【正文】 39。公式 2( ) ( , )t F d? ? ? ?? ? (310) 如果 ()t? 存在峰巔，則說明原圖像有可能是沿著 ? 0方向延伸的，如果不存在明顯的峰巔或者峰點過多，則說明紋理無明顯的方向性變化，或者紋理 中國礦業(yè)大學(xué) 2021 屆本科生畢業(yè)設(shè)計 第 20 頁 雜亂無 章。而根據(jù)該原理創(chuàng)立的傅立葉變換算法利用直接測量到的原始信號，以累加方式來計算該信號中不同正弦波信號的頻率、振幅和相位。發(fā)現(xiàn) Gabor 小波變換的檢索方法效果最 好。其中最重要的特征是紋理的粗糙度、對比度和方向度 ,QBIC 系統(tǒng)中就 是利用了這三種性質(zhì)的數(shù)學(xué)描述進(jìn)行基于紋理的檢索。 體系結(jié)構(gòu) 支持基于內(nèi)容檢索 基 圖像數(shù)據(jù)庫的結(jié)構(gòu) 框架結(jié)構(gòu) 全局顏色特征索引 于 顏色特征索引 局部顏色特征索引 內(nèi) 容 形狀特征索引 形狀輪廓特征索引 的 支持基于內(nèi)容的圖 形狀區(qū)域特征索引 圖 像檢索的索引技術(shù) 像 紋理特征索引 紋理結(jié)構(gòu)特征索引 檢 紋理統(tǒng)計特征索引 索 主 空間特征索引 2D S t r i ng 及其變種的索引 要 空間對象點集拓?fù)潢P(guān)系 研 幾何度量方法 究 圖像內(nèi)容的相似度量方法 技 基于集合理論的度量方法 術(shù) 圖像多特征的相關(guān)反饋 基于內(nèi)容的圖像檢索效果評判 中國礦業(yè)大學(xué) 2021 屆本科生畢業(yè)設(shè)計 第 12 頁 3 基于紋理的圖像檢索理論知識 紋理描述模型 紋理概述 紋理是與物體表面材質(zhì)有關(guān)的圖像內(nèi)在特征，可以把紋理描述為：一個鄰域內(nèi)象素灰度級變化的空間分布規(guī)律，包括表面結(jié)構(gòu)組織及與周圍環(huán)境關(guān)系的許多重要信息。 圖像檢索的流程 圖 圖象的 檢索流程 圖 輸入 分析 特征 特征庫 分析 特征 匹配 數(shù)據(jù)庫 輸出 瀏覽 查詢 中國礦業(yè)大學(xué) 2021 屆本科生畢業(yè)設(shè)計 第 10 頁 由于上述工作原理可以知道基于特征的圖像檢索有三個關(guān)鍵：一是要選取恰當(dāng)?shù)膱D像特征，二是要采用有效的特征提取方法，三是要有準(zhǔn)確的特征匹配算法。將該圖像的特征向量和特征庫中的特征向量進(jìn)行匹配，根據(jù)匹配的結(jié)果到圖像庫中搜索就可以提取出所需要的檢索圖 。圖像在裝入時按人臉、形狀或紋理特性自動分類，圖像根據(jù)類別通過顯著語義特征壓縮編碼。經(jīng)過國內(nèi)外專家的 10 多年的研究，基于內(nèi)容的信息檢索已經(jīng)取得了長足的發(fā)展，已有大量相關(guān)的理論研究和技術(shù)應(yīng)用的論文發(fā)表。小波理論（ Manjunath and Ma， 1996）和分形理論（ Kaplan et al， 1998）的發(fā)展， 中國礦業(yè)大學(xué) 2021 屆本科生畢業(yè)設(shè)計 第 4 頁 為紋理分析提供了新的工具。評價技術(shù)的難點在于制定統(tǒng)一的準(zhǔn)則，因為不同的檢索系統(tǒng)應(yīng)用于不同的領(lǐng)域，使用不同的方法，很難用普適性強的準(zhǔn)則加以評價。在基于特征的層次上描述圖象。比如：查詢者需要查找一幅“公園里玩耍的孩子”的圖象。摘 要 隨著科技的發(fā)展，特別是網(wǎng)絡(luò)和計算機(jī)的發(fā)展，現(xiàn)代信息的處理方式發(fā)生了很大變化，要想從數(shù)據(jù)庫中快速準(zhǔn)確的檢索出所需要的信息，為了提高處理的速度和準(zhǔn)確率，需要改變傳統(tǒng)的信息檢索的方式來適應(yīng)社會發(fā)展的需要，因此基于內(nèi)容的圖像檢索應(yīng)運而生了， 基于內(nèi)容的圖像檢索技術(shù)在數(shù)字圖書館，網(wǎng)絡(luò)信息安全，預(yù)防犯罪，知識產(chǎn)權(quán)，醫(yī)療診斷，地理信息系統(tǒng)及遙感等領(lǐng)域有著廣泛的應(yīng)用。這個簡單的查詢，對具有五十 年發(fā)展歷史的計算機(jī)視覺來說，目前幾乎是不可能的。圖象的特征就是一幅圖象與其他圖象不同的原始特性或根本屬性。