基于纹理特征的图像检索毕业论文.doc

基于纹理特征的图像检索 PAGE III 基于纹理特征的图像检索 摘要 随着计算机技术和网络技术的发展，以及多媒体的推广应用，产生了大量的各式各样的图像。如何有效地对这些图像进行分析、存储和检索是一个急待解决的问题。基于内容的图像检索技术能有效地解决这一问题，成为研究的重点。图像检索的研究目的就是实现自动化、智能化的图像查询和管理方式，使查询者可以实现方便、快速、准确地查找。纹理是图像的一个主要视觉特征，也是基于内容图像检索系统中的一个重要手段。本文对基于纹理特征的图像检索技术进行了研究，并通过实验验证了检索算法的有效性。 图像的特征提取是图像检索的关键技术之一。本文将灰度共生矩阵用于图像的纹理特征提取。 设计并实现了一个基于纹理特征的图像检索系统。给出了系统的流程图，并介绍了系统的查询模块、特征提取模块、匹配模块和图像显示模块及其各个模块的功能。系统采用欧氏距离法作为图像的相似性度量，采用灰度共生矩阵算法提取图像的纹理特征。最后通过实验对给定的图像进行检索。 关键词：图像检索，纹理特征，共生矩阵 目 录 TOC \o 1-3 \h \z \u 1 前言 h 1 1.1 图像检索的发展现状 h 1 1.2 图像检索技术分类 h 3 1.3 研究内容与章节安排 h 5 2 图像检索的基本原理 h 6 2.1 检索系统通用框架 h 6 2.2 检索系统关键技术 h 7 2.2.1特征提取 h 7 2.2.2高维索引 h 9 2.3 检索查询方式 h 10 2.3.1外部图例查询 h 10 2.3.2内部图例查询 h 10 2.3.3草图查询 h 11 2.4 图像的相似性度量 h 11 2.4.1概述 h 11 2.4.2相似性测度 h 11 2.4.3非几何相似性测度 h 13 2.4.4小结 h 14 2.5 本章小结 h 15 3 基于纹理特征的图像检索算法研究 h 16 3.1 纹理特征概述 h 16 3.2 基于小波变换的纹理特征提取 h 18 3.2.1图像的小波变换 h 18 3.2.2小波基的选择 h 20 3.2.3小波基的正则性阶数 h 21 3.2.4小波变换的级数 h 22 3.3 基于灰度共生矩阵的纹理特征 h 23 3.3.1灰度共生矩阵 h 23 3.3.2灰度共生矩阵特征提取 h 27 3.4 基于灰度一梯度共生矩阵的纹理特征 h 27 3.4.1灰度一梯度共生矩阵 h 27 3.4.2灰度一梯度共生矩阵特征提取 h 28 3.5 本章小结 h 29 4 图像检索系统设计与实现 h 30 4.1 系统模块和功能 h 30 4.2 系统流程 h 31 4.3 主要算法说明 h 31 4.3.1基于灰度共生矩阵的纹理特征提取算法 h 31 4.3.2纹理特征计算的代码 h 34 4.4 实验及结论 h 39 4.4.1检索系统的评价指标 h 39 4.4.2实验结果及分析 h 40 4.4.3本章小结 h 42 5 总结与展望 h 43 5.1 总结 h 43 5.2 展望 h 43 致谢 h 44 参考文献 h 45 1 前言 随着互联网技术向宽带、高速、多媒体方向的发展，人类正快速进入一个信息化的时代。各种信息工具、技术、载体等应运而生。在众多类型的信息资源中，图像具有直观、形象、易于理解和信息量大等特点，成为资源库的重要组成部分。同网络信息一样，由于图像数量巨大，种类繁多，加之排列方式错综复杂，这给图像检索带来了困难。近年来，基于内容的图像检索技术有了长足的发展。基于内容的图像检索能有效的对图像进行管理和检索，这项技术既充分体现了图像的信息特点，又充分结合了传统数据库技术，它的应用对解决信息膨胀，有效快速地利用多媒体信息有很好的实用价值。 图像的内容包括图像的颜色、纹理、形状等视觉特征和语义特征。其中，纹理特征作为最为显著的视觉特征之一，它是一种不依赖于颜色或亮度反映图像中同质现象的视觉特征。纹理特征包含了物体表面结构组织排列的重要信息，以及与周围环境的联系。因此在基于纹理的图像检索中得到了广泛应用。 1.1 图像检索的发展现状 自90年代以来，基于内容的图像检索已经成为了一个非常活跃的研究领域。从目前的研究现状来看，基于内容的图像检索可分为3层。下层是基于颜色、纹理、形状等反映图像基本物理特征的检索，是最直接也是最基本的层面，用到图像信息处理、图像分析和相似性匹配技术。中间层是基于图像对象语义的检索，如图