一种基于纹理的图像检索算法

合集下载

DCT压缩域中基于纹理和形状的图像检索算法

ｉｔｏｕｉｇｔｅｓａｉｌｎｏｍａｉｎｏＣＴｌｃｓａｄＤＣＴｏｆｉｉｎｓｉｔｈｅｔｒｘｒｃｉｎｎｒｄｃｎｈｐｔｉｆｒｔｆＤａｏｂｏｋｎｃｅｆｅｔｏｔｅｆａｕｅｅｔａｔ．Ｆｒｔｃｎｏｉｓ，ｔｅｄｆｎｔｏｏｏｌｘｓｎｒｄｃｄＴｈｎ，ａｃｒｉｇｏｈｃｍｐｅｏｔｅｈｅｉｉｉｎｆｃｍｐｅｉｉｔｏｕｅ．ｅｃｏｄｎｔｔｅｏｌｘｆｈＤＣＴｂｏｋａｄｌｃｓｎ
ｄｉｅｔｙａｈｅｅｇｅｓａｉｌｄｉｔｉｕｔｏｎｆａｕｅｉｄｒｃｌｎｄｔｄ－ｐｔａｓｒｂｉｅｔｒｓａｏｐｔｄｏｄｅｃｉｈｅｍａｈａ．Ｔｈｓａｔｓｉａｅｔｓｒｂｅｔｉｇｅｓｐｅｅｔｉｔｃｌ
维普资讯
２００７年６月第３４卷第３期
西安电子科技大学学报（自然科学版）
Ｊ０ＵＲＮＡＬ０ＦＸＩＡＮＵＮＩＤＩＶＥＲＳＩＴＹ
Ｊｎ２０ｕ．０７
Ｖｏ．４Ｎｏ３１３．
ＤＣ压缩域中基于纹理和形状的图像检索算法Ｔ
关键词：基于内容的图像检索；散余弦变换；权复杂度直方图；缘空间分布特征离加边
中图分类号：Ｐ９．Ｔ３１３文献标识码：Ａ文章编号：０１２０（０７０－４２０１０—４０２０）３００ —７

基于颜色和纹理特征的彩色图像检索方法

和方差，获取图像的颜色统计特征，通过小波包变换提取图像的纹理特征；最后在进行图像间的相似性测量时，为了结
合不同的特征进行全局的相பைடு நூலகம்似性检索，还采用Ｇａｓａ模型ｕｓｉｎ
像的个数，Ｊｖ为该子图像块的总像素数。每个像素共有三个
出的颜色直方图方法（ｌｂｌｏｏｉｔｇａ，ＧＨ。然而，ＧｏａｌｒＨｓｏｒｍＣ）Ｃ
５
．．．．．．．．．一
＿［４｜＿
图１分割图
理论分析和实验结果表明，传统颜色直方图检索只记录了全局的颜色统计信息，而丢失了颜色的空间分布信息。因此，为了获取图像的空间信息，许多研究人员提出了基于网格的
归一化处理仿真结果表明，提出的方法具有良好的检索效果。【关键词】基于内容的图像检索（Ｉ）ＣＢＰ；颜色特征；纹理特征；小波包变换；相似性度量．【图分类号】ＴＮ９１３中１．７【献标识码】Ａ文【章编号】１０ — １１０００ — ０３０文０８１５（１）２０１— ３２
【摘要】由于单一特征不足以准确地描述图像的特征，文章提出了一种新的彩色图像检索方法，该方法在对图像进行分
块的基础上，分别计算图像Ｒ、Ｇ、Ｂ三通道的均值和方差，获取了图像的颜色统计特征；然后通过小波包变换提取纹理特征。在进行图像问的相似性测量时，为了结合不同的特征进行全局的相似性检索，还采用Ｇａｉｕｓａ型对不同特征间的距离进行了ｓｎ模

