基于内容的图像检索系统(5)

河南理工大学毕业设计（论文）说明书

间域中的灰度分布信息。

基于上述灰度共生矩阵可以定义诸如纹理二阶矩，熵，对比度和均匀性等14个纹理特征向量。下面给出常用的最有效的，也是本系统所使用的几个纹理特征向量。

（1）能量(Energy)

E???P2(i,j)

i?0j?0L?1L?1 （2-17）

能量也称为二阶角距，可以反映图像中纹理的粗细和灰度分布的均匀程度。其值越大说明纹理越细、图像越均匀，当值为1时表明图像灰度分布完全均匀；反之，值越小说明纹理越粗糙、灰度越不均匀。

（2）熵(Entropy)

H????P(i,j)log[P(i,j)]

i?0j?0L?1L?1 （2-18）

熵是图像信息量的度量，描述了图像中灰度变化的复杂程度。熵值越大表明图像的复杂程度越高；熵值越小表明图像复杂程度越低。

（3）对比度(Contrast)

CON???(i?j)2P(i,j)

i?0j?0L?1L?1 （2-19）

对比度也称惯性矩。对比度描述了图像的灰度变化情况，反映了纹理的强弱和图像的清晰度。对比度越大表示相邻像素间的灰度差异越大纹理越明显；对比度值越小表示纹理越不明显，当对比度值为0时图像没有纹理。

（4）相关(Correlation)

??ijP(i,j)???xL?1L?1i?0j?0yCOR??x?y （2-20）

其中，?x,?y,?x,?y，分别是Px和Py的均值和标准差；Px是共生矩阵中每行之和，同样的，Py是共生矩阵中每列之和。相关反映了共生矩阵的行和列上元素的相似程度，在纹理方向上的值大于其他方向上的值，所以可以通过比较四个方向的共生矩阵的相关值的大小来得到纹理的方向。

由于这些参量表示了图像纹理特征某一方面的性质，因此通过比较这些参量，可反映出不同图像纹理特征的差异，实现图像检索。

17

河南理工大学毕业设计（论文）说明书

（4）图像纹理谱

纹理谱方法的主要思想是利用局部纹理模式作为纹理单元来进行纹理分析，通过刻画图像像素点邻域内灰度的变化来描述图像的纹理结构特征。纹理谱直方图是对局部纹理结构的统计方法。纹理谱与以往的方法相比概念清楚，所需的计算量较小，近年来越来越受到重视。

数字图像的每一个像素（除边界像素外）都由8个相邻像素围着，单个像素的纹理可从其周围的3×3邻域中提取，这个3×3邻域表示其中心像素所有8个方向的最小完整单元。

对于图像中的一个3×3邻域，如图2-3所示，该邻域内的九个像素记为，

I?{I0,I1,I2,I3,I4,I5,I6,I7}，其中I0表示中心像素灰度值。同时定义一个纹理单元

TU，TU包含8个像素，TU?{U1,U2,U3,U4,U5,U6,U7,U8}。

定义Ui的值为：

?0??????Ii?(I0?C)?Ui??1??(I0?C)?Ii?(I0?C)

?2??????I?(I?C)i0? （2-21）

其中i?1,2,??,8，C表示一个正常量，Ui与像素i对应。对于TU中的每个元素均有三种取值可能，所以对于8个单元共有38=6561个可能取值。因此，纹理单元的个数为：NTU?6561。

上述定义的一组6561个纹理单元描述的是给定像素I0的纹理特征，即中心像素与其周围邻域像素之间的相对灰阶关系。对图像的所有纹理单元的发生频数进行统计，这个发生频数函数就表征了所要分析的图像的纹理信息。我们称这个所有纹理单元的频数发生函数为纹理谱。一幅图像通常由两部分组成，纹理基元和随机噪声或背景。纹理组分相对于背景的百分比越大，纹理特征就越容易被人的视觉所觉察。就纹理谱而言，一幅图像的纹理组分的百分比越大，就会导致特殊的峰分布，而且，不同的纹理是由具有不同纹理谱的特殊的纹理单元所组成。从这一点上看，一幅图像的纹理信息可以由纹理谱来描述。

