基于纹理特征的图像检索

摘要

随着计算机技术和网络技术的发展，以及多媒体的推广应用，产生了大量的各式各样的图像。如何有效地对这些图像进行分析、存储和检索是一个急待解决的问题。基于内容的图像检索技术能有效地解决这一问题，成为研究的重点。图像检索的研究目的就是实现自动化、智能化的图像查询和管理方式，使查询者可以实现方便、快速、准确地查找。纹理是图像的一个主要视觉特征，也是基于内容图像检索系统中的一个重要手段。本文对基于纹理特征的图像检索技术进行了研究，并通过实验验证了检索算法的有效性。

图像的特征提取是图像检索的关键技术之一。本文将灰度共生矩阵用于图像的纹理特征提取。

设计并实现了一个基于纹理特征的图像检索系统。给出了系统的流程图，并介绍了系统的查询模块、特征提取模块、匹配模块和图像显示模块及其各个模块的功能。系统采用欧氏距离法作为图像的相似性度量，采用灰度共生矩阵算法提取图像的纹理特征。最后通过实验对给定的图像进行检索。 关键词：图像检索，纹理特征，共生矩阵

I

目 录

1 前言 ........................................................... 1 1.1 图像检索的发展现状 ........................................... 1 1.2 图像检索技术分类 ............................................. 3 1.3 研究内容与章节安排 ........................................... 5 2 图像检索的基本原理 ............................................. 6 2.1 检索系统通用框架 ............................................. 6 2.2 检索系统关键技术 ............................................. 7 2.2.1特征提取 .................................................. 7 2.2.2高维索引 .................................................. 9 2.3 检索查询方式 ................................................ 10 2.3.1外部图例查询 ............................................. 10 2.3.2内部图例查询 ............................................. 10 2.3.3草图查询 ................................................. 11 2.4 图像的相似性度量 ............................................ 11 2.4.1概述 ..................................................... 11 2.4.2相似性测度 ............................................... 11 2.4.3非几何相似性测度 ......................................... 13 2.4.4小结 ..................................................... 14 2.5 本章小结 .................................................... 15 3 基于纹理特征的图像检索算法研究 ................................ 16 3.1 纹理特征概述 ................................................ 16 3.2 基于小波变换的纹理特征提取 .................................. 18 3.2.1图像的小波变换 ........................................... 18 3.2.2小波基的选择 ............................................. 20 3.2.3小波基的正则性阶数 ....................................... 21

II

3.2.4小波变换的级数 ........................................... 22 3.3 基于灰度共生矩阵的纹理特征 .................................. 23 3.3.1灰度共生矩阵 ............................................. 23 3.3.2灰度共生矩阵特征提取 ..................................... 27 3.4 基于灰度一梯度共生矩阵的纹理特征 ............................ 27 3.4.1灰度一梯度共生矩阵 ....................................... 27 3.4.2灰度一梯度共生矩阵特征提取 ............................... 28 3.5 本章小结 .................................................... 29 4 图像检索系统设计与实现 ........................................ 30 4.1 系统模块和功能 .............................................. 30 4.2 系统流程 .................................................... 31 4.3 主要算法说明 ................................................ 31 4.3.1基于灰度共生矩阵的纹理特征提取算法 ....................... 31 4.3.2纹理特征计算的代码 ....................................... 34 4.4 实验及结论 .................................................. 39 4.4.1检索系统的评价指标 ....................................... 39 4.4.2实验结果及分析 ........................................... 40 4.4.3本章小结 ................................................. 42 5 总结与展望 .................................................... 43 5.1 总结 ........................................................ 43 5.2 展望 ........................................................ 43 致谢 ............................................................ 44 参考文献 ........................................................ 45

III

1 前言

随着互联网技术向宽带、高速、多媒体方向的发展，人类正快速进入一个信息化的时代。各种信息工具、技术、载体等应运而生。在众多类型的信息资源中，图像具有直观、形象、易于理解和信息量大等特点，成为资源库的重要组成部分。同网络信息一样，由于图像数量巨大，种类繁多，加之排列方式错综复杂，这给图像检索带来了困难。近年来，基于内容的图像检索技术有了长足的发展。基于内容的图像检索能有效的对图像进行管理和检索，这项技术既充分体现了图像的信息特点，又充分结合了传统数据库技术，它的应用对解决信息膨胀，有效快速地利用多媒体信息有很好的实用价值。