基于纹理和高斯密度特征的图像检索算法

ｅｐａｉｄｅｌｏｔｍｆｒｏｒｓｅｇｔｅａｉｐｏｏｅａｅｉＧａｓｉｅｓｙｆａｒ（Ｆ．Ｔｉａｇｒｈｍｈｓｅ．ＡｎｗａｇｒｈｍｐｅｓｄｉｅｒｒｖｌｓｒｐｓｄｂｓｄＯｕｓｎｄｎｉｔｅＧＤ）ｈｓｌｏｉｍｚｉｏｃｍａｅｉｌａｔｅｕｔ
第２９卷第１９期
ＶＯ１２．９
ＮＯ
ＣｏｕｅｇｎｅｉｇａｄＤｅｉｎｍｐｔｒＥｎｉｅｒｎｓｇｎ
２０年１月０８０
０ｃ．２０ｔ０８
基于纹理和高斯密度特征的图像检索算法
ＷＡＮＧｉｎｆｎ，ＬＩＺｉｕＪａ —ｅｇＵ — ｎｋ
（ｐｒｎｆｍｐｔｒＤｅａｔｔｍｅｏＣｏｕｅ，ＣｈｎｑｎｌｔｎｃＰｌｔｃｎｃＣｌｇ，Ｃｈｎｑｎ００ｏｇｉｇＥｅｒｉｏｙｅｈｉｏｌｅｃｏｅｏｇｉｇ４０２，Ｃｈｎ）１ｉａ
ｔｅｒｖｇｓａｅｎｔｅｒｏｔｎｅｔｒｓａｄｔｘｕｅｆａｕｅＴｓｎｖｌａｅｔｅｐｏｏｅｌｏｉｍｓｘｅｉｎｓｗｉｏｒｔｅｅｉｉｍａｅｓｄｏｉｃｎｅｔａｕｅｎｅｔｒｅｔｒ．ｏｔｔｄｅａｕｔｒｐｓｄａｇｒｈ，ｅｐｒｂｈｆｅａｈｔｍｅｔｔａｈｄｔｂｓｆ１０ｇｓｒａｉｄｏｔＩｏａｓｎｗｉｘｓｉｇｒｐｅｅｔｔｅｔｃｎｑｅ，ｔｅｅｐｒｎａｒｓｌｏｔｅＳ — ａａａｅｏ０００ｉｍａｅｅｃｒｅｕｎｃｍｐｒｏｔｅｉｎｒｓｎａｉｈｉｕｓｈｘｅｉａｉｈｔｅｖｅｍｅｔｌｅｕｔｓｗＵｓｈｈ

基于纹理的图像检索

有比较好的检索效果。
关键词：图像检索；纹理特征；小波分析；Ｇｂｒａｏ
ｌｇＲｅｒｅｖｂｓｄｍａｅｔｉａｌａｅｏｎＴｅｕｅｘｔｒＦｅｔｅａｕｓ
ＹＮｉ－ｙｎＷＡＧＣｅｇｕＷＡＮｕ一×ａＡＪｎｇｉｇ．Ｎ－ｈｎ－ｒ．ＧＹｎｉｏ
ＡｂｔａｔＴｇｔｈｒｈｍｅｎ，ｈｒｔｒａｏｔｘｕｅｆａｕｅｂｓｄｎＧｒｙＬｖｌＣ－ｏｃｒｅｃＭａｒｉｒａｈｄＬｔｃｌｉｇｓｒｃ：ｏｅｔｅｉｔｇａｓｔｅｅｉｌｆｅｔｒｅｔｒｓａｅ０ｖａｅｅｏｃｕｒｎｅｔｉｓｅｓｅ．ｅｏｏｍａｅｘｒｂｃｍｅａｉｇｔｘｔｒｆａｕｅｂｒｔｉｅｆｒｅｏｇｒｙｍａｅ，ｅｕｅｅｔｒｓｅｅｒｖｄｏｍｆｕｄｒｃｉｎ，ｎｌｄｇｎｒｙ，ｎｒｐｉｒｉａｒｘｎｒｌｔｄｅｔｒｈｔｒｔｘｕｅｅｏｒｉｔｓｉｃｉｅｅｇｅｔｏｙ，ｅｔａｅｏｕｎｎｍｔｉａｄｅａｅｖｃｏｔａａｅｅｔｒｆａｕｅｖｌｅＬｔｒ．ｈｒｔｉａｆｅｔｒｆａｕｅｂｓｄｄｎｅｔｒｓａｕ：ａｅｔｅｅｒｌｔｘｕｅｅｔｒｓａｅｅｏＧａｏｗａｅｔ．ｒｔｅｇｂｒｖｏｂｒｖｌＦｉｌｓｔａｏｗａｅｔｅｈｍｏｈｒｖｌｂｔｅｔｅｗａｅｔｔｅｍａｅｖｌ，ｉｉｇｗ＿ｅ】】ｂ

