【正文】 方向性、粗細(xì)度等人對(duì)紋理感知特性有關(guān)，對(duì)紋理瀏覽應(yīng)用和粗分類很有用（ Wu 2021）。 對(duì)每個(gè)給定的 ? 分析? ?RS? 得到頻譜沿原點(diǎn)射出方向的行為特性，對(duì)每個(gè)給定的 r，分析 ),( ?rS 得到頻譜在以原點(diǎn)為中心的圓上的行為特性，如果 ? ?RS? 和 ???rS 對(duì)下標(biāo)求和可得到更為全局性的描述。因此，可以說，傅立葉變換將原來難以處理的時(shí)域信號(hào)轉(zhuǎn)換成了易于分析的頻域信號(hào)（信號(hào)的頻譜），可以利用一些工具對(duì)這些頻域信 號(hào)進(jìn)行處理、加工。（ Khotanzad 1987），即時(shí)自回歸模型是馬爾科夫隨機(jī)場(chǎng)的一個(gè)特例，對(duì)每個(gè)即時(shí)自回歸模型對(duì)存在一個(gè)對(duì)應(yīng)的具有相同統(tǒng)計(jì)特性的馬爾科夫隨機(jī)場(chǎng) ，即時(shí)自回歸模型可表示為 ( ) ( ) ( ) ( )tNy s p t y s t q w s?? ? ?? ， （ 34） 其中 y（ s）的集合是觀察到的像素灰度 ， s 是對(duì)應(yīng)空間位置， N是代表對(duì)稱的鄰域集合， w（ s）是零均值單位方差的高斯噪聲，模型系數(shù) {p（ t）， q}可從 {y（ s） }估計(jì)出來，并用于對(duì)紋理的描述。如果 m表示 f（ r）的均值，即 1 ()Liiim r f r??? 則 f（ r）對(duì)均值的矩是 1( ) ( ) ( )L nn i iir r m f r? ????，這里 ()nr? 與 f（ r）的形狀有直接聯(lián)系，如 2? 也叫方差，使灰度對(duì)比度的度量，表達(dá)了曲線相對(duì)于均值的分布情況，描述了直方圖的相對(duì)平滑程度，進(jìn)一步是描述了圖像中的灰度的分散程度，基于 3? 可定義偏度，它表達(dá)了曲線相對(duì)于均值的對(duì)稱性，描述了直方圖的偏斜度，進(jìn)一步是描述了圖像中紋理的灰度起伏程度，基于 4? 可定義峰度，他表示可直 中國礦業(yè)大學(xué) 2021 屆本科生畢業(yè)設(shè)計(jì) 第 16 頁 方圖的相對(duì)平坦性，即直方圖的 分布聚集于均值附近還是接近兩端的情況，進(jìn)一步是描述圖像中的灰度的反差。利用小波變換系數(shù)可表達(dá)紋理的頻率特性，用 Gabor 曉波分解模型進(jìn)行紋理檢查的試驗(yàn)（【 Manjunath 1996】）表 明其性能可與基于 Markor 的隨機(jī)場(chǎng)的即時(shí)自回歸模型相模擬（【 Bimbo 1999】）。 基于空間性質(zhì)的紋理模型 [3] ⑴ 基于自相關(guān)函數(shù)的模型 紋理的周期性表明紋理可認(rèn)為是有灰度級(jí)元重復(fù)結(jié)合而產(chǎn)生的，所以對(duì)真實(shí)圖像區(qū)域借助于其中灰度級(jí)元的空間尺寸來表達(dá)紋理 ，一般較細(xì)的紋理對(duì)應(yīng)較小尺寸的灰度級(jí)元，粗糙的紋理對(duì)應(yīng)較大尺寸的灰度級(jí)元，基于自相關(guān)函數(shù)的模型就是在此基礎(chǔ)上建立的，如果對(duì)圖像進(jìn)行自相關(guān)計(jì)算，所得到的自相關(guān)函數(shù)可用作描述灰度基元尺寸的特征，它的值對(duì)粗紋理大對(duì)細(xì)紋理小， 可看作是對(duì)紋理的一個(gè) 測(cè) 度 。灰度級(jí)是一個(gè)統(tǒng)計(jì)函數(shù)，可以分為 一階、二階及高階統(tǒng)計(jì)函數(shù)，經(jīng)過分析研究，認(rèn)為人眼看到的是一階及二階統(tǒng)計(jì)函數(shù)，人眼覺察不到高于二階的統(tǒng)計(jì)函數(shù)。 紋理分析一直是計(jì)算機(jī)視覺的一個(gè)重要研究方向。 