资源描述：
《基于多尺度及多方向分析纹理图像检索算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第41卷第1期郑州大学学报(理学版)Vol141No112009年3月J.ofZhengzhouUniv.(Nat.Sci.Ed.)Mar12009基于多尺度及多方向分析的纹理图像检索算法汪华章(西南民族大学电气信息学院成都610041)摘要:提出一种基于多尺度及多方向分析的纹理图像检索算法.针对纹理图像的特点,从不同尺度和方向比较了实数离散小波变换和双树复小波变换的性能.充分利用双树复小波变换的旋转不变性、良好的方向选择性以及有限的冗余等优点,将其有效地应用于纹理特征提取过程中.通过提取各子带上的能量和标准差作为特
2、征矢量,采用Camberra距离作为相似度量进行检索,减小了计算量,取得了良好的检索效果.实验结果表明,双树复小波提取纹理特征所获得的检索性能优于实数离散小波检索算法,也优于经典的灰度共生矩阵算法,且算法具有良好的旋转不变性.关键词:图像检索;复小波变换;旋转不变性;相似度量中图分类号:TP391.41文章编号:1671-6841(2009)01-0027-060引言多媒体和网络技术的飞速发展,以及大容量存储器和数字化设备的广泛应用,使图像数据以惊人的速度增长.无论是军用还是民用设备,每天都会产生数千兆的图像,这些数
3、字图像中包含了大量的有用信息,因此,如何有效组织、快速检索相关图像变得越来越重要.基于内容的图像检索技术受到青睐,目前国内外许多研究人员提出了大量的检索策略和相应的改进算法,同时也实现了一些比较著名的原型系统,如QBIC、Virage、Photobook、MARs和VisualSEEK等,主要使用图像颜色、纹理、形状和空间位置关系以及多个特征的组合进行检索.纹理特征作为最重要的底层视觉特征之一,在基于内容的图像检索中得到了广泛应用.现阶段,纹理特[1]征的提取方法主要分为4类:结构分析方法、模型分析方法、统计分析方法
4、和信号处理分析方法.结构分析方法通常采用形式化语言来描述纹理,在纹理基元的选择和形式化语法建立上具有一定的难度,因此该方法用得相对较少.模型分析方法通过建立一个适当的模型,以此进行纹理描述,如马尔科夫随机场(MarkovRandomField,MRF)模型、Wolddecomposition模型以及分形模型等,但这些模型主要缺点都是在单一尺度上对图像进行分析.MRF模型能捕捉到图像的局部关联信息,却需要大量的计算来确定合适的参数.分形模型在一些自然纹理方面比传统技术更有效果,但是缺乏方向选择性,不适合描述图像的局部结
5、构.统计分析方法是纹理研究用得最早、最多的一类方法,其中,灰度共生矩阵(GrayLevelCo2occurrenceMatrix,[223]GLCM)是最经典的纹理描述方法之一,它首先建立一个基于像素之间方向性和距离的共生矩阵,然后从矩阵中提取有意义的统计量作为纹理特征.信号处理分析方法在纹理分析中应用也比较广泛,主要包括Gabor滤波器、小波变换等.随着小波理论的发展和完善,越来越多的研究人员利用小波的多分辨特性提取纹理图像的特征,并应用于图像检索中,取得了良好的检索效果.作者提出了一种基于多尺度及多方向分析的纹理
6、图像检索算法,充分利用双树复小波变换的优点,将其有效应用于纹理特征提取过程中,取得了良好的检索效果11纹理特征选择[425]波器组的输出不是完全正交的,所提取的纹理特征之间存在着相关性和冗余性,计算量较大.小波分收稿日期:2008210218基金项目:四川省科技攻关项目,编号05GG0212026203.作者简介:汪华章(1976-),男,博士,主要从事多媒体信息检索及智能控制与模式识别研究,E2mail:wanghuazhang@126.com.28郑州大学学报(理学版)第41卷析具有良好的时频局部化特性,但是传统
7、的小波在纹理描述方面具有有限的方向性,不能充分地描述纹理特[6]征.Pun等提出了将图像转换到对数极坐标,获得了具有旋转不变性的小波纹理特征,但将尺度变量转化为平移变量进行处理,破坏了信息的频率性,而且不具备平移不变性.而复数小波在给变换带来一定冗余的同时可以克服上述问题,但是它同时存在另一个问题,即超过一层分解的复数小波变换的输入是复数形式,[7]要构造完全重构的滤波器非常困难.Kingsbury在实数小波理论框架的基础上,提出了一种双树复小波变换(DualTreeComplexWaveletTransform,D
8、T2CWT)信号分析策略,不仅具有近似的平移不变性,而且具有良好的方向选择性,其有限的冗余度以及较小的计算量为纹理分析与特征提取提供了有利条件.一维双树复小波实际上是由2个实数小波构成的平行树,其分解结构示意图如图1所示.其中,tree1的输出代表DT2CWT的实部,tree2的输出代表DT2CWT的虚部.它通过在分解树的每一层都使用采样率加倍
