【正文】 , )Fuv 應(yīng)有較大值，如果一幅圖像的紋理較細(xì)膩，即圖像的灰度變化頻繁或者較快，則在大 22vv? 處 2( , )Fuv 應(yīng)有較大值，用下面的綜合性度量來(lái)檢測(cè)紋理的粗糙性， 公式 20( ) ( , )t F d? ? ? ??? ? (39) ()t? 得峰的位置反映紋理的構(gòu)成元素或紋理單元的大小，設(shè) ? 0 是 ()t? 的峰值，則 ? 0越小，說(shuō)明紋理基元 越 大，紋理越粗糙， ? 0越大，說(shuō)明紋理基元越小，紋理越細(xì)，如果 ()t? 沒(méi)有沒(méi)有明顯的峰值或峰值的數(shù)目不多明說(shuō)明紋理雜亂無(wú)章，存在有多種尺度上的紋理或空間相關(guān)。 ③ 將過(guò)濾后的圖像沿主要的紋理方向投影，對(duì)主要的紋理方向需確定其規(guī)則性（量化成 2bit）和粗細(xì)度（量化成 2bit） ,對(duì)此主要的紋理方向確定其粗細(xì)度（量化成 2bit）。 中國(guó)礦業(yè)大學(xué) 2021 屆本科生畢業(yè)設(shè)計(jì) 第 21 頁(yè) 一個(gè)特定的 Gabor 小波變換的具體過(guò)程為 ① 對(duì)圖像 I(x,y) 點(diǎn)（ x,y）處的灰度值 Gabor小波變換 ： ?? ??? 1111 ),(*),( dydxyyxxgyxIw mnmn (311) 這里 ),( 11 yyxxg mn ?? 為母小波函數(shù)， m=0..3為尺度（ scales） , n=0..5為方向度（ orientations）。紋理基元標(biāo)號(hào)為橫軸，以他們出現(xiàn)的頻率為縱軸而得到紋理圖像的直方圖 。 ?? yxay m ??? ? (320) 這里 kn /??? ，且 k 為總方向數(shù)，尺度因子 ma? 是為了能量獨(dú)立于 m。 ④ 分別沿兩個(gè)主要的紋理方向計(jì)算平滑后的傅立葉頻譜在對(duì)應(yīng)直線上的能量分配，以表征該方向上的紋理的粗糙程度。 ②計(jì)算對(duì)應(yīng)通道內(nèi)頻域能量的一階矩和二階矩，并作為紋理描述符的分量。對(duì)每個(gè)確定的頻率 r， ),( ?rS 是 1 個(gè) 1D 函數(shù) ???rS 。該反變換從本質(zhì)上說(shuō)也是一種累加處理，這樣就可以將單獨(dú)改變的正弦波信號(hào)轉(zhuǎn)換成一個(gè)信號(hào)。復(fù)雜性 重復(fù)性、方向性、復(fù)雜性 重復(fù)性表現(xiàn)在一定的紋理組元周期性的出現(xiàn)，這些組元可以用圖像的自相關(guān)函數(shù)來(lái)計(jì)算，具有較強(qiáng)的方向性的周期模式的方向可通過(guò)分析最接近原點(diǎn)的頻譜率來(lái)得到，而對(duì)非周期的紋理則可用即時(shí)自回歸模型來(lái)估計(jì)。 下面是 兩種結(jié)構(gòu)小波的對(duì)比示意圖 圖 (a)金字塔結(jié)構(gòu) 圖 (b)樹(shù)結(jié)構(gòu) 統(tǒng)計(jì)法紋理描述 [3] 基本紋理描述符 ⑴ 灰度直方圖的矩 最簡(jiǎn)單的統(tǒng)計(jì)法是借助灰度直方圖的矩來(lái)描述紋理，把直方圖的包絡(luò)看作是一條曲線，這可把他表示成 1 個(gè) 1D 函數(shù) f(r),這里 r 是個(gè)任意的變量，取遍曲線上的所有點(diǎn)，（【章 1999】）對(duì)這條直線可通過(guò)矩來(lái)定量的描述。 ⑵ 小波變換 小波是具有振蕩性并迅速衰減的波，小波變換具有時(shí)間 — 頻率都局部化的性質(zhì)，小波變換這種“變焦”特性是小波變換能夠提供多分辨率分析的基礎(chǔ)。量化區(qū)域的紋理內(nèi)容是描述紋理區(qū)域的一種重要的方法，根據(jù)紋理性質(zhì)可分為空間性質(zhì)、頻域性質(zhì)、結(jié)構(gòu)感知性質(zhì)，所 以紋理描述的模型可分為基于空間的紋理模型、基于頻域性質(zhì)的紋理模型、基于結(jié)構(gòu)感知性質(zhì)的紋理模型。國(guó)外有人做過(guò)視覺(jué)心理學(xué)的實(shí)驗(yàn)，發(fā)現(xiàn)人眼睛所看到的物體，是光線照于物體，物體表面灰度級(jí)的反應(yīng)。它不能單純的由顏色或密度得到，目前也是基于內(nèi)容的圖像檢索系統(tǒng)中的一條重要線索，一個(gè)紋理需要一個(gè)向量來(lái)表示，或者說(shuō)一個(gè)紋理可用一個(gè)多維空間中的一個(gè)點(diǎn)來(lái)表示，紋理可認(rèn)為是灰度在空間以一定的形式變化而產(chǎn)生的 圖案 ，是真實(shí)圖象區(qū)域固有的特征之一，對(duì)圖象文理分析主要包括 紋理分類，紋理分割，紋理合成，紋 理分類的目的是對(duì)每個(gè)均勻的區(qū)域賦予一個(gè)唯一的標(biāo)號(hào)，從而將各個(gè)區(qū)域劃歸預(yù)定的類別， 紋理分割 的目的是將圖象劃分為具有均勻 紋 理區(qū)域的組合， 紋 理合成是計(jì)算機(jī)圖形學(xué)中的重要 技術(shù)，通過(guò)感知上與實(shí)際接近的紋理并覆蓋在合成圖像的表面，可使圖像產(chǎn)生真實(shí)感，將圖像分成一些不重合的塊，并計(jì)算各塊的功率譜是一 種有效的紋理描述方法，基于這種方法得到的功率譜可以用譜的最大值對(duì) 紋理性質(zhì)建模，如果原始空余中有周期模式，則可用功率譜的峰來(lái)描述，對(duì)包含非周期或隨機(jī)模式的圖像，要檢測(cè)功率譜的峰值很難。因?yàn)閮?nèi)容特征，尤其是在集成多特征的檢索中，特征矢量高達(dá) 102 量級(jí)，大大多于常規(guī)數(shù)據(jù)庫(kù)的索引能力，因此，需要研究新的索引結(jié)構(gòu)和算法，以支持快速檢索。就視覺(jué)特征范疇而言，又可分為一般特征和領(lǐng)域特定特征。 功能模塊 ⑴ 查詢模塊 其主要功能就是對(duì)用戶提供多樣的查詢手段，以支持用戶根據(jù)不同的應(yīng)用進(jìn)行各種類型的查詢工作 。利用這一特點(diǎn)，可以用來(lái)抽取各類圖像庫(kù)中所有圖像文件的特征。 第三部分是 基于紋理的圖像檢索的相關(guān)理論 部分 ，包括 3 種基于紋理的圖像檢索技術(shù)的理論知識(shí) ，最后給出 基于紋理的檢索方案 。其顯著技術(shù)特色包括 : 多種特征提取方法、多種基于內(nèi)容檢索方法、使用自組織神經(jīng)網(wǎng)絡(luò)對(duì)復(fù)雜特征度量、建立基于內(nèi)容索引的新方法以及對(duì)多媒體信息進(jìn)行模糊檢索的新技術(shù)。 