基于轮廓波纹理图像检索综述.docVIP

基于轮廓波纹理图像检索综述摘要：随着多媒体技术和Internet的飞速发展，如何快速准确地在海量图像库中搜索到自己所需的图像显得十分重要。该文综述了基于轮廓波Contourlet的纹理图像检索的主要三种方法，并指出了应用方向。 关键词：CBIR；轮廓波；几何矩 中图分类号：TP27文献标识码：A文章编号：1009-3044(2012)17-4212-02 Review of the Texture Image Retrieval Based on Contourlet GUAN Yong-hong （College of Computer, Sichuan University of Science Engineering, Zigong 643000, China） Abstract: With the development of multimedia technology and the rapid development of Internet, how to quickly and accurately in the massive image database to search for a desired image is very important. This article reviews the based on Contourlet texture image retrieval is mainly three kinds of methods, and points out the direction of application. Key words: CBIR; contourlet; geometry moments 随着计算机多媒体技术和Internet的飞速发展，数字图像正以惊人的速度增长，快速有效的检索出所需图像变得非常迫切。传统的图像检索技术采用文本检索技术，采用文本关键词的图像检索受主观制约，很难完全描述图像的颜色、纹理和形状特征。基于内容的图像检索（Content Based Image Retrieve CBIR）发展非常迅速，成为近20年以来的一个研究热点。CBIR的核心内容为图像的特征提取和特征的匹配算法。基于内容的图像检索技术主要有基于颜色、形状和纹理的检索技术。其中基于颜色和纹理的图像检索技术居多。在基于纹理的图像检索技术当中，需要解决3个关键问题：消除尺度、平移、旋转影响，实现多尺度纹理分析和构造并度量有效的纹理特征矢量[1]。 1轮廓波介绍 多尺度纹理分析方法包括小波变换、Gabor变换、金字塔分解以及最近几年的研究热点轮廓波Contourlet变换等。在过去的20年中，小波Wavelets作为多尺度、时频局部化较好的工具在CBIR系统中发挥着重要的作用[2]，但是小波只能有水平、垂直和对角线三个方向，只能有效的捕获边缘上的不连续点，不能很好的捕获图像中的多方向的纹理信息。2002年M. N. Do和M. Vetterli提出来轮廓波Contourlet变换, Contourlet变换是利用拉普拉斯塔形分解(Laplace Pyramidal transform, LP)和方向滤波器组(Directional Filter Bank, DFB)）实现的一种多分辨的、局域的、多方向的图像表示方法[3]。在进行图像多尺度分析时, Contourlet基函数的支撑区间为长宽比随尺度变化而变化的长条形结构,能以接近最优和最稀疏的方式描述图像边缘和用最少的系数来逼近奇异曲线,克服了小波等变换只能在有限方向上表达图像的局限性.该变换不仅可以提供小波分解的主要特征,而且还能提供不同角度的方向信息且各向异性，很好的捕获图像的纹理特征。在国内外掀起了研究Contourlet的热潮，广泛的应用图像图像特征提取、图像融合、图像检索。但是Contourlet不具备平移不变性,不能直接应用于旋转不变纹理图像分析，要达到旋转不敏感，还需要与其他工具相结合。非采样轮廓波变换Nonsubsampled Contourlet(NSCT)是M.N. Do等人在Contourlet变换的基础上提出的一种改进变换,与Contourlet变换相比, NSCT用非采样滤波器替换了Contourlet变换中的Laplace塔形分解和方向滤波器,它设计的非下采样滤波带放宽了约束条件,生成的滤波带具有更好的频域选择性和规则性,滤波带的设计能够得到更好的频域选择性,进而更好地进行方向子带分解[4].因此, NSCT不仅完全继承了Contourlet变换多尺度、多方向图像分析的优点,能够获取图像的几何结构,准确地将图像中的边缘捕获到不同尺度、不同频率的子带中,而