基于纹理特征的图像检索-软件工程毕业设计.doc

PAGE 45 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 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 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 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