WebscopeCBR 是一個(gè)開(kāi)放式的系統(tǒng)，任何圖象都可以為了檢索的用途加到圖象數(shù)據(jù)庫(kù)中去。當(dāng)我們從遠(yuǎn)處看圖象時(shí) ,我們的 眼睛重合處取小區(qū)域內(nèi)的細(xì)節(jié)的平均值以得到次圖象的代表色。新的研究方向包括使用彈性變形的模板（ Pentland et al [1996]， del Bimbo et al[1996]），使用邊界的方向直方圖（ Jain and Vailaya[1996],Androutsas et al[1998] ）。最新的研究成果是紋理詞典（ Ma and Manjunath）的建立，自動(dòng)產(chǎn)生的紋理代碼作 為檢索時(shí)相似性度量的標(biāo)準(zhǔn)。直方圖交叉的相似性度量最早是由 Swain和 Ballad 于 1991年提出的，所有的基于直方圖的相似性度量都是基于這種概念的，改進(jìn)的度量包括直方圖的累加測(cè)量（ Stricker and Dimain， 1996） 以及在直方圖的相似性度量時(shí)加入空間位置信息和基于區(qū)域的顏色查詢（ Carson et al ，1997）。目前研究和應(yīng)用的層次主要是基于特征的查找?？梢钥醋魇腔趯?duì)象的查找。有的特征與圖象的視覺(jué)外觀相對(duì)應(yīng)，具有原始性，如亮度，形狀描述子，灰度紋理；還有一些特征 中國(guó)礦業(yè)大學(xué) 2021 屆本科生畢業(yè)設(shè)計(jì) 第 3 頁(yè) 缺少自然的對(duì)應(yīng)性，如灰度直方圖，顏色直方圖，空間頻譜圖。但是就本質(zhì)而言，書(shū)籍文獻(xiàn)的查找可以實(shí)現(xiàn)精確定位，如知道書(shū)的名字就可以從書(shū)庫(kù)中查找到。因?yàn)閳D象理解的現(xiàn)有水平，還不能實(shí)現(xiàn)自動(dòng)地識(shí)別“公園”和“正在玩耍的孩子”。 由上述可見(jiàn)，對(duì)視覺(jué)信息的檢索需要根據(jù)圖像所 表達(dá)的內(nèi)容來(lái)進(jìn)行，基于內(nèi)容的檢索方法是獲得和利用視覺(jué)信息的有效手段，只有根據(jù)內(nèi)容進(jìn)行檢索，才有可能有效的獲取需要的信息，同時(shí)在掌握信息內(nèi)容的基礎(chǔ) 上，數(shù)據(jù)庫(kù)中的信息才有可能被有效的利用和管理， 基于內(nèi)容的查詢還能幫助計(jì)算機(jī)調(diào)度圖像，對(duì)分布式的多媒體數(shù)據(jù)庫(kù)， 可減少網(wǎng)絡(luò)上的傳輸量。它是目前圖象檢索技術(shù)中比較前沿的研究熱點(diǎn)。 為解決以上問(wèn)題，需要全面地、客觀地 來(lái)提取圖像內(nèi)容，所以只有根據(jù)內(nèi)容進(jìn)行的檢索才能有效地獲得所需要的圖像信息，同時(shí)在掌握?qǐng)D像內(nèi)容的基礎(chǔ)上數(shù)據(jù)庫(kù)中的信息才能有效地進(jìn)行管理 ， 圖像信息的檢索是信息技術(shù)研究的一個(gè)新的重要研究?jī)?nèi)容，目的就是從圖像數(shù)據(jù)庫(kù)中快速的提取出與一個(gè)查詢相關(guān)的圖像或者圖像序列，圖像信息的檢索實(shí)際上是傳統(tǒng)信息檢索的一個(gè)擴(kuò)展 ， 這幾年比較顯著和重要的一點(diǎn)就是大量 各種類型的信息在全球得到了 采集，傳輸，流通和應(yīng)用， 人們正在進(jìn)入一個(gè)信息化的社會(huì)，各種信 息工具技術(shù)載 體方法和手段的綜合集成產(chǎn)生了許多他們?cè)瓉?lái)沒(méi)有的新功能和新概念。