基于图像纹理特征的目标快速检索.pdfVIP

维普资讯 张云彬等：基于图像纹理特征的目标快速检索 基于图像纹理特征的目标快速检索① 张云彬② 张永生 (信息工程大学测绘学院 郑州 450052) 摘 要 在讨论共生矩阵的基础上，提出了一个通过图像分割获取 目标图像纹理特征，进 而实现图像快速检索的方法。试验表明，该方法检索 目标图像的可靠性较高，具有 良好的 应用价值。 关键词 共生矩阵，纹理特征，图像分割，图像检索 检索。但是，受到纹理描述算法的限制，不同的图像 0 引 言 纹理可能产生相同或相近的纹理特征值，因此在纹 理比较中可能会 出现多值匹配现象。 图像的纹理通常指的是在二维空间变化的灰度 和颜色所组成的图案。这种变化是统计相关的，可 1 共生矩阵 定义为影像的某种局部性质，即某一带唯一模型特 征的区域。纹理是图像的重要特征之一，它反映了 1．1 灰度共生矩阵 物体本身的基本属性，依靠纹理特征有助于将不同 本文提取纹理特征的方法是以灰度级的空间相 类型的物体区分开来，因此可将其应用于图像识别、 关矩阵——共生矩阵(CooecurrenceMatrix)作为基础 图像分析及图像检索中。基于此种纹理特征，一幅 的。灰度共生矩阵 P又称灰度共现矩阵，是图像灰 影像可看成是不同纹理模型区域的嵌套。纹理基元 度的二阶统计度量。灰度共生矩阵的元素 P(i， 是构成纹理的基本单位，它是一种或多种图像基元 Id，)描述在 方向上，相隔 d个像素距离的一对 的组合，纹理基元的适当排列组合就形成了纹理。 像素分别具有灰度值 i和7的出现概率 (频数)l1]。 纹理基元排列的疏密、周期性、方 向性等的不同，能 其中0是两像素连线 向量的角度，通常沿 0o,45。、 使图像的外观产生极大的改变，反映在图像上就是 90。和 135。四个角度来获取纹理特征。 纹理的粗细、走向等特征的描述和解释。 例如， 纹理分析是指通过一定的图像处理技术抽取出 P(i，JId，0o)= #{(，Y)If(，Y)=i， 纹理特征，从而获得纹理的定量或定性描述的处理 f( +d，Y)：J， 过程。图像的纹理分析通常有两种方法，一是统计 i， = 0，1，2，… ，L一 1， 方法，一是结构方法。统计方法是指用数学统计和 ，Y=0，1，2，…，N一1} (1) 转换的方法得到图像的数值化纹理特征，并利用这 其中#(1-2)表示集合 n的元素个数，f(，Y)为图像 些特征标识不同的图像。该方法常用于分析纹理细 灰度矩阵的元素，该图像灰度级为 ，行列宽为 Ⅳ。 密而且不规则的图案，如各种影像数据。结构方法 由上可知，沿不同方向将生成不同的共生矩阵，每个 则适用于像布料的印刷图案或砖花图案等一类像素 共生矩阵的维数是 L×L。对于一幅256灰度级的 排列比较规则的图像。本文讨论的 图像来说，这样的信息量是相当大的。 是统计方法纹理分析。 共生矩阵 P反映了图像灰度分布关于方向、局 利用图像的纹理特征值来标识 部领域和变化幅度的综合信息，但它并不能直接提