從上面簡單講解中， 可以總結(jié)一下有關(guān)基于內(nèi)容的圖像檢索的技術(shù)，主要包括 以下幾 方面的檢索技術(shù)，他們是圖像數(shù)據(jù)庫結(jié)構(gòu)、圖像索引技術(shù)、圖像相似性度量技術(shù)、圖像多特征的相關(guān)反饋、檢索效果的評(píng)判等幾方面的內(nèi)容 。前者包括顏色、紋理、形狀和物體間方位關(guān)系等，而后者根據(jù)不同的應(yīng)用有所不同（如人臉識(shí)別、指紋識(shí)別）。 ⑵ 描述模塊 其主要功能就是將用戶的查詢要求轉(zhuǎn)化為對(duì)圖像內(nèi)容的比較抽象的內(nèi)部表達(dá)和描述，即通過對(duì)圖像的分析，從而以計(jì)算機(jī)可以方便表達(dá)的數(shù)據(jù)結(jié)構(gòu)建立對(duì)圖像內(nèi)容的描述。在檢索過程中，用戶一般只需提供一個(gè)示例圖像，系統(tǒng)首先抽取該示例圖像的特征，然后根據(jù)圖像特征的相似性匹配算法，與圖像庫中相應(yīng)的特征進(jìn)行比較，最后將與示例特征相似的圖像返回給用戶，以達(dá)到一個(gè)完整的圖像檢索過程。 第四部分是 基于紋理的圖像檢索系統(tǒng)設(shè)計(jì)的 詳細(xì)設(shè)計(jì)過程，包括總體設(shè)計(jì)部分和圖像檢索的詳細(xì)設(shè)計(jì)實(shí)現(xiàn)部分 。 4． VisualSEEK 系統(tǒng) 美國哥倫比亞大學(xué)圖像和高級(jí)電視實(shí)驗(yàn)室開發(fā)的。 基于內(nèi)容的視覺信息檢索是一個(gè)挑戰(zhàn)性的課題，目前還方興未艾，涉及到許多領(lǐng)域，必須要 考慮 許多問題，包括從獲取和表達(dá)原始數(shù)據(jù)的方法，獲取和表 達(dá)原始數(shù)據(jù)的信息，到通過對(duì)這些數(shù)據(jù)和信息的處理、分析和理解以提供對(duì)內(nèi)容的訪問以及發(fā)送、顯示、傳輸和 操作 這些內(nèi)容，由于上述問題的存在，基于內(nèi)容的信息檢索還面臨著許多挑戰(zhàn)，例如，如何建立語義層次的描述， 使 用戶自然的與檢索系統(tǒng)交互，如何挖掘更多的實(shí)際應(yīng)用場(chǎng)合使 視覺信息檢索技術(shù)真正使用起來都是推動(dòng)基于內(nèi)容的圖像檢索的需要解決的問題。代表色 也叫特征色，是通過一個(gè)依賴的分級(jí)量化（ DSQ）算法來提取的，然后經(jīng)過排序得 到一個(gè)特征向量序列。形狀查詢的方式包括使用模板圖象或由查詢者提供模板草圖。使用紋理作為檢索的特征，一般是圖象的內(nèi)容較為豐富，物體和背景不易分割的情況。顏色的檢索一般應(yīng)用于色彩較為豐富的自然圖景的檢索中?；谔卣鞯牟檎揖褪潜容^由圖象中自動(dòng)抽取的特征之間的相似性。查找圖象中包括的具體物體、 發(fā)生的場(chǎng)景 、 圖象所描述的感情色彩等都屬于這個(gè)層次的查找。不同的特征被劃分在不同的特征矢量組。而基于圖象的檢索就目前計(jì)算機(jī)和人工智能發(fā)展的水平來講，完全是一種基于相似性的度量。雖然，基于語義內(nèi)容的查詢?cè)谀壳斑€不容易達(dá)到，但是基于圖象外觀特征的查詢可以幫助查詢者更快速地接近查詢結(jié)果，大大地減少工作量。 基于內(nèi)容的圖像檢索的研究現(xiàn)狀 基于圖象內(nèi)容的查詢，內(nèi)容包括圖象的色度、形狀、紋理和語義等特征。眾多的學(xué)者對(duì)其進(jìn)行了廣泛的研究，并取得了許多重要的成果。首先，圖像內(nèi)容很難用文字標(biāo)簽來完全表達(dá)，查詢中常會(huì)出現(xiàn)錯(cuò)誤； 其次，文字描述是一種特定的抽 象，如果描述的標(biāo)簽改變，則標(biāo)簽也得重新制作才能滿足新的查詢要求； 最后，目前這些標(biāo)簽都是觀察者選出來自己加上去的，因此受主觀因素的影響較大，不同的觀察者或者同一觀察者在不同條件下對(duì)同一幅圖像可能給出不同 的描述，因此不夠客觀，沒有統(tǒng)一標(biāo)準(zhǔn)，常會(huì)自相矛盾 [3]。大多數(shù)情況下，人們偏愛語義查詢。對(duì)不同的檢索系統(tǒng)，評(píng)價(jià)系統(tǒng)性能的標(biāo)準(zhǔn)。