鬼佬大哥大
  • / 22
  • 下載費用:30 金幣  

基于彩色直方圖和NSCT的模糊相關同步圖像檢索方法.pdf

摘要
申請專利號:

CN201510291018.6

申請日:

2015.05.29

公開號:

CN104915400A

公開日:

2015.09.16

當前法律狀態:

授權

有效性:

有權

法律詳情: 授權|||實質審查的生效IPC(主分類):G06F 17/30申請日:20150529|||公開
IPC分類號: G06F17/30 主分類號: G06F17/30
申請人: 山西大學
發明人: 張麗紅; 張云霞
地址: 030006山西省太原市塢城路92號
優先權:
專利代理機構: 太原科衛專利事務所(普通合伙)14100 代理人: 朱源; 武建云
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201510291018.6

授權公告號:

||||||

法律狀態公告日:

2017.12.29|||2015.10.14|||2015.09.16

法律狀態類型:

授權|||實質審查的生效|||公開

摘要

本發明涉及圖像檢索方法,利用彩色直方圖來提取圖像的顏色特征,將彩色直方圖的色彩矢量和色彩柱的高度這兩個特征作為檢索依據,利用模糊集理論中的模糊隸屬函數計算相似度、α級模糊關系判定相似性,同時引入非下采樣輪廓波變換(NSCT)來提取圖像的紋理特征,利用NSCT變換對圖像進行分解,提取不同層次多個方向上的子帶系數的均值和標準方差為特征向量,作為圖像庫中圖像的索引,并利用模糊集理論中的模糊隸屬函數計算圖像之間的相似度,由于其多尺度性、多方向性和平移不變性,分解后保留有強大的方向信息,可以更全面地描述圖像的紋理特征,最后,將上述兩種算法相結合,運用綜合特征對圖像進行檢索。

權利要求書

權利要求書
1.  一種基于彩色直方圖和NSCT的模糊相關同步圖像檢索方法,其特征在于:包括如下步驟:
(1)、對圖像庫中的任一幅圖像P和待檢索圖像Q分別進行NSCT紋理特征提取,NSCT提取紋理特征方法如下:
將RGB圖像轉化為灰度圖像,對灰度圖像進行分解系數為{2,3,4},子帶數為4,8,16的三層NSCT變換,得到28條子帶的子帶系數,分別計算各子帶系數的均值μi和標準方差σi,均值μi和標準方差σi的計算公式如下:
μk=1MNΣi=1MΣj=1N|Ck(i,j)|...(1),]]>
σk=[1MNΣi=1MΣj=1N(|Ck(i,j)|-μk)2]1/2...(2),]]>
其中,Ck(i,j)是第k個NSCT方向子帶的系數,M×N是該子帶的大小,μk是第k個方向子帶的系數平均值,σk是第k個方向子帶的系數標準方差;得到每幅圖像的紋理特征向量為56維;M和N表示一幀圖像的行列數;
即圖像P的紋理特征向量f=(μ1,σ1,μ2,σ2,…,μ28,σ28),
圖像Q的紋理特征向量f′=(μ′1,σ′1,μ′2,σ′2,…,μ′28,σ′28);
(2)、對圖像庫中的任一幅圖像P和待檢索圖像Q各自得到的56維紋理特征向量分別進行高斯歸一化處理,將所有特征值都歸一化到[-1,1]區間內,具體方法如下:
高斯歸一化是在假定特征向量F的分布滿足均值為μ、標準方差為σ的高斯分布的條件下,采用下式對特征向量進行歸一化,
F-F-μσ...(8),]]>
式(8)中,均值μ和標準方差σ表示特征向量F這個集合的均值和標準方差;
經過高斯歸一化處理的圖像P的紋理特征向量
fP=(μ1P,σ1P,μ2P,σ2P,…,μ28P,σ28P),
經過高斯歸一化處理的圖像Q的紋理特征向量
f′Q=(μ′1Q,--1Q,μ′2Q,σ′2Q,…,μ′28Q,σ′28Q);
對圖像庫中的任一幅圖像P和待檢索圖像Q,兩圖像的相似度的計算公式如下:
μn~(Q,P)=exp{-Σk=128(fkQ-fkP)2}...(7),]]>
其中,和分別為圖像庫中圖像P和待檢索圖像Q分別經過高斯歸一化處理后的第k個紋理特征分量值;
(3)、對圖像庫中的任一幅圖像P和待檢索圖像Q,將RGB圖像的顏色量化為16維,分別提取彩色直方圖,具體方法如下:
將三維色彩值(r,g,b)作為彩色直方圖的橫軸,該三維色彩值在整幅圖像中出現的像素數作為縱軸,制作出圖像P的彩色直方圖和圖像Q的彩色直方圖,然后利用彩色直方圖來提取顏色特征;
在計算彩色直方圖時,對彩色直方圖按色彩柱的高度從高到低逐級排序,并確定每一色彩柱的級次序號,將不同彩色直方圖對應序號的色彩柱作為同一級特征,并進行相似性度量;
由于RGB空間色彩為三維,則假設圖像P和圖像Q的彩色直方 圖的對應某一級次的一對色彩矢量分別為:ci(ri,gi,bi)及cjj(rj,gj,bj),則其相似度用高斯隸屬函數表示為:
μR~(Ci,Cj)=e-[(rj-ri)2+(gj-gi)2+(bj-bi)2]...(5),]]>
對對應級次色彩柱的高度進行相似性判斷,對應色彩柱的高度hi和hj的相似度表示為:
μS~(hi,hj)=min(hi,hj)/max(hi,hj)...(6),]]>
(4)、設定顏色特征中色彩矢量相似度的權重為0.6,顏色特征中色彩柱高度相似度的權重為0.1,紋理特征相似度的權重為0.3,得出綜合相似度μR,如下式:
μR=μR~(ci,cj)×0.6+μS~(hi,hj)×0.1+μn~(Q,P)×0.3...(10),]]>
(5)、利用α級模糊關系判定相關性,如下:
將步驟(4)得到的μR代入下式,利用α級關系模糊匹配得出檢索結果,