一种图像检索中纹理特征提取的方法

砖块等纹理较为规则的物体。纹理特征分析有基于统计的方法和基于频谱的方法［，文详细分析了一种２本１
母波（）通过ａ尺度发生变化，向＠变化方
为：
０＝ △ ００＝，Ａ２丌（４）
基于频谱的Ｇｂｒ换分析纹理特征的方法。ａｏ变
（）ｅ一 ‘ “．＝砰
＝ｅ（２￣（（一－２
将所有滤波器的最高上限频率和最低下限频
率分别设为０４和００，．．３由人眼的视觉特性，频此率范围可以完全满足人眼对纹理的感知。可确定中心频率为（，，＝，，其中：０ｍ１ … Ｍ，）
取出纹理特征．而获得纹理的定量定性描述的处理从
Ｃ（，）ｂｘｙ由小波变换的母波得到：
（）＝（）（２）
过程Ｉ１】。纹理分析包括：模型分析方法： ① 基于像素进
行。建立纹理模型，而后做出分析。模型分析方法通常
维普资讯
图形图像
ｉ
种图像检索中纹理特征提取的方法
丛鑫．孙劲光
（宁工程技术大学电子与信息工程系，辽葫芦岛１５０２１５）
摘
要：基于内容的检索技术就是直接根据描述媒体对象内容的各种特征进行检索．它的研究目标是提供在没有人参与的情况下能自动识别或理解图像重要特征的算法。本文介绍了基于Ｇａｏｂｒ滤波器和Ｇａｏ小波变换提取纹理特征的分析方法，ｂｒ以及对Ｇａｏｂｒ小波进行了高斯归一化以提高对图像检索

一种基于小波多分辨率特征的彩色纹理图像检索

由于手工标注图像存在很大的困难，因此需要自动地索引图像．此，对人们提出了许多解决方法，如基于颜色、纹理或者形状等方法口］图像的纹理．
到的，准的双小波不适用于窄带高频信号的分标
析，由两带标准正交小波直接变换得到的Ｍ带而标准正交小波可以解决这个问题．带小波可以Ｍ
并将分毹后获得的１６个子带系数作为原始特征．自然图像存在纹理的空域变化，于纹理的基图像检索并不能确保纹理都有同质性，以纹理所
特征向量之间的相似性，由此获得检索结果．
１色彩纹理特征的Ｍ带小波变换
第３卷第３期６
２１０２年６月
武汉理工大学学报（交通科学与工程版）
ＪｕｎｌｆＷｕａｉｅｓｔｆＴｅｈｏｏｙｏｒａｏｈｎＵｎｖｒｉｏｃｎｌｇｙ
（ａｓｏｔｔｎＳｉｎｅ８ｇｎｅｉｇＴｒｎｐｒａｉｃｅｃＬＥｎｉｅｒｎ）ｏ
数形式的非线性变换，实现对高频成分的处理．本文使用Ｍ通道的滤波器将时域空问分解为
Ｍ ×Ｍ子带．
一
ｓｒｅ采用标准小波进行完全小波分解，由滤波器的输出估计各通道的方差来获取纹理特征．是标准但小波不适用于窄带高频信号分析，标准小波分解与

基于EBP—OP算法与纹理特征的图像检索

种情况：
（．＝－（Ｘ＝ＤｙｉＤＹ０）Ｄ０，－）一
性能稳定的特点，目前基于内容的检索系统的一主要是条基于纹理特征的图像检索有三个关键，要采取有效的特征提取方法．是要有准二确的特征匹配算法。文采用版度共牛矩阵提取图像的纹理特该征．然后采用ＥＰＯＢ — Ｐ方法对提取到的纹理特征进行分类解
ＡｂｔａｔＴｘｕｅｂｓｄｉｇｅｒｖｌｈｓｇｔｍ。ｅａｄｍｏｅａｔｎ［ｒｉｌｍｅｉａａａｅｍａａｅｎｎａｅｓｒｃ：ｅｔｒ — ａｅｍａｅｒｔｅａａｏｒｎｒｔｔｔｎｍｕｔｄａｄｔｂｓｎｇｍｅｔａｄｄｔｉｅｏｉｔｎｍｉｓｎＡｉｄｆｉｇｅｒｅａｒｓｓｉｋｎｏｍａｅｒｔｉｖｌａｏｍｅｈｄｓｒｐｓｄｎｈｓｐｐｒｗｈｃｂｓｄ１ｅｒｅｔｒｓａｄＥＢ — ｔｏｉｐｏｏｅｉｔｉａｅｉｈａｅｏ．ｔｎｕｅｆａｕｅｎＰＯＰ３ａｇｒｔｍｆｒｍｕｉｙｒｄｎｕａｅｖｒｓＦｒｔｓｌｃｓｅｔｒｅｔｒｓａｅｏｅｒｙｅｅｌｏｉｏｈｌｅｅｅｒｌｎｔｏｋ．ｉｅｅｔｈａ，ｓｔｘｕｅｆａｕｅｂ．ｄｎｔｇａ－ｌｖｌ￣ｈａｄｈｎＢＰＯＰｎｕａｅｗｒｓｕｅａａｃａｓｅｈｘｅｍｅｔｒｓｌｈｗｔａｔｉｎｔｅＥ — ｅｒｌｎｔｏｋｉｓｄｓｌｓｉｒｅｅｐｒｎａｅｕｔｓｏｈｔｈｓｉｆＴｉｌｓ

