本站原创本文是一篇图像论文范文,图像方面有关毕业论文格式,关于基于轮廓波的纹理图像检索综述相关毕业论文范文。适合图像及特征及纹理方面的的大学硕士和本科毕业论文以及图像相关开题报告范文和职称论文写作参考文献资料下载。
摘 要：随着多媒体技术和Inter的飞速发展,如何快速准确地在海量图像库中搜索到自己所需的图像显得十分重要.该文综述了基于轮廓波Contourlet的纹理图像检索的主要三种方法,并指出了应用方向.
关 键 词：CBIR；轮廓波；几何矩
中图分类号：TP27文献标识码：A文章编号：1009-3044(2012)17-4212-02
ReviewoftheTextureImageRetrievalBasedonContourlet
GUANYong-hong
（CollegeofComputer,SichuanUniversityofScience&Engineering,Zigong643000,China）
Abstract:WiththedevelopmentofmultimediatechnologyandtherapiddevelopmentofInter,howtoquicklyandaccuratelyinthemassiveimagedatabasetosearchforadesiredimageisveryimportant.ThisarticlereviewsthebasedonContourlettextureimageretrievaliainlythreekindsofmethods,andpointsoutthedirectionofapplication.
Keywords:CBIR,contourlet,geometrymoments
随着计算机多媒体技术和Inter的飞速发展,数字图像正以惊人的速度增长,快速有效的检索出所需图像变得非常迫切.传统的图像检索技术采用文本检索技术,采用文本关 键 词的图像检索受主观制约,很难完全描述图像的颜色、纹理和形状特征.基于内容的图像检索（ContentBasedImageRetrieveCBIR）发展非常迅速,成为近20年以来的一个研究热点.CBIR的核心内容为图像的特征提取和特征的匹配算法.基于内容的图像检索技术主要有基于颜色、形状和纹理的检索技术.其中基于颜色和纹理的图像检索技术居多.在基于纹理的图像检索技术当中,需要解决3个关键问题：消除尺度、平移、旋转影响,实现多尺度纹理分析和构造并度量有效的纹理特征矢量[1].
1轮廓波介绍
多尺度纹理分析方法包括小波变换、Gabor变换、金字塔分解以及最近几年的研究热点轮廓波Contourlet变换等.在过去的20年中,小波Welets作为多尺度、时频局部化较好的工具在CBIR系统中发挥着重要的作用[2],但是小波只能有水平、垂直和对角线三个方向,只能有效的捕获边缘上的不连续点,不能很好的捕获图像中的多方向的纹理信息.2002年M.N.Do和M.Vetterli提出来轮廓波Contourlet变换,Contourlet变换是利用拉普拉斯塔形分解(LaplacePyramidaltranorm,LP)和方向滤波器组(DirectionalFilterBank,DFB)）实现的一种多分辨的、局域的、多方向的图像表示方法[3].在进行图像多尺度分析时,Contourlet基函数的支撑区间为长宽比随尺度变化而变化的长条形结构,能以接近最优和最稀疏的方式描述图像边缘和用最少的系数来逼近奇异曲线,克服了小波等变换只能在有限方向上表达图像的局限性.该变换不仅可以提供小波分解的主要特征,而且还能提供不同角度的方向信息且各向异性,很好的捕获图像的纹理特征.在国内外掀起了研究Contourlet的热潮,广泛的应用图像图像特征提取、图像融合、图像检索.但是Contourlet不具备平移不变性,不能直接应用于旋转不变纹理图像分析,要达到旋转不敏感,还需要与其他工具相结合.非采样轮廓波变换NonsubsampledContourlet(NSCT)是M.N.Do等人在Contourlet变换的基础上提出的一种改进变换,与Contourlet变换相比,NSCT用非采样滤波器替换了Contourlet变换中的Laplace塔形分解和方向滤波器,它设计的非下采样滤波带放宽了约束条件,生成的滤波带具有更好的频域选择性和规则性,滤波带的设计能够得到更好的频域选择性,进而更好地进行方向子带分解[4].因此,NSCT不仅完全继承了Contourlet变换多尺度、多方向图像分析的优点,能够获取图像的几何结构,准确地将图像中的边缘捕获到不同尺度、不同频率的子带中,而且由于剔除了采样操作,具备了平移不变特性,可以有效消除Gibbs现象,其子带系数对纹理图像的代表性要优于只能进行有限方向分解的小波变换,更加适合纹理的方向性分析.图1为NSCT变换示意图,通过这组滤波器,图像被分为低频子带和高频子带.要实现多种结构,只需对低频子带继续迭代滤波即可.NSCT采用的是非采样塔式滤波器和非采样方向滤波器组相结合的滤波方法,每个子带的图像均与原图像大小相同,其冗余度达到
2基于轮廓波的纹理图像检索方法
在近几年所公开的研究成果中,基于轮廓波的图像检索系统主要有三种方式：第一种是只利用图像纹理特征进行检索.对图像进行Contourlet分解,对分解所得的高频子带和低频子带分别计算期望和标准差,然后利用标准差构建图像特征向量,或者在构建的特征向量的基础上做排序等有利于检索的处理；第二种是将Contourlet分解,得到各个子带的标准差,构建图像的纹理特征,另外还利用图像的几何矩、Zernike矩和Krawtchouk矩来构建图像的形状特征,利用图像的纹理特征相似度和图像的形状特征相似度加权构建2幅图像的相似度.第三种是将将Contourlet分解,得到各个子带的标准差,构建图像的纹理特征,然后再利用图像的颜色特征,将颜色特征相似度和纹理特征相似度加权得到2幅图像的相似度.