當μR大于等于閾值ɑ時,取值為1,認為圖像P和圖像Q特征相似;否則,取值為0,認為圖像P和圖像Q特征不相似;
(6)、將待檢索圖像Q和圖庫中的每一幅圖像均經過步驟(1)至步驟(5)的處理后,得出輸出檢索結果1的所有圖像,同步綜合檢索結束。

2.  根據權利要求1所述的基于彩色直方圖和NSCT的模糊相關同步圖像檢索方法,其特征在于:步驟(5)中的閾值ɑ為0.85。

說明書

說明書基于彩色直方圖和NSCT的模糊相關同步圖像檢索方法
技術領域
本發明涉及圖像檢索方法,具體為一種利用彩色直方圖提取的顏色特征和非下采樣輪廓波變換提取的紋理特征進行綜合特征的圖像檢索方法。
背景技術
一幅圖像表述的內容是很豐富的,它包含了多個方面的特征,僅利用一種特征并不能夠描述圖像的全部內容。另外,人們對圖像的理解是建立在人眼所能識別的全部特征之上的,對圖像整體的理解,并不是只基于某一個特征,所以若僅從某一個方面來對圖像進行描述,往往得不到全面的描述,而且在圖像發生較大變化(放大、縮小、平移或旋轉等)時常常不能取得理想的檢索效果。
目前,單一特征的圖像檢索方法已經不能滿足用戶的要求,綜合特征檢索得到了廣泛的應用。綜合特征檢索應用兩個或多個特征對圖像進行描述,要比單一的特征更能全面地描述圖像的內容,使得每幅圖像的差異就愈加明顯,區分信息增加,根據它們得出的檢索結果也更加準確。
發明內容
顏色和紋理是圖像檢索中最常用的兩種特征,圖像庫中的圖像數目眾多,內容更是千差萬別,顏色特征和紋理特征都僅能描述圖像的部分屬性,不同圖像側重的特征并不一定相同,為了能更加客觀全面的描述圖像的屬性,得到更好的檢索效果,本發明的目的在于提供一 種綜合彩色直方圖提取的顏色特征和NSCT提取出的紋理特征進行綜合特征圖像檢索方法。
本發明是采用如下技術方案實現的:
一種基于彩色直方圖和NSCT的模糊相關同步圖像檢索方法,包括如下步驟:
(1)、對圖像庫中的任一幅圖像P和待檢索圖像Q分別進行NSCT紋理特征提取,NSCT提取紋理特征方法如下:
將RGB圖像轉化為灰度圖像,對灰度圖像進行分解系數為{2,3,4},子帶數為4,8,16的三層NSCT變換,得到28條子帶的子帶系數,分別計算各子帶系數的均值μi和標準方差σi,均值μi和標準方差σi的計算公式如下:
μk=1MNΣi=1MΣj=1N|Ck(i,j)|...(1)]]>
σk=[1MNΣi=1MΣj=1N(|Ck(i,j)|-μk)2]1/2...(2),]]>
其中,Ck(i,j)是第k個NSCT方向子帶的系數,M×N是該子帶的大小,μk是第k個方向子帶的系數平均值,σk是第k個方向子帶的系數標準方差;得到每幅圖像的紋理特征向量為56維;
即圖像P的紋理特征向量f=(μ1,σ1,μ2,σ2,...,μ28,σ28),
圖像Q的紋理特征向量f′=(μ1′,σ1′,μ2′,σ2′,...,μ′28,σ′28)。
(2)、對圖像庫中的任一幅圖像P和待檢索圖像Q各自得到的56維紋理特征向量分別進行高斯歸一化處理,將所有特征值都歸一化到[-1,1]區間內,具體方法如下:
高斯歸一化是在假定特征向量F的分布滿足均值為μ、標準方差為σ的高斯分布的條件下,采用下式對特征向量進行歸一化,
F-F-μσ...(8),]]>
式(8)中,均值μ和標準方差σ表示特征向量F這個集合的均值和標準方差;
經過高斯歸一化處理的圖像P的紋理特征向量
fP=(μ1P,σ1P,μ2P,σ2P,...,μ28P,σ28P),其中,等等依次計算得到fP。
經過高斯歸一化處理的圖像Q的紋理特征向量
f′Q=(μ′1Q,σ′1Q,μ′2Q,σ′2Q,...,μ′28Q,σ′28Q);其中,等等依次計算得到f′Q。
對圖像庫中的任一幅圖像P和待檢索圖像Q,兩圖像的相似度的計算公式如下:
μn~(Q,P)=exp{-Σk=128(fkQ-fkP)2}...(7),]]>
其中,和分別為圖像庫中圖像P和待檢索圖像Q分別經過高斯歸一化處理后的第k個紋理特征分量值(包括均值μk和標準方差σk,那么式7中總共是56個數值的加和)。
(3)、對圖像庫中的任一幅圖像P和待檢索圖像Q,將RGB圖像的顏色量化為16維,分別提取彩色直方圖,具體方法如下:
將三維色彩值(r,g,b)作為彩色直方圖的橫軸,該三維色彩值在整幅圖像中出現的像素數作為縱軸,制作出圖像P的彩色直方圖和圖像Q的彩色直方圖,然后利用彩色直方圖來提取顏色特征;
在計算彩色直方圖時,對彩色直方圖按色彩柱的高度從高到低逐級排序,并確定每一色彩柱的級次序號,將不同彩色直方圖對應序號的色彩柱作為同一級特征,并進行相似性度量;
由于RGB空間色彩為三維,則假設圖像P和圖像Q的彩色直方圖的對應某一級次的一對色彩矢量分別為:ci(ri,gi,bi)及cj(rj,gj,bj),則其相似度用高斯隸屬函數表示為:
μR~(ci,cj)=e-[(rj-ri)2+(gj-gi)2+(bj-bi)2]...(5),]]>
上式的隸屬函數將兩個色彩矢量的相似程度映射到[0,1]閉區間內。
對對應級次色彩柱的高度進行相似性判斷,對應色彩柱的高度hi和hj的相似度表示為:
μS~(hi,hj)=min(hi,hj)/max(hi,h)...(6),]]>
上式將色彩柱高度的相關性映射到[0,1]閉區間內,越接近1,兩個對應柱的高度越接近,當值為1時,高度相等,兩色彩柱完全相同。
(4)、設定顏色特征中色彩矢量相似度的權重為0.6,顏色特征中色彩柱高度相似度的權重為0.1,紋理特征相似度的權重為0.3,得出綜合相似度μR,如下式:
μR=μR~(ci,cj)×0.6+μS~(hi,hj)×0.1μn~(Q,P)×0.3...(10).]]>
(5)、利用α級模糊關系判定相關性,如下:
將步驟(10)得到的μR代入下式,利用α級關系模糊匹配得出檢索結果,閾值ɑ的取值可以根據實驗結果確定;

