论文部分内容阅读
随着数字图像在人们生活中的快速增长,如何从海量的图像中搜寻特定的图像变为一个热点和难点。纹理是表征自然图像的一个重要特征,它能使人产生心理和视觉两方面的冲击。基于信号处理的纹理分析方法建立在时频分析与多分辨率分析的基础之上。心理物理学研究表明：人们在观察图像时,大脑会对图像进行频率分析。因此,基于信号处理的纹理分析方法是符合人类视觉与心理感受的。本文主要研究基于信号处理的纹理分析方法来检索数字图像的问题。在对传统的多分辨率分析方法进行详细研究并进行大量纹理检索实验的前提下,提出了一种新的基于投影的Contourlet变换——P-Contourlet变换。该变换具有多分辨率、多方向选择性和良好的平移不变性,同时,包含丰富的相信息以及相对较低的冗余度。文章具体所做工作如下：1.阐述了图像检索的背景与研究意义,介绍了该研究领域主要的研究成果及发展趋势,并对目前现有的基于纹理分析的图像检索技术做了简单的总结。2.详细介绍了目前广为流行的小波变换、双树复小波变换、Contourlet变换、非子采样Contourlet变换、PDTDFB变换等方法,并将其应用到纹理图像检索中,进行了相关的实验分析。3.提出了一个新的平移不变复Contourlet变换——P-Contourlet,详细介绍了该变换的结构及原理,阐述了它的平移不变性、多尺度性、多方向选择性、包含相信息、完备性以及较低冗余度等优点。并将其引入到纹理检索中,通过实验验证了其表征纹理特征的高效性。4.提出了一种基于P-Contourlet变换和隐马尔科夫树(HMT)模型的纹理图像检索方法。该方法用隐马尔科夫树模型对P-Contourlet各子带系数进行建模,将其作为图像的纹理特征,实验验证了该模型对P-Contourlet各子带系数拟合的有效性以及用该方法进行图像检索的高效性。