基于纹理特征地图像检索.docVIP

基于纹理特征的图像检索 纹理分析,相应的算法从随机场域模型到多分辨率滤波器技术。如：小波变换，Gabor 滤波器。Gabor 变换通常是由傅里叶变换来完成的,因此是一种连续的方法,而小波变换通常用离散的方法完成,这导致了其效果不如用连续Gabor 变换。 给定一幅图像I ( x , y) ,将它进行Gabor 小波变换。 假设局部纹理区域具有空间一致性,则变换系数的均值μmn和方差σmn可以代表该区域用作分类和检索的目的。用μmn和σm n作为分量,可以构成检索用的特征向量 考虑两幅图像模式i 和j , 利用特征向量。这样,表示出 i 和j 两个图像的特征空间内的距离。 纹理描述子 MPEG-7提供了三种纹理描述子：“纹理浏览描述子”、“平行结构描述子”和“边缘直方图描述子” 纹理浏览描述子从纹理的方向性、规则性和粗糙程度三方面进行描述；平行结构描述子在纹理具有一致性的区域统计纹理的空间频率；边缘直方图描述子在纹理不具有一致性的区域描述了边缘的空间分布，类似于颜色描述子中的-LCD 。 纹理特征 纹理是自然界景物一个重要特征。纹理特征的描述可采用共生矩阵的方法，但由于计算量过多，往往导致图像特征提取时间过长。Gabor 滤波器的出现使图像的纹理描述方法有了更精确的描述方式。但是Gabor 滤波器需要针对特定纹理进行设计，从而限制了其在图像检索系统中的广泛应用。Virage系统是一个利用了纹理特征的检索系统实例。 客户端用户主要完成图像中对象区域的选定和检索结果的浏览。服务器端完成图像的分割、图像特征提取以及图像 检索。整个图像系统由以下模块组成。 （1）用户界面。 （2）查询界面。 （3）图像分割。 （4）图像特征抽取。 （5）图像数据库。 基于对象的图像检索系统，对象图像模板的分割与特征提取是其关键 图像分割算法 （1）基于颜色一致性的图像分割 （2）基于对象的分割 系统采用一种新的基于对象的图像分割算法：【见花花6】 基于特征图像检索的基本方法 在建立图像库时, 对输入的图像先进行图像分析, 提取图像或目标的特征向量并在将输入图像存入图像库的同时将其相应的特征向量也存入与图像库相连的特征库。在进行图像检索时, 对每一幅给定的查询图, 进行图像分析并提取该图的特征向量。通过将该图特征向量与特征库中的特征向量进行匹配并根据匹配结果到图像库中搜索就可提取出所需要的检索图来。 上述工作原理可以知道基于特征的图像检索有三个关键 一：选取恰当的图像特征, 二：采取有效的特征提取方法, 三：有准确的特征匹配算法 纹理特征提取的一种有效方法是以灰度级的空间相关矩阵即共生矩阵为基础, 利用以下四个特征量表示纹理特征: (1) 反差 　 (2) 能量 (3) 熵: 　 (4) 相关: 在纹理特征的提取中, 一：我们先把图像的亮度分量图分成64 个灰度级, 二：构造四个方向的共生矩阵即M (1, 0) ,M (0, 1) ,M (1, 1) ,M (1, - 1) , 三：分别计算四个共生矩阵的上述4 个纹理参数, 四：以各参数的均值和标准差作为纹理特征向量中的各个分量 五：用高斯归一化方法将以上8 个分量进行内部归一化。 纹理及纹理分析 纹理就是图像的条纹，是物体表面结构的模式。纹理分析就是对材料表面条纹的分类过程。纹理可以看作是在灰度和彩色上的不同形式的图案，这些图案可以认为是许多基本纹理小单元（纹理元）的重复。纹理元包含多个像元，它在物体上可以呈周期性、准周期性和随机性三种情况。在纹理分析中可使用基于共生矩阵的纹理分析。 纹理特征的提取 统计方法是根据像素灰度的统计特性确定纹理特征，如直方图统计特征法、自相关函数法等。这种方法适用于分析像木纹、沙地及草坪等纹理细而又不规则物体。Haralick等人提出了从共生矩阵提取纹理特征的表示方法，并将其用于卫星图像纹理的识别