當μR大于等于閾值ɑ時,取值為1,認為圖像P和圖像Q特征相似;否則,取值為0,認為圖像P和圖像Q特征不相似;
(6)、將待檢索圖像Q和圖庫中的每一幅圖像均經過步驟(1)至步驟(5)的處理后,得出輸出檢索結果1的所有圖像,同步綜合檢索結束。
下面對本發明方法中用到的一些原理闡述如下。
1、關于彩色直方圖提取顏色特征的原理如下:
彩色直方圖的概念是在某一個顏色模型中,統計不同顏色在整幅圖像中出現的頻率,常被用來描述圖像顏色的統計特征。但是彩色直方圖并沒有考慮每種色彩所處的空間位置,僅記錄了各種色彩出現的像素個數,也就是說無法使用彩色直方圖來描述圖像中的對象或物體。在該方法中將三維色彩值(r,g,b)作為彩色直方圖的橫軸,該三維色彩值在整幅圖像中出現的像素數作為縱軸,然后利用彩色直方圖來提取顏色特征。
2、關于NSCT提取紋理特征的原理如下:
基于NSCT的多尺度性和多方向性等特點,采用如下算法。首先 將彩色圖像轉化為灰度圖像,然后通過非下采樣輪廓波變換(Non-Subsampled Contourlet Transform,NSCT)變換對灰度圖像進行分解,得到不同尺度下、不同方向上的子帶系數Ck(i,j),各子帶的系數代表了圖像的能量,將均值μi和標準方差σi作為圖像的紋理特征。實驗過程中對灰度圖像進行三層NSCT分解。取分解系數為{2,3,4},則各層方向子帶數分別為4,8,16;計算各子帶的均值和標準方差作為圖像NSCT變換得到的紋理特征,每幅圖像的紋理特征向量為56(=(4+8+16)*2)維。紋理特征向量f1=(μ1,σ1,μ2,σ2,...,μ28,σ28),均值μi和標準方差σi的計算公式如下:
μk=1MNΣi=1MΣj=1N|Ck(i,j)|...(1)]]>
σk=[1MNΣi=1MΣj=1N(|Ck(i,j)|-μk)2]1/2...(2),]]>
其中,Ck(i,j)是第k個NSCT方向子帶的系數,M×N是該子帶的大小,μk是第k個方向子帶的系數平均值,σk是第k個方向子帶的系數標準方差。
3、關于圖像特征的模糊相關的原理如下:
假設集合X=R+,Y=R,則模糊關系xSy的模糊隸屬函數用高斯型函數表示為:
μS-e-(y-x)2...(3);]]>
以上可以計算出兩特征矢量的相似程度,在判定整幅圖像的特征相似與否時,常常需要簡明的表示出“是”或“否”兩個確定值,這時需要從圖像的特征集中抽取一部分與已知特征相似的特征,而去除 不相似的特征,這個過程在模糊數學中被稱為去模糊化或清晰化過程。采用模糊關系中的ɑ級關系可以實現這一目的,從而判定特征相似與否:

