gè)問題,即超過一層分解的復(fù)數(shù)小波變換的輸入是復(fù)數(shù)形式,[7]要構(gòu)造完全重構(gòu)的濾波器非常困難.Kingsbury在實(shí)數(shù)小波理論框架的基礎(chǔ)上,提出了一種雙樹復(fù)小波變換(DualTreeComplexWaveletTransform,D

8、T2CWT)信號(hào)分析策略,不僅具有近似的平移不變性,而且具有良好的方向選擇性,其有限的冗余度以及較小的計(jì)算量為紋理分析與特征提取提供了有利條件.一維雙樹復(fù)小波實(shí)際上是由2個(gè)實(shí)數(shù)小波構(gòu)成的平行樹,其分解結(jié)構(gòu)示意圖如圖1所示.其中,tree1的輸出代表DT2CWT的實(shí)部,tree2的輸出代表DT2CWT的虛部.它通過在分解樹的每一層都使用采樣率加倍