基于纹理谱描述子的文档图像检索算法

描述，计算纹理谱图像的直方图。相对于直接使用灰度直方图进行图像检索，算法具有更好的区分度。实验结果表该明，该方法具有很高的查准率，并对剪切、旋转操作表现出很好的稳定性，适合文档图像检索。
关键词：档图像；文图像分割；图像纹理；于内容的图像检索；基图像匹配中图分类号：Ｐ９．１Ｔ３１４文献标志码：Ａ
基于纹理谱描述子的文档图像检索算法
马磊，刘江
（山东山大鸥玛软件有限公司数据研究中心，南２００）济５１０
（ｙｉ＠１６ｃｍ１ｚｕ２．ｏ）ｊｙ
摘
要：新算法首先根据文档图像的特点分割图像文本区域，并将文档图像中字符的边缘信息使用纹理谱进行
Ｋｅｒｓｏｕｅｔｍｇ；ｍｇｅｍｎｔｎｉａｅｔｔｒ；ｏｔｔａｅａｅＲｔｅａ（ＢＲ；ｍｅｍｔｉｇｙｗｏｄ：ｄｃｍｎａｅｉａｅｓｇｅｔｉ；ｍｇｘｕＣｎｎ— ｓｄＩｇｅｉｌＣＩ）ｉａａｈｎｉａｏｅｅｅＢｍｒｖｇｃ
ＡｂｓｒｔＴｈａｒｐｒｐｓｄａｎｗｔｄｆｒｄｃｍｅｍａｅｅｒｅａａｅｎｔｘｕｅｓｅｔｕｄｅｃｐｏ．Ｔｈｓｔａｃ：ｅｐｐｅｏｏｅｅｍｅｈｏｏｏｕｎｔｉｇｓｒｔｉｖｌｂｓｄｏｅｔｒｐｃｒｍｓｒｔｒｉｉ

综合颜色和纹理特征的图像检索算法

（）１
ｈ６ｈ，ｓ－＇ｍｉ（ｇ）：０・－ｖ－ｒ，一ｎ，ｂ
，
则
征。灰度共生矩阵目前已总结的纹理特征有１４个，Ｇｏｌｂ和Ｋｅｓｉ过实验得出，量、、性矩和相ｔｅｉｒｙｚｇ通能熵惯
Ｙａｎｕｌｉｎ－ａ
（ｅａｔｎｏＣｍｐｔ，ａｚｉｕｎｖｒｉＤｐｒｍｅｔｆｏｕｅＰｎｈｈａＵｉｓｔｒｅｙ
【ｂｔｃ】ｏｔｔａｅａｅｅｉａ（ＢＲｉｎｅｏｔｃｖｔｐｔｉｔｒｎｒｅｒｌｆｕｉｅｉｒｒｖ１ｃｒｎｅＡｓｔＣｎｎＢｓｄｍｇｔｖｌＩ）ｅｆｓｔｈｏｅｕｅｔｓａｈｅｌｄｔａＡｃｄｇｏｈａｒｅ－ＩＲｒＣｅｓｏｔｍｉｏｓｓｎｈｃｒｏｈａｅｅｃｆｄｍｔａｅｉ．ｏｉｔｔｉｏｍｅ
其和方差。ｒｉ
经过上式对特征向量进行归一化后，量中的某个分量向
落在区间［１范围中的概率约为９％，０，］９对于大于１的数值可以简单地对应到１。上
１．ＲＧＢ空间到ＨＳ１Ｖ空问的转换
通过非线性变换可将ＲＢ颜色空间的ｒｇｂ值转Ｇ，，换到ＨＳ空间的ｈＳｖ值。设ｖ－ｘｒｇｂ，义ｒ，Ｖ，， ’ｍａ（，，）定 ’
ｇ．’ ’ｂ为
ｖ＇－ｒ
ｒ
．
ｄ），＝— ０