這個(gè)層次的比較是非常具體的，只有在使用相對(duì)精確匹配計(jì)算時(shí)才使用。在 n維特征空間的查找，實(shí)質(zhì)就是模板特征矢量與存儲(chǔ)在數(shù)據(jù)庫內(nèi)的特征矢量的相似性度量?；趦?nèi)容的圖象檢索的研 究難點(diǎn)在于接口技術(shù)和評(píng)價(jià)技術(shù)。計(jì)算每一幅圖象的顏色直方圖，即每一種顏色在圖象象素點(diǎn)中的比例。各種各樣的技術(shù)已經(jīng)被用來計(jì)算紋理的相似性，使用最多的是基于圖象的二階統(tǒng)計(jì)量。物體的形狀特征被提取 并被存貯。這些都極大地推動(dòng)了基于內(nèi)容的信息檢索的發(fā)展。國內(nèi)的研究在理論研究和算法改進(jìn)的基礎(chǔ)上，也已經(jīng)開發(fā)出一些初步實(shí)用的圖象檢索系統(tǒng)。QBIC 系統(tǒng)允許使用例子圖像、用戶構(gòu)建的草圖和圖畫、選擇的顏色和紋理模式、鏡頭和目標(biāo)運(yùn)動(dòng)和其他圖形信息等，對(duì)大型圖像和視頻數(shù)據(jù)庫進(jìn)行查詢。 中國礦業(yè)大學(xué) 2021 屆本科生畢業(yè)設(shè)計(jì) 第 7 頁 本文的主要工作和內(nèi)容安排 本文的主要工作 ： 本文的主要內(nèi)容就是用 VC++ 實(shí)現(xiàn) 基于內(nèi)容的圖像檢索系統(tǒng) 的設(shè)計(jì) ，軟件實(shí)現(xiàn)功能 是基于紋理的圖像檢索， 利用傅立葉變換將圖像從空間域轉(zhuǎn)換到頻率域，用圖象的頻率表征圖像中灰度變化劇烈程度， 對(duì)平滑后的傅立葉頻譜的高頻分量進(jìn)行統(tǒng)計(jì)， 借助歐氏距離的相似性度量方法實(shí)現(xiàn)基于內(nèi)容的圖像檢索 。 中國礦業(yè)大學(xué) 2021 屆本科生畢業(yè)設(shè)計(jì) 第 8 頁 2 基于內(nèi)容的圖像檢索技術(shù)綜述 基于內(nèi)容的圖像檢索的概念和特點(diǎn) ⑴ 基于內(nèi)容的圖像檢索的概念 所謂基于內(nèi) 容圖像 的檢索是指由圖像分析軟件對(duì)輸入的圖像先進(jìn)行圖像分析， 根據(jù)圖像中物體或區(qū)域的顏色 (color)、形狀 (shape)或紋理(texture)等特征以及這些特征的組合，自動(dòng)抽取特征， 再 將輸入圖像存入圖像庫的同時(shí)將其相應(yīng)的特征向量也存入與圖像庫 相關(guān)聯(lián) 的特征庫。 ② 特征提取和匹配可 由計(jì)算機(jī)自動(dòng)完成。 ⑸ 驗(yàn)證模塊 其主要功能就是幫助驗(yàn)證如上提取的圖像是否滿足用戶的要求，根據(jù)目前的技術(shù)水平和設(shè)備條件，在自動(dòng)查詢和提取的基礎(chǔ)上用戶還需要最后的驗(yàn)證結(jié)果的手段。對(duì)于特定領(lǐng)域的圖像檢索，選取哪一種或哪幾種特征或特征表示，通常需要做具體的嘗試。 中國礦業(yè)大學(xué) 2021 屆本科生畢業(yè)設(shè)計(jì) 第 11 頁 基于內(nèi)容圖像檢索的主要研究問題分類樹 檢索和查詢需要解決的問題 ⑴ 如何制定一個(gè)查詢 檢索視覺數(shù)據(jù)的自然方法是用視覺查詢，即利用采樣的圖像，也就是說基于內(nèi)容的圖像檢索 ⑵ 如何提取圖像的內(nèi)容 目前用于基于內(nèi)容的查詢的技術(shù)主要集中在圖像的目標(biāo)的特征上，這些特征可以是目標(biāo)的顏色、紋理、形狀、空間關(guān)系或者他們的組合， ⑶ 如何檢索提取出 的匹配的圖像 需要一個(gè)與計(jì)算機(jī)內(nèi)部表達(dá)對(duì)應(yīng)的相似函數(shù)，這個(gè)函數(shù)可以抓取與人類感知相近的兩幅圖像或者兩個(gè)目標(biāo)間的相似性。結(jié)構(gòu)復(fù)雜，紋理亦復(fù)雜。通常使用的特征主要有能量、熵、相關(guān)性和慣性，該方法的主要缺陷是這些統(tǒng)計(jì)特征沒有和人在視覺上對(duì)紋理特征的感知之間建立對(duì)應(yīng)。 ⑶ 隨機(jī)分布模型 分?jǐn)?shù)布朗運(yùn)動(dòng)是一種非常適合與描述自然紋理的隨即分布模型，通過對(duì)分?jǐn)?shù)布朗運(yùn)動(dòng)的指數(shù) H 的估計(jì)，可建立一種基于分型的自然紋理的描述方法—— 自相關(guān)法，分?jǐn)?shù)布朗運(yùn)動(dòng)的定義 ，給定指數(shù) H，（ 0H1）如果概率空間上的隨即過程 X（ t）： (0, ) R?? 滿足下列兩個(gè)條件 中國礦業(yè)大學(xué) 2021 屆本科生畢業(yè)設(shè)計(jì) 第 14 頁 X（ 0） =0 并且 X(t)連續(xù) 對(duì)于任意的 0t? 及 ? 0 增量 X（ t+? ） X(t)服從均值是 0，方差是 22h?? 的正態(tài)分布即 2221[ ( ) ( ) ] e x p 22xHh uP X t X t x d u? ??? ? ? ? ?????? ? ? ? ?????（ 31） 利用公式()ln()ln( )stIIRsRtH st? ??????? ??? 可以計(jì)算 H 的值，而()tIRt和 ()sIRs可以從圖象中很容易的計(jì)算出來 ， 自相關(guān)函數(shù)為： ??222 2 2 2( ) ( 2 ) 2 ( 2 2 )m h h h hiR m m m m??? ? ? ?（ 32） ⑷ 隨機(jī)場(chǎng)模型 利用 Gibbs 模型對(duì)條件概率建?？捎?jì)算聯(lián)合概率函數(shù)，還和利用 Aura集來中心表達(dá) Gibbs 隨即場(chǎng)理論，得到的成為 Aura 測(cè)度的新測(cè)度， Aura 集描述一個(gè)集合在另一個(gè)集合臨近的相對(duì)出現(xiàn)程度，他精細(xì)的刻畫了 Gibbs 分布所產(chǎn)生的模型 。 Chang 和 Kuo 探索了小波中波段的特性，采用樹結(jié)構(gòu)小波變換來進(jìn)一步提高圖像分類精確度。 ⑷ 對(duì)比度、 方向性 、 粗細(xì)度 對(duì)比 度、 方向性 、 粗細(xì)度是描述紋理的 3 個(gè)量，利用這 3 個(gè)量可組合成一個(gè) 3D 空間中，兩點(diǎn)間的歐式距離與人對(duì)紋理感知的差距相近， ([Tamura 1978]).其中對(duì)比度依賴于像素的灰度分布，他可測(cè)量圖像中局部的灰度變化，圖像的對(duì)比度和圖像灰度的動(dòng)態(tài)范圍及圖 像邊緣的尖銳程度都有關(guān) 。由公式 ()ln()ln( )stIIRsRtH st? ??????? ??? （ 35） 可以看出，它反映的是 isR （ s）和 itR （ t）的相對(duì)關(guān)系的，這種關(guān)系在原始的紋理圖像上恰恰表現(xiàn)了 定義在不同鄰 域的預(yù)卜統(tǒng)計(jì)之間的特性關(guān)系，可以認(rèn)為一個(gè)圖像區(qū)域的局部統(tǒng)計(jì)特性或其他局部統(tǒng)計(jì)特性是不變的，變化緩慢的或者近似周期的就可認(rèn)為是具有不變的紋理， 公式 中國礦業(yè)大學(xué) 2021 屆本科生畢業(yè)設(shè)計(jì) 第 18 頁 ,()ln{ }()ln( )stIIstRsRtHst? （ 36） 式中 s、 t 均為自然數(shù)，,stH是描述圖像表面粗糙程度的，紋理越細(xì)膩，,stH分布越均勻，相反對(duì)于粗紋理，像素建相關(guān)性其較強(qiáng)， 自相關(guān)函數(shù)值差別比較大， ,stH 分布越 分散。它能將滿足一定條件的某個(gè)函數(shù)表示成正弦基函數(shù)的線性組合或者積分。 傅立葉變換的公式是 ( , ) ( , ) e x p [ 2 ( ) ]F u v f x y j u x v y d x d y? ? ? ??? (37) 其功率 譜 定義是： 2 *( , ) ( , ) ( , )F u v F u v F u v? (38) 如果一幅圖像的紋理較粗糙，即圖像灰度變換很少或者較慢則在 22vv?值處 2(