基于多尺度几何分析和LBP的图像检索技术研究.pdf

《基于多尺度几何分析和LBP的图像检索技术研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、RESEARCHoFIMAGERETRⅡ三VALBASEDONMUIJISCALEGEOMETIUCANALYSISANDLBPADissertationSubmittedtotheGraduateSchoolofHenanUniversityinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofScienceByYaoXueyanSupervisor：Assoc．YangXiaohuiMay,2011㈨711IllIIIlllrII

2、IJJY1909248关于学位论文独创声明和学术诚信承诺本人向河南大学提出硕士学位申请。本人郑重声明：所呈交的学位论文是本人在导师的指导下独立完成的，对所研究的课题有新的见解。据我所知，除文中特别加以说明、标注和致谢的地方外，论文中不包括其他人已经发表或撰写过的研究成果，也不包括其他人为获得任何教育、科研机构的学位或证书而使用过的材料。与我一同工作的同事对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。在此本人郑重承诺：所呈交的学位论文不存在舞弊作伪行为，文责自负。学位申请人(学位论文

3、作者)签名：量选雪虚2011年毕月潞日关于学位论文著作权使用授权书本人经河南大学审核批准授予硕士学位。作为学位论文的作者，本人完全了解并同意河南大学有关保留、使用学位论文的要求，即河南大学有权向国家图书馆、科研信息机构、数据收集机构和本校图书馆等提供学位论文(纸质文本和电子文本)以供公众检索、查阅。本人授权河南大学出于宣扬、展览学校学术发展和进行学术交流等目的，可以采取影印、缩印、扫描和拷贝等复制手段保存，汇编学位论文(纸质文本和电子文本)。(涉及保密内容的学位论文在解密后适用本授权书)学位获得者

4、(学位论文作者)签名：量批雪塞2011年牛月越日学位论文指导教师签名：遣互丝苷2ol1年牛月2宫日摘要随着多媒体技术和计算机网络的飞速发展，图像作为基本且最为广泛的多媒体信息，已广泛应用于数字图书馆、医学图像管理、遥感图像处理等多个领域．如何快速、有效地从大规模的图像数据库中检索出所需的图像是一个具有重大意义且面临严峻挑战的研究课题．目前，基于内容的图像检索技术己成为国内外研究的热点．特征提取是基于内容图像检索技术的关键，而纹理特征是基本的视觉特征之一．多尺度几何分析源于小波又高于小波，是一种具有

5、良好的多方向性和各向异性的图像分析工具，可以有效地提取图像的纹理、边缘等特征．而局部二值模式(LBP)是一种有效的纹理图像描述子，因此本论文结合多尺度几何分析与LBP，对纹理图像检索做出了以下三方面的研究．1．提出一种融合LBP和Brushlet域系数统计特征的纹理图像检索方法．该方法利用Brushlet变换得到每个子带的能量特征作为纹理图像的频域特征，然后提取图像的LBP直方图作为空域特征，并采用改进的Canberra距离进行度量，最后对空频特征的结合选取合适的权值以实现图像的检索．2．提出一种

6、基于LBP和Contourlet域系数统计特征的自适应纹理图像检索方法．首先利用广义高斯分布描述轮廓波方向子带系数的边缘分布，采用矩估计提取模型参数，作为图像的高频特征；其次对低频子带提取能量和标准差作为图像的低频特征：再次运用LBP提取图像的空域特征，并使用闭环反馈实现图像的自适应检索．实验结果表明：该算法比单独考虑LBP或Contourlet域分别提高了8．0％、10．4％．3．提出一种新的旋转纹理描述子CLBP—HF．对图像提取一致性模式的直方图，然后对其进行离散Fourier变换，得到全局

7、旋转不变的纹理特征．利用Fourier谱的对称性，将特征向量进一步降维．最后采用改进的Canberra距离对图像进行检索．在包含640幅旋转纹理图像的自建图像库中进行检索实验，结果表明该方法可以获得较好的检索性能．关键词：图像检索，局部二值模式，Brushlet变换，Contourlet变换，广义高斯模型，CLBP—HFABSTRACTWiththerapiddevelopmentofdigitalmultimediatechniquesandInternet，imagehasalreadypla

8、yedanimportantroleinthemultimediainformationsystemandwidelyemployedinmanyimportantapplicationssuchas：digitallibraries，medicalimageman-agement，remotesensingimageprocessingandotherfields．Howtoretrievetherequiredimagequicklyandefficientlyfromlarg