图像的内容包括图像的颜色、纹理、形状等视觉特征和语义特征。其中，纹理特征作为最为显著的视觉特征之一，它是一种不依赖于颜色或亮度反映图像中同质现象的视觉特征。纹理特征包含了物体表面结构组织排列的重要信息，以及与周围环境的联系。因此在基于纹理的图像检索中得到了广泛应用。

1.1 图像检索的发展现状

自90年代以来，基于内容的图像检索已经成为了一个非常活跃的研究领域。从目前的研究现状来看，基于内容的图像检索可分为3层。下层是基于颜色、纹理、形状等反映图像基本物理特征的检索，是最直接也是最基本的层面，用到图像信息处理、图像分析和相似性匹配技术。中间层是基于图像对象语义的检索，如图像中实体及实体之间的空间关系的检索，对象级检索技术建立在下层特征基础上，并引入了对象模型库、对象识别和人工智能等图像理解技术。最上层是基于图像概念级语义的检索，其技术建立在对象层语义特征提取的基础上，引入了对象和场景之间的逻辑、情感等高层语义的描述及识别，需要用到知识库和更加有效的人工智能和神经网络技术。

到目前为止，已有许多商业的或是用于研究的图像检索系统问世。QBIC(Query ByImage Content)图像检索系统是IBM公司90年代开发制作的图像和动态景象检索系统，是第一个基于内容的商业化的图像检索系统。用户无须提供文字检索词，只要输入以图像形式表达的图像检索要求就可以检索出一系列相似的图像。Virage是由Virage公司开发的基于内容的图像检索引擎。同QBIC

1

系统一样，它也支持基于色彩、颜色、布局、纹理和结构等视觉特征的图像检索。Jerry等人还进一步提出了图像管理的一个开放式框架，将视觉特征分为通用特征(如颜色、纹理和形状)和领域相关特征两类。

Photobook是美国麻省理工学院的多媒体实验室所开发的用于图像查询和浏览的交互工具。它由两个子系统组成，分别负责提取形状、纹理、面部特征。因此，用户可以在这两个子系统中分别进行基于形状、基于纹理和基于面部特征的图像检索。

VisualSEEK是基于视觉特征的检索工具，WebSEEK是一种面向www的文本或图像搜索引擎。这两个检索系统都是由哥伦比亚大学开发的。VisualSEEK同时支持基于视觉特征的查询和基于空间关系的查询。WebSEEK包括两个主要模块：图像／视频采集模块，主题分类和索引模块、查找、浏览和检索模块。

Netra系统是加利福尼亚大学的A1exandria数字化图书馆项目(AlexandriaDigital Library)中用于图像检索的原型系统。它从分割后的图像区域中提取颜色、纹理、形状和空间位置信息，并依靠这些信息从数据库中查找相似的区域。Netra在研究方面的主要特点包括：采用了基于Gabor滤波器的纹理特征：基于神经网络的“图像词典”的构造和基于边缘流的图像分割。

MARS(Multimedia AnalysiS and Retrieval System)是美国伊利诺斯大学开发的，它无论在研究角度还是应用领域都和其他的图像检索系统有很大的差异。MARS是计算机视觉、数据库管理系统以及传统的信息检索技术多个领域交叉的结果，它的主要特点包括：数据库管理系统和信息检索技术的结合；索引技术和检索技术的融合以及计算机和人的融合。MARS系统的重点在于根据实际的应用环境和用户的需要，在检索框架中动态地组合和调整各种不同的图像特征。MARS在图像检索领域正式提出了相关反馈的体系结构。相关反馈技术在各种层次上融合到检索的过程中，包括查询向量的优化，相似度算法的自动选择，以及图像特征权重的调整。

国内的一些研究单位已相继开展了基于内容的图像检索的研究工作，并开发了一些实验系统。主要有清华大学在视频检索方面的研究，国防科大在多媒体数据库检索系统方面展开研究，浙江大学也于1995年开始了这方面的研究工

2

搜索“diyifanwen.net”或“第一范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，第一范文网，提供最新IT计算机基于纹理特征的图像检索 全文阅读和word下载服务。