图2-3 图像中一个3×3像素邻域

18

河南理工大学毕业设计（论文）说明书

3 特征提取算法选择

3.1 颜色特征提取算法

颜色是人的视觉系统对可见光的感知结果，通常用颜色空间来描述。常用颜色空间有RGB、CMYK、HSV、XYZ、CIELab等。其中RGB空间由红、绿、蓝三原色组成，所有颜色都可以表示为这3种颜色按不同比例的混合。RGB空间易于变成、易于硬件使用但不直观。在图像分析和识别领域应用最多的是HSV颜色空间，该空间使用颜色的3个特性（色调、饱和度和亮度）作为定义颜色的组成部分。HSV空间能较好的反映人对色彩的感知和鉴别能力，非常适合基于内容的图像相似比较。因此，本系统采用HSV颜色空间。

3.1.1 颜色的量化

本系统采取的方法是用HSV空间的颜色直方图来描述图像的整体颜色特征，一幅图像的颜色一般很多，尤其是真彩色图像，直方图矢量的维数会很多，所以先对HSV空间的进行适当的量化后再计算直方图，这样就可以节约存储空间和减少计算复杂度。因此需要对HSV三个分量按照人的颜色感知进行量化，这里采用非等间隔量化的方法，非等间距量化就是对颜色空间每一通道的划分不采用等分的方法。如果颜色划分过于粗略，则会造成一定的检索误差；如果颜色划分过细，则计算量较大。

在兼顾检索误差与计算量，对HSV三个分量选取一个合适的量化标准，H量化成8级，S量化成3级，V量化成3级。Qh?8，Qs?3，Qv?3，所以L的取值范围为[0,71]。当v?[0,0.2)时为黑色区域，此时l?0；当s?[0,0.2]且v?[0.2,0.7)时为灰色区域，此时l?(v?0.2)?10?1；当s?[0,0.2]且v?(0.7,1.0]时为白色区域，此时

l?7；当s?(0.2,1.0]且v?(0.2,1.0]时为彩色区域。

3.1.2 颜色特征的提取

在实际运算中对H、S、V三维特征矢量取不同的权值组合成一维特征向量以便于计算。在这三个矢量中，人眼对于颜色的划分主要依据色调H，其次是饱和度S，最后才是亮度V。同时根据H、S、V的量化级数和其频带宽度可组合成一维矢量L：

L?QsQvH?QvS?V

(3-1)

其中，Qs和Qv分别是分量S和V的量化级数。通过该方法即将H、S、V三

19

河南理工大学毕业设计（论文）说明书

维特征矢量组合成了一维矢量。具体实现程序如下： for i=1:M for j=1:N

L(i,j)=9*H(i,j)+3*S(i,j)+V(i,j); end end

提取出来的颜色直方图特征具有72个特征向量，为了减少计算量，并达到较好的检索效果，本系统对这个一维特征进行量化，量化后组成一个一维12向量的特征矢量。

本系统对HSV颜色空间量化以及特征提取的程序见附录A-1颜色特征提取程序。

3.2 纹理特征提取算法

3.2.1 图像预处理

尽管现实中的场景都是彩色的，但目前有关纹理的研究大部分都集中在灰度纹理领域，彩色纹理的研究很少有人关注。目前，对彩色纹理的分析还处于探索阶段，还没有一个非常有效的彩色纹理描述方法。

本系统中采用了灰度共生矩阵作为计算图像纹理特征的方法。在提取图像特征之前必须对彩色图像进行灰度变换。首先将各颜色分量转化为灰度，具体实现程序如下：

Gray = double(0.3*I(:,:,1)+0.59*I(:,:,2)+0.11*I(:,:,3));

其次为了减少计算量，必须对原始图像灰度级压缩，本系统将灰度级256级量化成16级。实现程序如下： for i = 1:M for j = 1:N

for n = 1:256/16

if (n-1)*16<=Gray(i,j)&Gray(i,j)<=(n-1)*16+15 Gray(i,j) = n-1; end end end end

20

河南理工大学毕业设计（论文）说明书

3.1.2 纹理特征的提取

同样为了减少计算量，本系统通过减少?的方向数，取0°、45°、90°、135°四个方向，来达到目的。首先以像素为纹理基元，取像素间的距离为l，计算四个方向上的灰度共生矩阵；其次，为了减少计算量，对四个灰度共生矩阵进行归一化处理；然后，由归一化后的灰度共生矩阵计算本系统所使用的的四个纹理参数（能量、熵、惯性矩、相关性）；最后，为了获得旋转不变的纹理特征，对每一个纹理参数求其均值和标准差，这样就得到了一个用以描述图像纹理特征的8维纹理特征向量。

本系统对纹理特征提取的程序，详见附录A-2纹理特征提取。

21

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库基于内容的图像检索系统(5)在线全文阅读。