其中c∈C,C是圖像特征集;ɑ是閾值,用來判定兩種特征相似與否。當μR(C,Ci)大于等于閾值ɑ時,取值為1,認為兩特征相似,否則,認為兩特征不相似。
3.1、彩色直方圖的模糊相關
通常計算兩個彩色直方圖的相似程度,就是要計算每一對色彩柱的相似程度再進行統計。不同彩色圖像的彩色直方圖不同,但是每一幅彩色圖像的主色調會在彩色直方圖中有所體現。在計算彩色直方圖時,對彩色直方圖按色彩柱的高度從高到低逐級排序,并確定每一色彩柱的級次序號,將不同彩色直方圖對應序號的色彩柱作為同一級特征,并進行相似性度量。
這里由于不同圖像的主色調并不一定相同,即不同彩色直方圖對應級次的色彩柱的色彩值(橫坐標)不一定相互匹配,因此,對彩色直方圖進行相似性度量時,就需要先判斷彩色直方圖對應級次色彩柱的橫坐標即色彩的對應關系,然后再判斷對應色彩柱的高度的相似程度。
由于RGB空間色彩為三維,則假設兩個彩色直方圖的某一級次的一對色彩矢量分別為:ci(ri,gi,bi)及cj(rj,gj,bj),則其相似度用高斯隸屬 函數表示為:
μR~(ci,cj)=e-[(rj-ri)2+(gj-gi)2+(bj-bi)2]...(5),]]>
上式的隸屬函數將兩個色彩矢量的相似程度映射到[0,1]閉區間內。
對對應級次色彩柱的高度進行相似性判斷,對應色彩柱的高度hi和hj的相似度表示為:
μS~(hi,hj)=min(hi,hj)/max(hi,h)...(6),]]>
上式將色彩柱高度的相關性映射到[0,1]閉區間內,越接近1,兩個對應柱的高度越接近,當值為1時,高度相等,兩色彩柱完全相同。
若對上述顏色特征進行相似性判斷,可利用模糊關系中的ɑ級關系即式(4),其中α值由實驗獲得。
3.2、NSCT的模糊相關
對圖像進行NSCT變換,分解層數為3,各層分解系數分別為{2,3,4},計算各子帶的均值和標準方差作為圖像NSCT變換的紋理特征向量f=(μ1,σ1,μ2,σ2,...,μ28,σ28),對于圖像庫中的任一幅圖像P和待檢索圖像Q,兩圖像的相似度的計算公式如下:
μn~(Q,P)=exp{-Σk=128(fkQ-fkP)2}...(7),]]>
其中,和分別為圖像庫中圖像P和待檢索圖像Q的第k個紋理特征分量值(即每個k值均對應一個均值μk和一個標準方差σk)。通過計算待檢索圖像與圖像庫中圖像的模糊隸屬函數得到其相似度, 按照相似度從大到小的順序對圖像庫中圖像進行排序,函數值越接近1,則圖像越相似。
若對上述紋理特征進行相似性判斷,可利用模糊關系中的ɑ級關系即式(4),其中α值由實驗獲得。
4、關于特征向量的歸一化
進行綜合特征的檢索時,由于要考慮到兩個或兩個以上數目的特征,就不得不注意到不同特征在物理含義和數值上的差異。而這些差異常常會導致檢索誤差,為了避免這方面的影響,就需要對特征向量進行歸一化處理。特征向量的歸一化一般分為兩類:特征向量的內部歸一化和特征向量的外部歸一化。
(1)、特征向量的內部歸一化主要針對某一特征向量中的各個分量,通過將其歸一化到某一特定范圍內來使得各個分量對最終檢索結果的貢獻相同。
圖像顏色特征提取的是圖像的彩色直方圖的色彩柱的色彩值及高度,它們分別作為特征,各自代表的含義相同,取值范圍變化也不大,因此不需要進行內部歸一化。