基于纹理的图像检索

查询模块：用户提供多样的查询手段，支持用户根据不同应用进对以行各种类型的查询工作。特征提取模块系统需要将用户的查询要求转化为对图像内容比较抽象的表达和描述，即以一定的计算机可以方便表达的数据结构描述图像给定
法有：傅立叶功率谱法、ａｏ变换和小波变换。Ｇｂｒ
随着计算机技术、息以及网络技术的飞速发展，信多媒体数据的数量
也以惊人的速度增长统的基于关键字和文本描述的检索模式已经不能满传足海量图像检索的需要。因此基于内容的图像检索技术成为近年来国内外研究的热点。基于内容的图像检索ＣＲ（ｏｔｎａｅｍａｅＲｅｒｖ１指从ＢＩＣｎｅｔＢｓｄＩｇｔｉａ）ｅ是图像本身的内容人手来检索数据库中与目标图像相近的图像。区别于传统它的检索手段，了图像理解技术，而可以提供一种从海量的图像库中，融合从根
的内容。
熵Ｈ（，） ∑ｉｉｄＢ）ｐ（ＪＩｅ）ｄｅ＝一ｉＰ（，Ｉ，ｊｉｊ）
是图像所具有的信息量的度量，纹理信息也属于图像的信息，是一个随机性的度量，当共生矩阵中所有元素有最大的随机性、间共生矩阵中所空有值几乎相等时，生矩阵中元素分散分布时，较大。表示了图像中纹共熵它理的非均匀程度或复杂程度。

一种基于纹理和颜色的图像检索方法

图，利用空间域的相似纹理在频域上具有相似的傅里叶变换系数的原理，以频域特征表现灰度级的共生关系及其空间分布；ａｍａＬｋｎ等ｌ提出以３不同颜色通道问的协方差矩阵集辅以一些颜色直方图来描述颜色 “ 纹理 ” ｍｉｒ—ｅｔｒ）方微（ｃｏｔｘｕｅ等
Ｅ］时宝，德存，明久．分方程理论及其应用Ｅ．京：防工业出版社，０５２张盖微Ｍ］北国２０
编辑：文心
其
中
一
种基于纹理和颜色的图像检索方法
于立洋
（丹江师范学院计算机科学与技术系，龙江牡黑牡丹江１７１）５０２
２１００年第１期
牡丹江师范学院学报（自然科学版）
Ｊｕｎｌｆｄ￣ｉｎｒｌｉｅｓｙｏｒａｏＭｕａａｇＮｏｍａＵｎｖｒｉｔ
ＮＯ，Ｏ０．１２１
（第７总Ｏ期）
ＴｏａＮＯ７ｔｌ０
１颜色特征的提取
颜色分布可以由其色度矩描述Ｈ，且色度］并矩作为特征进行检索时，着很高的效率，有因此，选择色度矩作为颜色特征．
色度需要在ＣＥＸＩＹＺ颜色空问中获取．个每
生成融合特征；［在ＨＳ的改进空间中对原Ｙｕ２Ｖ始图像进行局部傅里叶变换获得８幅频域特征

基于纹理和形状特征相结合的图像检索技术

波变换的图像分解得到，将ＲＧＢ通道中的５０个最大系数提取出来，用于构建染色体３× ５Ｏ阵列。而颜色特征是ＨＳＶ颜色空间的色调和饱和度分量图像的颜色自相关图。在多分辨率小波域中将所提取的颜色和纹理等特征相结
０引言
图像检索技术可能是基于文本或是基于内容的。基
的形状和纹理特征用于图像检索，所提出的方法如图１所
示。
于文本的图像检索需要手动注释文本描述，容易概念化而
且手动标注图像需要更多的人力，造成人才浪费。基于内容的图像检索通过考虑颜色、内容、纹理等特征进行图像
…
共生矩阵之间的相似性，降低图像检索功能的复杂性。
早期的研究只采用颜色、纹理或者形状等单一的特性来检索图像，但是一个图像包含不同的视觉特性，所以它的
。
Ｅ一１，Ｄ是规模尺度，Ｅ是取向数目。Ｆ主是Ｆ的复
关键词：图像检索；纹理；Ｇａｂｏｒ滤波器；傅立叶描述
中图分类号：ＴＰ３１７．４
文献标识码：Ａ
文章编号：１６７２ — ７８００（２Ｏ１４）００３ — ０１４２ — ０２理特征提取适用Ｇａｂｏｒ滤波器和形态闭运算，然后将合并

