论文部分内容阅读
随着多媒体技术和计算机网络的飞速发展,图像的应用日益广泛,传统的基于文本的检索方法已经不能适应当今图像检索的要求,使得基于内容的图像检索(Content-BasedImageRetrieval,CBIR)具有很大的现实意义而成为当前国内外研究的热点。 特征提取是基于内容图像检索技术的关键,而纹理特征是基本的视觉特征之一,它为图像识别和理解提供了大量的信息。本文利用多尺度几何分析技术Contourlet变换、局部二值模式(LBP)和傅里叶变换对图像的普通纹理和旋转纹理进行了深入研究,主要工作概括如下: 1.系统分析了基于内容的图像检索的一些关键技术,如颜色、纹理和形状等图像底层特征的提取方法,图像间的相似性度量方法,图像检索算法的评价准则和图像检索系统的体系等。 2.详细的介绍了Contourlet变换与LBP的基本原理和实现过程。 3.提出了一种融合Contourlet和LBP的纹理图像检索方法。该方法利用Contourlet变换获取图像的高频子带,并用灰度共生矩阵对高频子带进行特征提取,然后采用统一化LBP算子提取图像的空域特征,采用改进的Canberra距离进行相似性度量,最后选取合适的权值将两种方法进行融合检索,实验证明,该方法比采用单一特征检索能取得更好的检索效果。 4.提出了两种旋转纹理检索算法。第一种是融合Contourlet变换与LBP的旋转纹理检索方法。该方法利用Contourlet变换分解得到高频子带,并将子带的方差和与方差最大值作为Contourlet变换域特征,利用旋转不变LBP提取空域特征,然后融合两类特征进行检索。第二种是融合FFT与LBP的旋转纹理检索方法。首先对图像进行FFT变换,得到图像的功率谱,然后获取环形区域和扇形区域内的能量作为全局的频域特征,最后融合局部的LBP空域特征进行检索。实验证明,两种方法在旋转纹理检索中都能取得较好的检索效果。