圖像紋理特征提取的是通過NSCT變換得到的各子帶系數的均值μ和標準方差σ,由于經NSCT變換所得的均值μ和標準方差σ數量級的差距較大,這里需要用到特征向量的內部歸一化,由于這一特征滿足高斯分布,因此用高斯歸一化公式對其進行高斯歸一化,將所有特征值都歸一化到[-1,1]區間內。高斯歸一化是在假定特征向量F的分布滿足均值為μ,標準方差為σ的高斯分布的條件下,由下式對特 征向量進行的歸一化,
F-F-μσ...(8),]]>
(2)、特征向量的外部歸一化主要針對多個特征向量,通過歸一化來確保各個特征向量的重要性,也可以通過改變權重來側重某一特征。
由于從X到Y的一個模糊關系S是X×Y到[0,1]的一個映射,所以基于彩色直方圖的相似度和基于NSCT的相似度都分布在[0,1]區間內,它們的物理意義相同,取值范圍也確定在[0,1]區間內,所以均不需要進行特征向量的外部歸一化。
總之,本方法設計合理,利用彩色直方圖來提取圖像的顏色特征,將彩色直方圖的色彩矢量和色彩柱的高度這兩個特征作為檢索依據,利用模糊集理論中的模糊隸屬函數計算相似度、α級模糊關系判定相似性,同時引入非下采樣輪廓波變換(Non-Subsampled Contourlet Transform,NSCT)來提取圖像的紋理特征,利用NSCT變換對圖像進行分解,提取不同層次多個方向上的子帶系數的均值和標準方差為特征向量,作為圖像庫中圖像的索引,并利用模糊集理論中的模糊隸屬函數計算圖像之間的相似度,由于其多尺度性、多方向性和平移不變性,分解后保留有強大的方向信息,可以更全面地描述圖像的紋理特征,最后,將上述兩種算法相結合,運用綜合特征對圖像進行檢索。這種基于綜合特征的方法中對權值的設定會影響圖像檢索的效果,使得顏色和紋理特征能夠優勢互補,提高圖像的檢索精度。這種綜合特征方法不僅比單一特征的檢索方法有更好的檢索精度,由于其在特征 提取和相似性度量方面的改進,使得其較之其它的綜合特征方法也更有優勢。
附圖說明
圖1表示本發明方法的流程示意圖。
圖2表示Corel圖像庫示例。
圖3表示待檢索圖像馬。
圖4表示關于待檢索圖像馬,采用不設定閾值的顏色特征檢索的返回30幅圖像。
圖5表示關于待檢索圖像馬,采用不設定閾值的NSCT提取紋理特征檢索的返回30幅圖像。
圖6表示關于待檢索圖像馬,采用不設定閾值的同步綜合檢索到的圖像。
圖7表示關于待檢索圖像馬,設定閾值的顏色特征檢索到的圖像。
圖8表示關于待檢索圖像馬,設定閾值的NSCT提取紋理特征檢索到的圖像。
圖9表示關于待檢索圖像馬,采用發明方法檢索到的圖像。
圖10表示待檢索圖像恐龍。
圖11表示關于待檢索圖像恐龍,本發明所述的NSCT-color按閾值返回結果示例。
圖12表示關于待檢索圖像恐龍,NSCT-color檢索結果示例
圖13表示關于待檢索圖像恐龍,CT-color檢索結果示例。
具體實施方式
下面結合附圖對本發明的具體實施例進行詳細說明。
一種基于彩色直方圖和NSCT的模糊相關同步圖像檢索方法,如圖1所示,包括如下步驟:
(1)、對圖像庫中的任一幅圖像P和待檢索圖像Q分別進行NSCT紋理特征提取,NSCT提取紋理特征方法如下:
將RGB圖像轉化為灰度圖像,對灰度圖像進行分解系數為{2,3,4},子帶數為4,8,16的三層NSCT變換,得到28條子帶的子帶系數,分別計算各子帶系數的均值μi和標準方差σi,均值μi和標準方差σi的計算公式如下:
μk=1MNΣi=1MΣj=1N|Ck(i,j)|...(1),]]>
σk=[1MNΣi=1MΣj=1N(|Ck(i,j)|-μk)2]1/2...(2),]]>