基于AM—FM纹理模型的医学图像检索

进行滤波，计算Ｇｂｒａｏ函数冲激响应的偏微分，然后使用能量分离算法做调幅．调频分解，估计出瞬时幅值和瞬时频率，以幅值和频率的均值和标准差作为纹理特征。采用ＭＡＬＴＡＢ和ＳＬ开发语言构建检索平台，测试该特征的实用性，Ｑ与Ｇａｏ纹理检索算法进行比较。实验结果表明，该特征对医学图像检索效果有明显的提高。ｂｒ
关键词。调幅调频模型：医学图像检索；Ｇａｏ滤波函数；能量分离算法：瞬时幅值；瞬时频率ｂｒ
中圈分类号，Ｔ３１３Ｐ９＿文献标识码。Ａ
１
引言
随着数字成像技术的发展和医院信息网络（ＰＳ如ＡＣ，ＨＩ，ＲＩ）的普及，并在数据库系统和计ＳＳ
第１５卷第５期２１年ｌ０００月
文章编号：１０ — ２９（０Ｏ０ — ０２００７０４２１）５０２．４
电路与系统学报
Ｊ０ＵＲＮＡＬＦＣＩＯＲＣＵＩＴＳＡＮＤＹＳＴＥＭＳＳ
Ｖ０．５１１
，
）｝（】／，Ｖ／，＝Ｉ，Ｉ（ｙＹｔｘｘ）ｖ）
（）２
收稿日期ｔ２１—４０修订日期：２１－７００００－６０００ —５基金项目ｔ国家自然科学基金重点项日（０３０６３７０３）
算机视觉两大研究领域的共同推动下，图像检索已逐渐成为一个非常活跃的研究领域。基于内容的图像检索（ｏｔｔａｅｇｅｒｖｌＢＲ）【Ｊ同于传统的基于文本的检索，它是一种模糊查询Ｃｎｅ．ｓｄＩｅｔｅａ，ＣＩｎｂｍａＲｉＪ不技术，通过对图像提取一定的特征，找出在特征空间中与查询要求接近的图像，从而实现在图像数据库中自动地检索、查询和管理图像。在ＣＩ系统中，特征的提取是决定图像检索结果的关键。医学图像多数为灰色图像，一般选用ＢＲ纹理特征和形状特征，本文选用ＡＭ．Ｍ模型提取图像的纹理特征。文献［】提出图像可以用多个Ｆ３中ＡＭ．Ｍ成分的累加来表示；文献［］次将ＡＭ— Ｍ图像模型用于ＣＲ，幅值和频率由Ｇｂｒ波函Ｆ４首ＦＢＩａｏ滤

基于纹理的图像检索算法研究

点问题。目前基于内容的图像检索主要有３个研究方向，分别是基于图像颜色特征的检索、基于图像纹
理特征的检索和基于图像形状特征的检索。图像的纹理是描述图像特征的一个常用概念，很多图像在局部区域内可能呈现出不规则性，而在整体上却表现出某种规律性，把图像的这种特性叫做纹理，纹理虽然
中图分类号：ＴＰ３９１．４文献标志码：Ａ
０引言
人类对物质世界的感知过程中大部分的信息来源于视觉。图像作为一种重要的信息载体，具有形象直观、内容丰富等特点，是表达信息的一种重要方式。特别是随着多媒体技术的发展和信息时代的到来，使得人们越来越多地接触到大量的图像信息，有效地组织、管理和检索大规模的图像数据库成为迫切需
要解决的问题。传统的数据库检索采用基于关键字或描述性文本的检索方式，这种方法往往不能满足人们的需要。因此基于内容的图像检索成为当前国内外的一个研究热点，所谓基于内容的图像检索（Ｃｏｎｔｅｎｔ —ＢａｓｅｄＩｍａｇｅＲｅｔｒｉｅｖａｌ，ＣＢＩＲ），是指根据图像中物体或区域的颜色、形状或纹理等特征以及这些特征的组合来检索图像，这是计算机图像处理、图像理解、计算机视觉、模式识别和数据库技术的有效结合，充分体现了图像所含的信息特点，又充分结合了传统数据库技术，是一项在理论研究和实际应用中都极有前途的新技术，特别是近年来的技术的发展，基于图像内容查询技术的应用前景变得更为诱人Ｊ。目前在搜索引擎、医学ＣＴ、家庭用图像检索等方面，ＣＢＩＲ的应用极为广泛。基于内容的检索技术的研究早期主要是基于文本的检索，方法是利用关键字、文本标题和附加描述