但是 這種查詢方式的完全智能化目前還不能成為現(xiàn)實(shí)。根據(jù)檢索的精度，檢索的返回率，檢索的速度等，來(lái)評(píng)價(jià)系統(tǒng)的優(yōu)劣。 （ 2）基于特征的查找。數(shù)據(jù)庫(kù)內(nèi)的圖象文件的特征矢量集以及抽取的方法被事先抽取并保存。接口技術(shù)應(yīng)最充分地表達(dá)用戶的要求， 對(duì)用戶對(duì)檢索結(jié)果的反饋有較好地修正能力。作為圖象的特征矢量加以保存。通過(guò)選擇點(diǎn)對(duì)的相對(duì)亮度，計(jì)算出表征圖象紋理的測(cè)度，如對(duì)比度 、粒度、 方向性和規(guī)則性（ Tamura et al 1978 ）或者周期性、 自由度（ Liu and Picard， 1996 ）。特征一般 包括兩類：全局特征和局部特征。 近年來(lái)在圖象檢索領(lǐng)域的研究出現(xiàn)很多新的研究成果，這些研究大都有一個(gè)共同的特點(diǎn)，就是應(yīng)用現(xiàn)有的各種工具和方法，如傅立葉變換、小波分析、模糊理論 [23]等，利用圖象的多種特征綜合起來(lái)進(jìn)行檢索。例如，國(guó)防科技大學(xué)的多媒體信息查詢和檢索系統(tǒng) MIRc，該系統(tǒng)設(shè)計(jì)了能夠描述多媒體內(nèi)容和結(jié)構(gòu)特征，記憶信息線索的數(shù)據(jù)模型；以此為基礎(chǔ)，進(jìn)行基于內(nèi)容的多媒體信息查詢和檢索，可以根據(jù)用戶提供的圖象或視頻幀例子，根據(jù)顏色和輪廓特征進(jìn)行查詢。 2． Photobook 系統(tǒng) 中國(guó)礦業(yè)大學(xué) 2021 屆本科生畢業(yè)設(shè)計(jì) 第 6 頁(yè) MIT 的媒體實(shí)驗(yàn) 室在 1994 年開(kāi)發(fā)研制的。 同時(shí) 對(duì)圖像檢索的算法、圖像檢索的關(guān)鍵 技術(shù)、圖像檢索的類型、圖像檢索的發(fā)展有個(gè)更加深入了解，當(dāng)然，我所設(shè)計(jì)的圖像檢索系統(tǒng)不是很復(fù)雜，只是選擇了一種 單一 檢索方法實(shí)現(xiàn)了圖像的檢索，主要功能是選擇 一幅 關(guān)鍵圖、 根據(jù)關(guān)鍵圖的紋理特征在圖象庫(kù)中檢索出與之相似差距在一定范圍之內(nèi)的圖象來(lái)，并 顯示檢索圖和檢索圖的路徑和文件名 ，方便用戶的查找。在進(jìn)行檢索圖像時(shí)，對(duì)每一幅給定的查詢圖，進(jìn)行圖像分析，并提取圖像特征向量。 ③ 為了提高檢索的準(zhǔn)確性，整個(gè)過(guò)程是個(gè)逐步逼近和相關(guān)反饋的過(guò)程。如果驗(yàn)證效果不滿意，新一輪的查詢可通過(guò)查詢條件而重新開(kāi)始。 ⑶ 空間區(qū)域特征的自動(dòng)提取 對(duì)于基于形狀及區(qū)域的圖像檢索，如何提取空間區(qū)域特征（如邊緣、方位置關(guān)系等），如何表示與利用這些特征就成為需要考慮的關(guān)鍵問(wèn)題。 ⑷ 如何設(shè)計(jì)用戶接口 在基于內(nèi)容的圖像檢索上，靈活的用戶接口允許可視化的監(jiān)視和驗(yàn)證檢索結(jié)果非常重要，因?yàn)橛脩羰菣z索的最終裁判 。根據(jù)這一觀點(diǎn)，紋理分析很容易引導(dǎo)到句法結(jié)構(gòu)識(shí)別方法中去。目前有不少人提出了其它的紋理特征度量方法，其中 Tamura提出的紋理特征集可以很好地與人類視覺(jué)感知相對(duì)應(yīng)，這些特征包括：粗糙度（ coarseness）、對(duì)比度（ contrast）、方向度（ directionality）、線象度（ linelikeness）、規(guī)整度（ regularity）和粗略度（ roughness） [8]。 基于頻域性質(zhì)的紋理模型 [3] 頻域模型基于對(duì)功率譜密度函數(shù)的頻率或變換系數(shù)的分析， 2－ D變換的系數(shù)可指示了灰度模式間的相關(guān)程度。在一個(gè)近期的文章中， Ma 和 Manjunath 評(píng)價(jià)了多種小波變換形式的圖像紋理標(biāo)注。 粗細(xì)度也叫粗糙度，它測(cè)量的是紋理的間隔尺寸 /粒度，與圖像的分辨率有關(guān)，分辨率大則紋理比較粗，即組成紋理的元素尺寸比較大，計(jì)算公式是 中國(guó)礦業(yè)大學(xué) 2021 屆本科生畢業(yè)設(shè)計(jì) 第 17 頁(yè) Coarseness= ? ?1 2,kij f i jmn ?（ 33） 其中窗口尺寸是 2k *2k ， k 的取值在 0 和 5 之間。 基于傅立葉變換的紋理描述 傅立葉原理表明：任何連續(xù)測(cè)量的時(shí)序或信號(hào)，都可以表示為不同頻率的正弦波信號(hào)的無(wú)限疊加。在不同的研究領(lǐng)域，傅里葉變換具有多種不同的變體形式，如連續(xù)傅里葉變換和離散傅里葉變換。另一個(gè)與能量普緊密相關(guān)的是紋理的方向性，假如一幅圖像有一條朝向（與 x 軸夾角為? 0的邊緣 ），那么沿著于此邊緣垂直的方向上，即 ? 0? 2? 的方向上，有可能觀察到明顯的紋理，這是因?yàn)榧y理基元一定是靠邊緣將其與其他基元 或者物體像分開(kāi)的 ，圖像 傅 利葉變換在（ u， v ）空間上應(yīng)有較大的分量， 2( , )F?? 應(yīng)在 ? 0? 2? 方向上有較大的值，為此構(gòu)造下對(duì)方向較敏感的度量 。 一種具體計(jì)算紋理瀏覽描述符的主要步驟如下 ① 計(jì)算輸入輸出圖像的傅立葉變換。 ② 求 ),( yxWmn 的均值、方差： ??? d xd yyxW mnnm |),(|,? (312) 2/12, ))),(((?? ?? dx dyyxW nmmnnm ?? (313) 則特征向量為： ], .. . ,[ 5,35,31,01,00,00,0 ???????f ，為 24維向量 ③ 求 圖 I與 J之間的距離為： ? ??m n mn JIdJId ),(),( (314) ||||),( , JnmInmJnmInmmn JId ???? ???? (315) 〈注〉 母小波函數(shù) ),( 11 yyxxg mn ?? 的推導(dǎo)如下， 一個(gè)兩維的 Gabor 方程 g(x,y)和它的傅立葉變換 G(u,v)可寫為 ： ????????