其中,Ck(i,j)是第k個NSCT方向子帶的系數,M×N是該子帶的大小,μk是第k個方向子帶的系數平均值,σk是第k個方向子帶的系數標準方差;得到每幅圖像的紋理特征向量為56維;
即圖像P的紋理特征向量f=(μ1,σ1,μ2,σ2,...,μ28,σ28),
圖像Q的紋理特征向量f′=(μ1′,σ1′,μ2′,σ2′,...,μ′28,σ′28)。
(2)、對圖像庫中的任一幅圖像P和待檢索圖像Q各自得到的56維紋理特征向量分別進行高斯歸一化處理,將所有特征值都歸一化到[-1,1]區間內,具體方法如下:
高斯歸一化是在假定特征向量F的分布滿足均值為μ、標準方差為σ的高斯分布的條件下,采用下式對特征向量進行歸一化,
F-F-μσ...(8),]]>
式(8)中,均值μ和標準方差σ表示特征向量F這個集合的均值和標準方差;
經過高斯歸一化處理的圖像P的紋理特征向量
fP=(μ1P,σ1P,μ2P,σ2P,...,μ28P,σ28P),其中,等等依次計算得到fP。
經過高斯歸一化處理的圖像Q的紋理特征向量
f′Q=(μ′1Q,σ′1Q,μ′2Q,σ′2Q,...,μ′28Q,σ′28Q);其中,等等依次計算得到f′Q。
對圖像庫中的任一幅圖像P和待檢索圖像Q,兩圖像的相似度的計算公式如下:
μn~(Q,P)=exp{-Σk=128(fkQ-fkP)2}...(7),]]>
其中,和分別為圖像庫中圖像P和待檢索圖像Q分別經過高斯歸一化處理后的第k個紋理特征分量值(包括均值μk和標準方差σk)。
(3)、對圖像庫中的任一幅圖像P和待檢索圖像Q,將RGB圖像的顏色量化為16維,分別提取彩色直方圖,具體方法如下:
將三維色彩值(r,g,b)作為彩色直方圖的橫軸,該三維色彩值在整幅圖像中出現的像素數作為縱軸,制作出圖像P的彩色直方圖和圖像Q的彩色直方圖,然后利用彩色直方圖來提取顏色特征;
在計算彩色直方圖時,對彩色直方圖按色彩柱的高度從高到低逐級排序,并確定每一色彩柱的級次序號,將不同彩色直方圖對應序號的色彩柱作為同一級特征,并進行相似性度量;
由于RGB空間色彩為三維,則假設圖像P和圖像Q的彩色直方圖的對應某一級次(優選為第一級次,即高度最高的級次)的一對色彩矢量分別為:ci(ri,gi,bi)及cj(rj,gj,bj),則其相似度用高斯隸屬函數表示為:
μR~(ci,cj)=e-[(rj-ri)2+(gj-gi)2+(bj-bi)2]...(5),]]>
上式的隸屬函數將兩個色彩矢量的相似程度映射到[0,1]閉區間內。
對對應級次色彩柱的高度進行相似性判斷,對應色彩柱的高度hi和hj的相似度表示為:
μS~(hi,hj)=min(hi,hj)/max(hi,hj)...(6),]]>
上式將色彩柱高度的相關性映射到[0,1]閉區間內,越接近1,兩個對應柱的高度越接近,當值為1時,高度相等,兩色彩柱完全相同。
(4)、設定顏色特征中色彩矢量相似度的權重為0.6,顏色特征中色彩柱高度相似度的權重為0.1,紋理特征相似度的權重為0.3,得出綜合相似度μR,如下式:
μR=μR~(ci,cj)×0.6+μS~(hi,hj)×0.1+μn~(Q,P)×....(10),]]>
(5)、利用α級模糊關系判定相關性,如下:
將步驟(4)得到的μR代入下式,利用α級關系模糊匹配得出檢索結果,閾值ɑ的取值可以根據實驗結果確定;