雖然匹配技術(shù)是當(dāng)前研究的熱點，但是尋找性能優(yōu)良的相似性度量標(biāo)準(zhǔn)，仍然需要做更進(jìn)一步的研究。紋理查詢的方式可以是查詢者提供紋理模板或給定模板圖象。例如在 INSPEC 上用 image retrival 為關(guān)鍵詞，可搜索到從 1992 年以來的文獻(xiàn)一接近 3000 篇，M． 和 在文獻(xiàn) [21]中提出了利用圖象的小波變換在表現(xiàn)圖象方 向性方面的特點，直接在壓縮域中抽取圖象特征進(jìn)行相似度匹配的方法，以較小的計算量取得了較好的檢索效果，在文獻(xiàn) [20]中， Pei 和 cheng提出使用圖象的代表色作為識別的特征依據(jù) ,這種 方法與人眼在獲取圖象信息時的過程是相似的。 3． CORE 系統(tǒng) 新加坡國立大學(xué)開發(fā)的一個基于內(nèi)容的檢索機(jī)。 基于內(nèi)容的圖像檢索技術(shù) 在特征匹配時， 幾乎不需要用戶的參與， 而主要利用圖像自身的特征 (如顏色、紋理、形狀等 )來完成，具有較強的客觀性和直觀性。 圖像檢索的關(guān)鍵技術(shù) ⑴ 圖像視覺特征的提取及利用 特征（內(nèi)容）提取是基于內(nèi)容圖像檢索的基石，廣義上講，特征既包括文本特征（關(guān)鍵字、標(biāo)注等）又包括視覺特征（顏色、紋理、形狀、外觀等）。而紋理的精確定義至今還未給出，一般地說， 紋理就是指在圖像中反復(fù)出現(xiàn)的局部模式和它們的排列規(guī)律 [7]。由于人對紋理的視覺特征的認(rèn)識非常主觀，目前還沒有一個統(tǒng)一的標(biāo)準(zhǔn)來精確的表示紋理特征。 小波變換提供了一種將任何能量有限信號分解成一系列對數(shù)帶寬相同的頻道的方法，為分析紋理模型，常用兩種小波變換： 金字塔結(jié)構(gòu)的小波變換和樹結(jié)構(gòu)的小波變換，下圖給出了小波變換的分解的一個對比圖 ，（ L表示低頻， H 表示高頻）分別表示了金字塔結(jié)構(gòu)和樹型結(jié)構(gòu)的迭代分解情況，在金字塔結(jié)構(gòu)分解中，僅遞歸分解 LL 通道（低頻通道）以生成下一尺寸的各頻帶輸出，而不分解其他通道，在樹型結(jié)構(gòu)分解中， 還常將 LH 通道和HL 通道（中頻部分）遞歸分解。和傅立葉變換算法對應(yīng)的是反傅立葉變換算法。 [3] 1 同質(zhì)紋理描述符 一幅圖象可看作是同質(zhì)紋理以馬賽克的形式拼起來的，所以與圖象區(qū)域?qū)?yīng)的紋理可作為索引來檢索圖象，同質(zhì)紋理描述符可以提供一個定量的紋理描述用于對紋理的精確檢索和描述，他對每幅紋理圖象或者每 個紋理區(qū)域用 62 個（量化成 8bit）數(shù)來表達(dá)，同質(zhì)紋理描述符的計算步驟如下 ①用方向（分 6個方向）和尺度（分 5級）可調(diào)的 Gabor 濾波器組過濾圖象。, ??? ? (318) (319) )c o ss in(39。 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， 一個兩維的 Gabor 方程 g(x,y)和它的傅立葉變換 G(u,v)可寫為 ： ???????? ????????? ???xyxyxjWyxyxg ?????? 221e x p)2 1(),( 2222 (316) ?????????????????? ????2222)(21e x p),( vu vwuvuG ?? (317) 這里 ，xu ??? 21? 、yv ??? 21? ② 將 g(x,y)作為母小波，那么自相關(guān)的過濾器字典就可以通過生成函數(shù)對g(x,y)進(jìn)行適當(dāng)?shù)臄U(kuò)張和旋轉(zhuǎn)得到： e ge rnmayxGayxg mnm i nt,1),(),( 39。另一個與能量普緊密相關(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，這是因為紋理基元一定是靠邊緣將其與其他基元 或者物體像分開的 ，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)造下對方向較敏感的度量 。 基于傅立葉變換的紋理描述 傅立葉原理表明：任何連續(xù)測量的時序或信號，都可以表示為不同頻率的正弦波信號的無限疊加。在一個近期的文章中， Ma 和 Manjunath 評價了多種小波變換形式的圖像紋理標(biāo)注。