资源描述：
《利用小波分析进行基于形状的图像检索技术new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、西北大学学报(自然科学版)2004年6月,第34卷第3期,Jun.,2004,Vol.34,No.3JournalofNorthwestUniversity(NaturalScienceEdition)利用小波分析进行基于形状的图像检索技术121董卫军,陈吉,周明全(1.西北大学计算机科学系,陕西西安710069;2.武汉大学计算机学院,湖北武汉430079)摘要:目的解决基于形状检索方法中形状描述符的不稳定、缺乏平移、旋转、尺度不变性等缺点。方法通过对图像进行小波变换,获得多尺度下的不变矩,得到
2、图像的特征描述符,通过特征描述符的欧氏距离来表示图像的相似度。结果通过小波变换进行形状特征提取具有很好的图像检索效果。结论新方法获得的描述符具有旋转、平移、尺度不变性等优点,能够很好地描述图像的形状和空间分布信息。关键词:图像数据库;图像检索;小波变换;形状特征;不变矩;相似度中图分类号:TP351文献标识码:A文章编号:10002274Ⅹ(2004)0320271204图像数据库应用日趋广泛。对于日趋庞大的图(由多种不同频率组成)分解成不同频率的块信号。像资源,需要一种强大的DBMS来进行图像的
3、管理、能够有效地解决诸如噪音分离、编码解码、数据压检索、维护。如何高效、准确地进行图像检索是所要缩、模式识别、非线性化问题线性化、非平稳过程平[6]解决的核心问题。稳化等问题。小波变换在图像压缩、图像增强、图基于内容图像检索的一项重要技术是基于材质像融合等方面已得到应用,成为信号强有力的处理[1]工具。的检索。形状是物体的本质特征之一,利用形状特征进行检索可提高检索的准确性和效率。在基于形状的图像检索中,对物体形状特征的描述非常重1算法介绍要。描述物体形状目前已经有多种方法,大致可分对原图像Adj
4、+1f(L)进行二维小波分解,可得到为两大类:一类是基于物体轮廓边界(边界长度,曲2d124幅子图像Ajf(LLjj(LH)和率,狭长度,内角特征量等),此类方法给出的结果太21),D2f(HL1),D213j概括,对轮廓的描述比较抽象;另一方法是采用傅立D2jf(HH1)。这分别表示在尺度2上的水平低通2垂叶描述符,这种方法能够以一定的精度描述物体的直低通子图像,水平带通2垂直低通子图像,水平低轮廓特征,并可进行形状相似度的定量比较,缺点是通2垂直带通子图像,水平带通2垂直带通子图像。d函数在频
5、谱上的构成比较混乱。利用小波分解对子图像Ajf(LL1)再次进行小2小波分析是最新的时间2频率分析工具,具有波分解,得到尺度2j-1上的4幅子带图像,类似的可d“自适应性”和“数学显微镜性质”,是许多学科进行以对图像Aj-1f(LL1)再次分解,以此类推,可以得2研究的主要工具。1989年,Mallet提出了信号的多到图像的多级小波分解,得到不同分辨率的子带图[2]分辨分析理论,极大地促进了小波变换在信号分像。分解过程如图1所示。析中的应用。小波分析成为处理多尺度可视化信息从图像中提取目标的边缘,
6、得到物体的轮廓特强有力的工具,在计算机图像处理方面得到了广泛征度量。对于物体的形状,可以采用诸如矩形度、圆[3～5]的应用。形度、不变矩、形状描述符等来进行表征。特征抽取通过小波变换,可以将交织在一起的混合信号过程产生了一组特征,将其组合在一起,形成了物体收稿日期:2002208206基金项目:国家自然科学基金资助项目(60372072,60271302);公安部资助项目(20036125301)作者简介:董卫军(19722),男,陕西西安人,西北大学博士生,从事计算机可视化技术研究。—272—西
7、北大学学报(自然科学版)第34卷的特征向量。对特征向量进行归一化处理。获得物=ax,y′=ay,它的矩就要乘以ap,aq,a2,因子a2体的归一化特征向量。将2幅图像的归一化特征向是由于尺度变化而带来的目标变化而引起的。f(x′,量的欧氏距离作为他们的相似度,来进行图像的检y′)的中心矩就变成了u′q=u3ap+q+2。ppq索。归一化矩定义为upqηpq=r。(1)(u00)′为了使得归一化矩对尺度变换时不变,必须有ηpqp+a+2upq3aupq=ηpq。即2r=r,可以推出r=(u003a)
8、(u00)p+q+2。对于曲线来说,尺度的变化造成周长的22变化,变化因子相应是a,而不是a。此时的中心矩′p+q+1就变成了upq=upq3a,同样,为了使归一化矩′具有尺度变换不变性,必须有ηpq=ηpq,即p+q+1upq3aupq2r=r。可推出(u003a)(u00)r=p+q+1。(2)图1小波多级分解1.3归一化处理特征向量Fig.1Waveletstagesdecomposition由图像得到的所有矩共同组成了一个特征向1.1基本形状描述量。特征向量中的每个特征元素
