基于小波变换图像特征点提取方法.docVIP

基于小波变换图像特征点提取方法 　　[摘要]图像教据的无序激增使得基于内容的图像检索技术成为一个研究热点。为克服普通颜色特征不考虑颜色的空间分布的缺点,提出一种基于小波变换的图像多分辨率分块特征点提取方法。 　　[关键词]图像检索 多分辨率划分 特征点提取 　　中图分类号:TP3文献标识码:A文章编号:1671-7597(2009)0910114-01 　　 　　Internet每时每刻都在产生大量无序的图像数据。传统的文本搜索引擎为人们从无序的文字信息中查找有用信息提供了方便;自然地,人们有了检索图像数据的需求。然而,与传统的文本信息相比,图像内容时表示、存储和检索目前还存在着很多难点。如何从海量的图像数据中检索到用户所需要的信息成为一个研究的热点。在早期,对图像内容的描述主要是通过对图像人工添加与其内容相关的文本标注。但是,人工文本标注除了存在主观性、不准确和开销太大的弊端外,还难以实现图像外观的相似性检索。因此,有必要研究如何从图像的视觉特征来实现基于内容的图像检索。 　　颜色是描述图像内容的最直接的视觉特征,已经有许多文献提出了各种基于颜色的图像索引技术,文献[1]首先提出了使用颜色直方图作为图像内容的索引特征,即首先将颜色空间划分成若干固定的子空间,然后对每幅图像统计属于各个子空间的像素的数目,图像之间的相似性测度则采用直方图的交。文献[2]在QBIC中则采用了直方图的二次型距离作为图像的相似性测度。全局直方图除了具有计算简单的特性外,同时还具有对平移和旋转不敏感的优点。但是,全局直方图无法捕捉颜色组成之间的空间关系,同样,全局矩方法也丢失了图像的空间信息。事实上,颜色的不同空间分布极大地影响了人们对图像的相似性判断[3]。 　　本文采用多分辨率的分块策略对图像的二维空间进行划分,提出了以各分块的主色作为图像的颜色特征的表示方法,阐述了多分辨率分块主色算法主要思路,给出了一种多分辨率分块特征点匹配的图像检索方法,多分辨率的分块策略使得相关反馈的自适应性得到了更好的保证。 　　 　　一、特征点匹配算法 　　 　　(一)特征点的提取方法 　　一幅图像的颜色空间(R,G,B)首先变换为亮度和色彩组成,其中亮度成分主要用做特征点的提取。特征点的提取主要过程如下: 　　第一步,一幅图像应用离散小波变换分解为它的多分辨率表示,小波变换在信号分析中是非常有效的方法。对一幅图像通过2D分离小波滤波可以得到4个子图像,由一维小波采用张量积构成的可分离的二维小波变换是将原始图像分解成一个低频信号LL和3个方向的高频分量信号LH,HL,HH。即每一层分解为4个子带信号,低频信号又可以进一步分解成4个子带,故总的子带数为3K+1,其中K为分解层数。图像的分解过程如图1所示。 　　第二步,多尺度边缘检测,利用小波梯度矢量可以检测到图像中光亮度发生突变的点,对于这些点如果梯度值大于预先给定的阈值则认为是选择的特征点。 　　第三步,边界相关性方法可以用做减少噪声点的影响,噪声或奇异特征点不仅增加了点匹配中计算的时间量而且也降低了匹配的精度。 　　(二)二维小波基构造 　　在进行去噪音处理过程中采用张量积形式的二维小波基。构造方式如下: 　　这就是L2(R)中的正交小波空间分解。它的空间分解情况如图2所示。 　　(三)梯度值描述 　　 为梯度矢量。利用小波梯度矢量检测到图像中光亮度发生突变的点,对于突变点如果梯度值大于预先给定的阈值则认为是选择的特征点,所捉取的图像特征点如图3所示。 　　(四)两幅图像之间的距离计算 　　任意给定两幅图像p和q,在此假设q为查询目标,p为图像库中任意一幅图像。依据提取的特征点,首先计算对应特征点分块的主色之间的距离,然后求出同一分辨率内所有分块的距离的加权和作为图像p和q在此分辨率上的距离,最后将不同分辨率的距离再次进行加权累加作为衡量图像p和q之间的距离。下式定义图像p和q之间的距离测度: 　　其中: 是对应特征点分块之间的距离;和 分别为3个分辨率的权重系数; 和 叫则为相应分辨率内每个分块的权重系数。上述权重系数的初始值按如下策略确定:在同一分辨率内的各分块的权重系数的初始值均取以该分辨率进行划分的分块的数目的倒数,即:;对于不同分辨率的权重系数,由于事先没有任何先验知识可以用来确定哪种分辨率的划分对原始图像来说更为合适。因此,对于初次查询,将分别计算3种分辨率下p和q之间的距离,并选择其中的最小值作为p和q之间的初始距离。这事实上是将距离最小的那种分辨率的权重系数设置为1.0,剩下两种分辨率的权重系数设置为0.0。 　　 　　二、实验结论评价 　　 　　基于上述思想,我们实现了基于特征点匹配的图像检索。这种策略使得初次查询可以自动选择不同的分辨率。本文