當μR大于等于閾值ɑ時,取值為1,認為圖像P和圖像Q特征相似;否則,取值為0,認為圖像P和圖像Q特征不相似;其中,經過申請人多次實驗確定閾值ɑ為0.85。
(6)、將待檢索圖像Q和圖庫中的每一幅圖像均經過步驟(1)至步驟(5)的處理后,得出輸出檢索結果1的圖像,同步綜合檢索結束。
下面通過具體的實驗結果來分析本發明方法的技術效果。
如圖2所示,實驗所用的圖像庫是從美國斯坦福大學的Corel圖庫中的10類彩色圖像,每類100幅,共1000幅圖像。
檢索系統為“基于NSCT&Color模糊相關的圖像檢索系統”,用上述圖像庫進行實驗,評價標準選擇查準率,分別從每類圖像中隨機選出5幅圖像作為待檢索圖像,分別計算對每幅圖像的查準率,然后計算對每一類圖像的平均檢索查準率。
第一組實驗:單一特征和綜合特征對檢索結果影響的對比實驗
實驗中將①單一的顏色特征檢索方式;②單一的紋理特征檢索方式;③顏色特征和紋理特征的同步綜合檢索組合,即NSCT變換提取的紋理特征和彩色直方圖提取的色彩矢量和色彩柱高度三種特征的組合,權重取為0.3,0.6,0.1;三種檢索算法進行比較。
該組實驗檢索結果如表1和表2。
表1檢索算法性能比較(按閾值返回圖像的平均查準率)

