基于底层纹理特征的图像检索-论文.pdf

《基于底层纹理特征的图像检索-论文.pdf》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35卷第2期长春工业大学学报(自然科学版)Vo1．35NO．22014年4月JournalofChangchunUniversityofTechnology(NaturalScienceEdition)Apr．2O14基于底层纹理特征的图像检索宋卫华(黄山学院机电与信息工程学院，安徽黄山245021)摘要：讨论了统计法中的灰度共现矩阵法和频谱法中的小波变换法来提取图像底层纹理特征，并对此进行了比较和分析，实验表明，基于小波变换的纹理特征提取方法可以有效描述图像底层纹理并取得较好检索结果。关键词：灰度共现矩阵；小波变换；纹理特征；图像检索中图分类号：TP391文献标志码：A文章编号：

2、1674—1374(2014)02—0135—04Imageretrievalbasedonlow-leveltextureteaturesSONGWei—hua(SchoolofMechanicalElectronic&InformationEngineering，HuangshanUniversity，Huangshan245021，China)Abstract：Methodsforextractinglow—leveltexturefeaturessuchasgraylevelCO—occurrencematrixbasedonstatisticsandwavelettrans

3、formbasedonfrequencyspectrumareanalyzedandcompared．Theresultsshowthatthetexturefeatureextractionmethodbasedonwavelettransformcanbeusedmoreeffectivelytodescribeimagelow—leveltextureandachievebetterretrievalresults．Keywords：graylevelCO—occurrencematrix；wavelettransform；texturefeatures；imageretrie

4、va1．广泛应用。]。文中研究的胸部CT图像，其图像0引言间相似度高，空间分辨率高，鉴于其纹理信息丰随着计算机技术和医学成像技术的发展，基富，从统计法中的灰度共现矩阵和频谱法中的小于内容的图像检索(Contend—BasedImageRe—波变换来提取纹理特征，对两种方法进行了比较trieval，CBIR)在生物医学领域的应用成为研究和分析，实验表明，基于小波变换的纹理特征提取热点。CBIR在描述图像时，大多提取图像自身方法可以有效描述图像纹理并取得较好检索结的颜色、纹理、形状、空间关系等底层特征，形成特果。征库，然后将待查图像与特征库进行基于向量空1底层纹理特征提取技术间模型的匹配

5、口]，寻找相似图像，以辅助医生的判断和诊疗。1．1基于灰度共现矩阵的纹理特征提取纹理特征是一种重要的图像底层特征，并被灰度共现矩阵(GrayLevelCo-occurrence收稿日期：2014—01—28基金项目：黄山学院科研基金资助项目(2014xkj004)；安徽省大学生创新训练基金资助项目(AH201310375057)作者简介：宋卫华(1982一)，女，汉族，河南商丘人，黄山学院助教，硕士，主要从事图形图像、数据库方向研究，Email：luolaiwen@hsu．edu．cn．136长春工业大学学报(自然科学版)第35卷Matrix，GLCM)建立在估计图像的二阶组合条概率

6、，其元素可记为(i，Jld，)。由此可得灰度件概率密度函数基础之上，描述在方向上距离共现矩阵是距离和方向的函数。定义如下：为d的一对像素，分别具有灰度值i和J的出现#{[(忌，z)，(m，”)]∈(L×L)lI尼一ml—d，z一P(i，Jld，0)一#S——矩阵中每列元素之和，一再针对每个分块提取纹理特征，其相似度计∑p(i，JI，)；算如下(其中愚表示分块)：Dk(，q)一~／(厂(I1)一f(．1))+⋯+(-厂(砷，)一f()愚=1，2，⋯，64，m一12(9)1．2基于小波变换的纹理特征提取小波变换(WaveletTransform)算法是由法D(p，q)一∑WD(，q)女一

7、1国科学家Mallat在1988年提出的，常用于纹理f10)分析和分类。小波变换是将图像信息分解到尺∑w一1度与空间域的联合分布之中，形成对图像信号的n一64联合表征。纹理分析常采用两种结构的小波变138长春工业大学学报(自然科学版)第35卷才可获得，经过小波变换的多分辨率分解，将粗纹合肥：中国科学技术大学，2013．理的空间能量集中在低频部分，而细纹理对应的[3]章毓晋．基于内容的视觉信息检索I-M]．北京：科学出版社，2003．频率分量主要在高频部分，