一种基于二维Brushlet变换的纹理图像检索方法

＿
ｎＶ２＋１（一１ｍ２：ｉ）／
＋ｍ／，（一１２ｊ）￥ｎ４＋１（／：一１ｎ４＋ｎ４；）／／）
到：∑ ｊ，／逆Ｆｒｒ换：，ｊ ’ ｏｉ变Ｕ的ｕｅｎ求ｏ
［ｍｍ，ｎｎ］＝ｓｅｔｍ）ｉ（ｅｐ；ｚ
王改梅高悦向阳
（西安通信学院陕西西安７００）１１６
摘
要
提出一种利用Ｂｕｈｅ变换分解图像，取纹理特征进行图像检索的新方法。该方法利用Ｂｕｈｅ的特性，ｒｓｌｔ提ｒｓｌｔ成功地检测
到了纹理图像的方向信息，弥补了小波变换的不足，从而形成能够精确表征图像的特征矢量。匹配算法则使用比值相似度。实验结果表明，方法计算简单、该有效、检索效果较好。关键词中图分类号图像检索Ｂｕｈｔ纹理特征矢量ｒｓｌｅＴ３１Ｐ９文献标识码Ａ
２８６
计算机应用与软件
２１０２年
ｒ
（小ｌ一拿）－每ｎ－一
Ｅ＿ ≥ ［拿
．
．
二＿，７乏歹
。
＼＼／ＩＩ／
、＼
— —
ｂ（）＝ｔ
ｒ
（）一拿ｉ，㈠
）对所的，ｚｔ，于有，）则
ｎ）ｊ２．一．ｅａ）构成了Ｌ（）的一组标准正交基。Ｒ
令厂Ｌ（）Ｒ √为的Ｆｕｉｒ换，ｏｒ变ｅ把在基ｕ上展开，得
ｆｒｉ１：ｏ＝４

一种基于颜色纹理和相关反馈的图像检索方法

ｄｉａｅｔｔｔｓｅｈｄｃｔｓｈａ，ｈｉｍｔｏｈａａｇｅａｃｒｃａｈｔｅｅｔｒｅｒｅａｅｆｃ．ｓｈｉｈｒｃｕａｙ，ｎｄａｓｈｂｔｅｒｔｉｖｌｆｅｔＫｅｗｏｒｓ：ｉｙｄｍａｇｒｔｅａ；ｏｌｒｔｘｔｅｉｅｅａｅ￣ｅｅｅｒｖｌｃｏ；ｅｕｒｒｌｖｎｃｉｄｂａｃｋ
该方法具有较高的准确性，并且具有较好的检索效果。
关键词：图像检索；色；颜纹理；关反馈相
文章编号：０２８３（０８０ — ０５０文献标识码：中图分类号：Ｐ１．１０ — ３１２０）６０８ — ３ＡＴ３７４
１引言
ＣｏｕｅｇｎｅｉｇａｄＡｐｌａｉｎ．０８．４６）８－７ｍｐｔｒＥｉｅｒｎｎｐｉｔｏｓ２０４（：５８．ｃ
Ａｂｔａｔ：Ｔｈｓｒｉｌｐｒｐｏｅｅｓｎｉｌｏｏｏｃｌｒｅｔｒａｄｒｄｔｏｐｒｇｎｅｉｍａｒｘｆｈｔｘｕｒｃａａｔｒｓｉａｓｒｃｉａｔｃｅｏｓｓｓｅｔａｃｌｒｆｏｏｆａｕｅｎｇａａｉｎａａｅｓｓｔｏｔｅｅｔｅｉｈｒｃｅｔｃ。ｓｉ
随着网络和多媒体技术的飞速发展，互联网上的信息由单
一
２图像特征检索２１颜色特征检索．
颜色是最常用的图像特征表达。颜色直方图（ｏｏｉｃｌｒｈｓ — ｔｇｍ）ｏｒ是最简单也是最常用的颜色特征，ａ从概率角度讲，颜色直方图反映的是三个颜色通道强度的联合概率。其核心思想是在特定颜色空间中采用一定的量化方法对颜色进行量化，然后统计每一个量化通道在整幅图像中所占的比重。常用的颜色空间有ＲＢ、ＡＨＩＨＳＧＬＢ、Ｓ、Ｖ空间等。针对全局直方图无法获得颜色组成之间的空间关系，丢失了图像的空间信息的缺点，许