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感知相對應(yīng)，這些特征包括：粗糙度（ coarseness）、對比度（ contrast）、方向度（ directionality）、線象度（ linelikeness）、規(guī)整度（ regularity）和粗略度（ roughness） [8]。 ⑷ 如何設(shè)計用戶接口 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)視和驗證檢索結(jié)果非常重要，因為用戶是檢索的最終裁判 。如果驗證效果不滿意，新一輪的查詢可通過查詢條件而重新開始。在進(jìn)行檢索圖像時，對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。 2． Photobook 系統(tǒng) 中國礦業(yè)大學(xué) 2021 屆本科生畢業(yè)設(shè)計 第 6 頁 MIT 的媒體實驗 室在 1994 年開發(fā)研制的。 近年來在圖象檢索領(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共同的特點，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進(jìn)行檢索。通過選擇點對的相對亮度，計算出表征圖象紋理的測度，如對比度 、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 ）。接口技術(shù)應(yīng)最充分地表達(dá)用戶的要求， 對用戶對檢索結(jié)果的反饋有較好地修正能力。 （ 2）基于特征的查找。但是 這種查詢方式的完全智能化目前還不能成為現(xiàn)實。它是目前圖象檢索技術(shù)中比較前沿的研究熱點。因為圖象理解的現(xiàn)有水平，還不能實現(xiàn)自動地識別“公園”和“正在玩耍的孩子”。有的特征與圖象的視覺外觀相對應(yīng)，具有原始性，如亮度，形狀描述子，灰度紋理；還有一些特征 中國礦業(yè)大學(xué) 2021 屆本科生畢業(yè)設(shè)計 第 3 頁 缺少自然的對應(yīng)性，如灰度直方圖，顏色直方圖，空間頻譜圖。目前研究和應(yīng)用的層次主要是基于特征的查找。最新的研究成果是紋理詞典（ Ma and Manjunath）的建立，自動產(chǎn)生的紋理代碼作 為檢索時相似性度量的標(biāo)準(zhǔn)。當(dāng)我們從遠(yuǎn)處看圖象時 ,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。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)對復(fù)雜特征度量、建立基于內(nèi)容索引的新方法以及對多媒體信息進(jìn)行模糊檢索的新技術(shù)。利用這一特點，可以用來抽取各類圖像庫中所有圖像文件的特征。就視覺特征范疇而言，又可分為一般特征和領(lǐng)域特定特征。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，一個紋理需要一個向量來表示，或者說一個紋理可用一個多維空間中的一個點來表示，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 ，是真實圖象區(qū)域固有的特征之一，對圖象文理分析主要包括 紋理分類，紋理分割，紋理合成，紋 理分類的目的是對每個均勻的區(qū)域賦予一個唯一的標(biāo)號，從而將各個區(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 理合成是計算機(jī)圖形學(xué)中的重要 技術(shù)，通過感知上與實際接近的紋理并覆蓋在合成圖像的表面，可使圖像產(chǎn)生真實感，將圖像分成一些不重合的塊，并計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 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描述，對包含非周期或隨機(jī)模式的圖像，要檢測功率譜的峰值很難。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。 下面是 兩種結(jié)構(gòu)小波的對比示意圖 圖 (a)金字塔結(jié)構(gòu)