一种基于图像纹理特征的图像检索方法技术

本发明专利技术涉及一种基于图像纹理特征的图像检索方法，利用在地理数据空间关系分析中常用的Ｖａｒｉｏｇｒａｍ函数作为数学工具，将图像数据看作是区域化变量，以图像数据的Ｖａｒｉｏｇｒａｍ函数值，反映图像象素的结构性，和图像数据的统计特性。在整个处理过程中，包括纹理类型的估计，纹理类型的分析，以及特征矢量的生成和进行图像匹配，都是采用Ｖａｒｉｏｇｒａｍ函数，用一个基于Ｖａｒｉｏｇｒａｍ函数的、统一的、适合于图像检索的纹理特征描述子；预先对图像库中的图像也基于Ｖａｒｉｏｇｒａｍ函数进行纹理类型判断，并进行分类。本发明专利技术的一个突出优点是：提出的纹理类型自动判断算法较为准确，在实际检索系统中图像纹理类型未知的情况下，检索的准确率高，符合实时性的要求，在检索时间上能满足用户的要求。（*该技术在2023年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术涉及，属于计算机视觉、图像理解以及模式识别等领域。
技术介绍
自90年代以来，随着计算机技术、多媒体技术以及网络技术的飞速发展，越来越多的图像出现在人们的日常生活中。图像数据的爆炸性增长使得对图像的管理和检索成为关键。纹理是重要的早期视觉特征之一，它反映了图像可视表面的基本性质。由于纹理特征的重要性和独特性，已经将纹理特征引入到图像检索领域，MPEG-7也相应地制定了一些国际标准来介绍用于图像检索的纹理特征。尽管利用纹理特征进行图像检索已经不是新鲜的研究课题了，但是，目前的方法仍然有一些不尽人意的地方。其中，最突出的缺陷就是，多数的方法使用的纹理分析算法一般只能很好地描述一种类型的纹理图像(均匀纹理或不均匀纹理)，然而，在实际的图像检索中，很难判断出一幅图像的纹理类型，所以，对纹理类型不加判断，对所有图像直接采用一种纹理描述方案的检索方法很难真正提高检索准确率。一般地，纹理可以分为规则的和不规则的两种类型，也有称之为均匀纹理和非均匀纹理。对于均匀纹理，其明显特点是周期性、方向性和规律性，而非均匀纹理则随机性较大。纹理是描述图像灰度空间分布特征的，因此，无法用点来定义，分析纹理特征的尺度是相当重要的。根据均匀纹理和非均匀纹理的不同特点，许多学者都认为应当采用不同的尺度来分析不同类型的纹理，对于均匀纹理，使用较大的尺度以发现它的方向性、周期性等规律比较合适；而对于非均匀纹理，则应使用较小尺度来刻画它的随机性。从纹理的特点不难看出，规则纹理较容易描述。结构分析方法认为规则纹理图像中存在一些基本的纹理基元，纹理正是由这些纹理基元按一定的结构规律重复形成的。对于非规则纹理图像，随机性占较大优势。因此，能够准确刻画非规则纹理特征的方法对它的定义也不像对规则纹理定义那样简单明了。目前几种经典的图像纹理分析方法空间自相关函数法、傅立叶功率谱法、灰度共生矩阵法、基于马尔可夫随机场模型、Gabor filter纹理分析法。在目前的图像检索系统中，图像的纹理特征大多采用上述的纹理分析方法。但是，通过大量的检索实验，我们发现，将这些算法直接移植的策略并不是十分适合图像检索。首先，多数的纹理特征描述方法只对一种纹理类型比较有效，而在实际的图像检索中，还没有出现能够自动判断纹理类型的算法，因此，系统获取图像的纹理类型比较困难，于是这也就导致了，对所有图像使用同一种纹理描述子，这样势必将影响检索准确率。其次，即使我们想设计一种能够对不同类型的纹理进行有区分描述，但是，各个算法由不同的研究组提出，且大多基于不同的理论基础，因此，很难将它们统一在一起。
技术实现思路
为避免现有技术的缺陷，本专利技术提出了一种基于Variogram函数的图像纹理特征的检索方法，适合于基于内容图像检索应用的图像纹理特征描述方法。它利用在地理数据空间关系分析中常用的Variogram函数作为数学工具，针对均匀性纹理和非均匀性纹理这两种纹理类型的不同特点，采用不同的策略，而且能够将两种不同类型的纹理描述统一到一个框架之下。本专利技术的基本思想，首先对查询图像进行纹理类型估计；针对不同的纹理类型，使用不同的分析方法和不同的描述策略；生成特征矢量和进行图像匹配。其技术特征在于将图像数据看作是区域化变量，以图像数据的Variogram函数值，反映图像象素的结构性，和图像数据的统计特性。