r rfe函数

r rfe函数RRFE（Relative Regional Importance between Features）算法是一种基于图像纹理特征的图像分类算法。

相较于LBP、HOG等方法，该算法不仅能够保留局部纹理信息，还能够考虑不同纹理特征的相对重要性，从而更准确地分类图像。

本文将对RRFE算法进行详细介绍。

一、RRFE算法的原理介绍在图像分类中，纹理特征是一种十分重要的特征，几乎被所有的图像分类算法所采用。

LBP、HOG等算法都利用了图像的纹理特征，但是它们主要将注意力集中在了单个像素点或小区域上，并没有在整个图像上进行全局分析。

RRFE算法则采用了一种不同的方法。

它首先将整个图像按照高斯核进行滤波，得到一组滤波响应，称之为响应图像。

接着，对于每一个特征，计算其在整个图像和响应图像中的均值和方差。

通过比较响应图像和原始图像中特征的方差和均值之比，获得每个特征在整个图像中的重要性大小排序，从而达到更精确地分类效果。

具体而言，RRFE算法可以分为以下几个步骤：1. 高斯滤波RRFE算法首先使用高斯核对整个图像进行滤波。

这一步的目的是去除噪声，保留图像中的平滑信息。

2. 计算响应图像利用高斯滤波之后，可以得到一组滤波响应图像。

对于每一个像素位置（i,j）和滤波器大小s，其响应可以表示为：$$R_{i,j}(s)=\sum\limits_{x=i-\frac{s}{2}}^{i+\frac{s}{2}}\sum\limits_{y=j-\fr ac{s}{2}}^{j+\frac{s}{2}}I(x,y)G(x-i,y-j,s)$$I(x,y)表示原始图像在位置（x,y）上的像素值，G(x-i,y-j,s)表示高斯核在位置（x-i,y-j）上的取值。

3. 计算均值和方差接下来，对于每一个特征，需要在原始图像和响应图像中计算其均值和方差。

对于某一个特征$f(x,y)$，它在图像中的均值和方差可以分别表示为：$$\mu_f=\frac{1}{N}\sum\limits_{i=1}^Nf_i$$$$\sigma_f^2=\frac{1}{N}\sum\limits_{i=1}^N(f_i-\mu_f)^2$$N表示特征在图像中的像素数，$f_i$表示特征在位置i上的像素值。

基于纹理的图像检索关键技术研究

纹理是物体表面的固有特征之一，是图像区域
一
的尺度上可以观察到。纹理研究需要确定一定的
种重要的属Ｉ是图像中普遍存在而又难以描述生，
尺度，尺度不同，观察到的纹理也可能不同。对所
收稿Ｅ期：０１２月１ｔ２１年９日，回日期：０１年３月２修２１７日
２２结构法．
ｆ” ］［一∑ｈ
∈
（）２
ｌ计［一∑ｇ］走
小波包重构算法：
Ｅｌｌ
在结构法中，理被看作是一组纹理基元以某纹种规则的或重复的关系结合的结果。结构法处理
辑是＝ ∑ ｈ２￣ｚｇｄ明［］ｋ，ｌ ∑ ｄＥ＋Ｚ
的特征。关于纹理的定义至今还没有一个统一的标准，针对图像处理领域，具有代表性的定义有：定义１卜纹理是一种反映图像中同质现象］Ｅ
的视觉特征，现了物体表面共有的内在属性，体包
总第２２６期
计算机与数字工程
Ｃｍｐｔｒ＆ＤｉｉｌｎｉｅｉｇｏｕｅｇｔｇｎｒａＥｅｎ
Ｖ０．９Ｎｏ８１３．
１１５
２１年第８０１期
基于纹理的图像检索关键技术研究
叶青唐鹏举
ＣｌｓｍｂｒＴＰ３】４ａｓＮｕｅ９．】
１引言
基于内容的图像检索（ｏｔｎａｅｍａｅＣｎｅｔｓｄＩｇＢＲｔｉａ，ＢＲ）是一项从图像数据库中找出与ｅｒｖｌＣＩ，ｅ