表2檢索算法性能比較(按相似度大小返回30幅圖像的平均查準率)
測試圖像集顏色特征檢索紋理特征檢索同步綜合檢索非洲生活62.1%57%74%海灘74.5%60.7%74.6%建筑57.7%75.3%76%汽車75%70.9%80.5%恐龍98.9%92.6%99%大象69.9%60.7%70.3%87.3%92.3%93.5%94%79.7%94.6%54.3%51.3%55.3%食物59.1%67.7%70%
從表1可以看出,同步綜合檢索算法對所有類型圖像的檢索查準率都比較高。閾值的設定使得系統更容易給出期望的結果。
從表2可以看出,綜合特征檢索算法對背景簡單的圖像如恐龍和馬等的檢索查準率較之單一特征算法的提高較多。對內容復雜的如非洲生活和海灘等,檢索查準率的提高則較少。
總的來說,由于融合了彩色直方圖和NSCT變換及模糊集理論三者的優點,本發明方法的綜合特征算法對每一類圖像的檢索性能都比對比實驗算法要好。
另外,結合附圖3-9說明以馬為待檢索圖像的基于不同特征的檢索結果。
從圖6中可以看出,同步綜合檢索的結果中有3幅是不相關的大象圖像,其他相關圖像也都是以綠色草地為背景的馬的圖像,而且只有一幅是一匹馬,其它均為與待檢索圖像相似的兩匹馬圖像,這說明了綜合特征的算法是比單一特征算法更有效的一種算法,提高了圖像檢索的準確率。
圖3是以綠色草地為背景的一大一小兩匹棕紅色馬的圖像;圖4中有兩幅是不相關的大象圖像,剩余28幅中有15幅是兩匹棕紅色馬的圖像;圖5中有六幅是不相關的圖像,剩余24幅中幾乎全是一大一小兩匹馬;圖6中有3幅是不相關的大象圖像,其余都是以綠色草地為背景的馬的圖像,而且只有一幅是一匹馬,其它均為與待檢索圖像相似的兩匹馬圖像,14幅是兩匹紅棕色馬圖像。對比可知綜合特征的算法是比單一特征算法更有效的一種算法,提高了圖像檢索的準 確率。
當按照閾值返回結果時,圖7檢索到的就是待檢索圖像本身;圖8中包括待檢索圖像在內的5幅圖像中全部為兩匹馬的圖像,而且前三幅均為綠色草地背景的兩匹棕紅色馬的圖像,前兩幅圖像更是相當相似;圖9中檢索到的包括待檢索圖像在內的兩幅圖像肉眼幾乎看不出有什么區別,非常相似。對比可知綜合特征的算法是比單一特征算法更有效的一種算法,提高了圖像檢索的準確率。
當想要返回同一類圖像時,可以直接按照相似度返回;若想要獲得最相似的圖像,則可以設定閾值。
第二組實驗:不同特征提取技術的綜合檢索對檢索結果影響的對比實驗
該組實驗中對NSCT變換提取的紋理特征和彩色直方圖提取的顏色特征兩種特征的組合,與CT變換提取的紋理特征和累積彩色直方圖提取的顏色特征兩種特征的組合,進行綜合特征檢索的對比試驗。進行分解系數為{2,3,4}的3層CT變換,紋理和顏色的相似度的權重分別為0.3,0.7,簡記為CT-Color。進行分解系數為{2,3,4}的3層NSCT變換,紋理和顏色的相似度的權重分別為0.3,0.6,0.1,簡記為NSCT-Color。分別計算系統返回圖像的平均查準率。檢索結果如表3所示。
表3檢索算法性能比較(平均查準率)
測試圖像集NSCT-Color按閾值CT-ColorNSCT-Color返回非洲生活87.7%63.1%74%海灘96.1%42%74.6%建筑91.2%60.6%76%汽車96.9%60.3%80.5%恐龍99.5%96%99%大象96.4%61%70.3%95.2%87.3%93.5%95.6%95%95.2%96.8%43%55.3%食物90.9%59%70%
從表3可以看出,當按照相似度大小返回圖像時,該算法的平均查準率均高于比較算法。對每類圖像進行比較,對于背景簡單的圖像如恐龍和馬等,該算法的查準率比較高;對于內容復雜的圖像如海灘和山川等,該算法的查準率比較低。當按照閾值返回結果時,該算法對幾乎所有類別的圖像都可以獲得相當高的查準率。
另外,結合附圖10-13說明以恐龍為待檢索圖像的基于不同特征的檢索結果。
從圖12和13中可以看出,圖12即本文算法檢索結果中返回的30幅圖像均為恐龍圖像,檢索結果全部正確,圖13即對比算法檢索結果中返回的30幅圖像中有29幅是相關的恐龍圖像,1幅是不相關的建筑圖像。可見,本發明算法的性能要優于比較算法。
本發明方法提出了綜合彩色直方圖顏色特征和NSCT紋理特征的模糊相關圖像檢索方法,與單一的顏色特征檢索和單一的紋理特征檢索方式進行了比較,實驗結果表明綜合特征檢索方法優于單一特征檢 索方法;并將綜合特征檢索方法與基于輪廓波變換和累積彩色直方圖的歐氏距離相關圖像檢索方法進行了比較實驗,由比較結果可知,綜合特征的算法比單一特征的算法的檢索效果好。
最后所應說明的是,以上實施例僅用以說明本發明的技術方案而非限制,盡管參照本發明實施例進行了詳細說明,本領域的普通技術人員應當理解,對本發明的技術方案進行修改或者等同替換,都不脫離本發明的技術方案的精神和范圍,其均應涵蓋本發明的權利要求保護范圍中。

關 鍵 詞:
基于 彩色 直方圖 NSCT 模糊 相關 同步 圖像 檢索 方法
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
關于本文
本文標題:基于彩色直方圖和NSCT的模糊相關同步圖像檢索方法.pdf
鏈接地址:http://www.wwszu.club/p-6373526.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
鬼佬大哥大