在整个处理过程中，包括纹理类型的估计，纹理类型的分析，以及特征矢量的生成和进行图像匹配，都是采用Variogram函数，用一个基于Variogram函数的、统一的、适合于图像检索的纹理特征描述子；预先对图像库中的图像也基于Variogram函数进行纹理类型判断，并进行分类。纹理类型的估计采用基于Variogram函数的纹理类型自动估计。由于Variogram函数曲线应该是单调递增的，它反映出区域化变量随着空间距离的增加不相关程度越来越大，但是对于具有周期性的规则纹理，Variogram函数表现为类似于正弦函数曲线的周期性，而类正弦函数周期正好为纹理的周期。而不规则纹理的Variogram函数曲线就不会明显地表现出周期性，因此，我们就可以简单地利用能否寻找到Variogram函数的极限距离来判断图像具有规则纹理或是具有不规则纹理，而且极限距离的大小和方向也可以刻画周期纹理的特征。用纹理类型自动预测算法对查询图像进行纹理类型估计的具体方法1.在图像中随机选取n个象素点，分别以此n个象素点为中心，取大小的图像区域；2.在每个小区域中，分别沿水平、垂直、正45度、负45度方向计算Variogram函数值，则对整幅图像共有n×4条Variogram函数曲线；3.对每一条Variogram曲线首先使用Guass函数对其进行平滑，然后根据极限距离判断准则判断每一条曲线是否存在极限距离；4.若50％以上的曲线具有极限距离，则认为此图像中的纹理主要为规则纹理，使用规则纹理分析算法提取纹理特征；否则，认为此图像中的纹理主要为不规则纹理，使用不规则纹理分析算法提取纹理特征。极限距离判断准则在Variogram曲线上寻找满足下列条件的hi，i＝1，2，....条件1S*(hi)≤S*(1)或|S*(hi)-S*(1)|≤T，其中T为阈值；条件2S*(hi)＜S*(hi-1)且S*(hi)＜S*(hi+1)；条件3ΔS*(hi)为局部极大值，ΔS*(hi)≥V，且V为阈值；当至少有一个hi满足上述三个条件，则认为此曲线的极限距离存在，并且把最小的hi定义为该曲线的极限距离，记为h；否则，认为该曲线不存在极限距离。纹理类型的分析分为规则纹理和不规则纹理。对于规则纹理图像，其空间相关性占优，所以对于描述规则纹理图像，一般应当在较大的尺度空间内刻画它的方向性和周期性。1.把图像分成多个2hmax×2hmax的小区域，每个小区域内计算沿水平、垂直、正45度方向和负45度方向上的Variogram函数值S1*(d)、S2*(d)、S3*(d)、S4*(d)；2.在每个小区域内，计算每个方向上的极限距离h1，h2，h3，h4，若某个方向上的极限距离不存在则记为0；3.赋予小区域内每一点的纹理极限距离为该区域沿四个方向计算出的极限距离值。hmax是所有Variogram曲线中最大的极限距离。注意的是小区域的边长取为纹理分类算法中的最大极限距离hmax的二倍，目的是保证Variogram函数能够在大于一个纹理周期内计算，从而更有利于发现极限距离。不规则纹理的分析在不规则纹理中图像数据的随机性占优，在一定区域内一般难以呈现规律性。我们采用图像中每一个象素点在四个方向(水平、垂直、正45度和负45度)上的严格单步Variogram函数值来描述 Ss1*(1)=1/4×(|f(x,y)-f(x,y+1)|+|f(x,y)-f(x,y-1)|)]]>Ss2*(1)=1/4×(|f(x,y)-f(x+1,y)|+|f(x,y)-f(x-1,y)|)]]>Ss3*(1)=1/4×(|f(x,y)-f(x-1,y+1)|+|f(x,y)-f(x+1,y-1)|)]]>Ss4*(1)=1/4×(|f(x,y)-f(x-1,y-1)|本文档来自技高网...

【技术保护点】
一种基于图像纹理特征的图像检索方法，首先对查询图像进行纹理类型估计；针对不同的纹理类型，使用不同的分析方法；生成特征矢量和进行图像匹配；其技术特征在于：将图像数据看作是区域化变量，以图像数据的Ｖａｒｉｏｇｒａｍ函数值，反映图像象素的结构性，和图像数据的统计特性；在整个处理过程中，包括纹理类型的估计、纹理类型的分析，以及特征矢量的生成和进行图像匹配，都是采用Ｖａｒｉｏｇｒａｍ函数，并用一个基于Ｖａｒｉｏｇｒａｍ函数的、统一的、适合于图像检索的纹理特征描述子。

【技术特征摘要】

【专利技术属性】
技术研发人员：郭雷，韩军伟，鲍永生，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：87[中国|西安]