2.1基于纹理特征的图像检索
在文献[5]中,陈丽燕,陈建华利用基于非下采样轮廓波的图像检索,利用非下采样轮廓波的平移不变特性,将像素点分为强边缘弱边缘和噪声点三类,最后忽略噪声点,提取强边缘和弱边缘的各个子带的均值和方差等作为特征进行检索.
在文献[6]中,何永丛、刘文波、张弓、崔鹏提出基于NSCT的旋转不变纹理图像检索算法.首先对图像进行NSCT分解,然后分别计算机出各个子带的期望和标准差,以NSCT域各子带系数的均值和标准方差构成基本特征向量.在相同尺度上,利用各子带的均值和标准方差之和对特征分量由小到大排序,同时根据旋转不变性调整排序后特征向量对应的方向序列,构造方向序列权值、特征分量权值.用加权欧氏距离进行相似性度量以提高检索性能.
2.2基于纹理特征和形状特征的图像检索
在文献[7]中,张小景,王晅利用Contourlet变换,将分解出来的各个子带系数利用几何矩构建特征向量,并利用欧氏距离作为相似度评价标准,对Vistex图像库的40幅纹理图像进行试验,取得了满意的效果.文献[8]张克军、窦建君基于Contourlet变换和不变矩的图像检索方法中,利用Contourlet变换,得到28个高频子带和1个低频子带,然后利用28个高频子带的信息熵和利用低频子带构建7个的几何矩特征,用35个特征来进行图像检索.
在文献[9]中,张启东等人利用非下采样Contourlet变换和Zernike矩相结合进行医学图像处理.首先用Contourlet变换得到图像的各个子带,然后利用各个子带标准差构建图像的纹理特征向量,然后计算图像的Zernike矩作为形状特征.Zernike矩是一种正交矩,它具有一种有用的旋转不变特性.旋转目标图像不会改变图像Zernike矩的大小.因此,它可用作旋转不变量特征来描述图像.这些特征可以很容易地创建到任意高阶矩.文献[9]也是利用欧氏距离作为相似度度量,对200张医学图像进行检索实验,取得了不错的查准率.
几何矩、Zernike矩函数有一个共同的问题：由于它们的连续性,在计算过程中会引入一定的误差,且随着矩的阶数的增高误差会积累,降低了计算的精确性.为了克服几何矩、Zernike矩的上述缺点,在文献[10]中,吴一全、武燕燕提出利用NSCT和Krawtchouk矩进行图像检索方法.该方法首先对图像进行NSCT变换,然后对变换后的各个子带信息的标准差构建纹理特征向量,利用Krawtchouk矩提取图像的形状特征,由纹理特征相似度和形状特征相似度加权构成两图像相似度,对wang图像库进行检索,取得了不错的检索效果.
2.3基于纹理特征和颜色特征的图像检索
在文献[11]中,田小忱,杨东,杜春华,提出综合颜色和Contourlet直方图的图像检索方法,首先通过彩色特征点构建颜色环形直方图,用两幅图的彩色特征点的环形直方图序列的相似度来表示两幅图的颜色特征相似度,然后利用Contourlet对图像进行分解,得到图像的Contourlet直方图,并构建两幅图的Contourlet直方图特征相似度,最后由颜色特征相似度和Contourlet直方图相似度进行加权得到两幅图的相似度.
3总结
该文首先介绍了三种纹理分析方法及其优缺点,随后分析了近年来出现的利用Contourlet变换或者NSCT变换进行图像检索的方法.总结了现有的利用轮廓波进行图像检索的利用期望和方差构建特征向量、用纹理特征与形状特征、通过纹理特征与颜色特征来检索图像的三种方向,并给出每种方法的应用范围.