粒度计算和图像匹配技术改进

《粒度计算和图像匹配技术改进》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、粒度计算和图像匹配技术改进摘要：传统的基于内容的图像检索技术CBIR系统需要依据图像的可视特征或复合可视特征信息，通过复杂的数学运算进行匹配,面对海量的图像信息上述系统的运算时间将呈线性增长，从而导致效率低下。随着粒度计算理论的完善和成熟，该文建立起基于粒度计算的SSDA图像检索模型，通过控制粒度的大小，提出分层的搜索策略，减少SSDA算法匹配搜索时间，提高图像匹配的效率。关键词：粒度计算；图像匹配；SSDA中图分类号：TP311文献标识码：A文章编号:1009-3044(2013)33-7571-04随着互联网的不断普及和数字化技术的快

2、速发展，数字图像日益丰富，为了能够从大量得图像库中快捷、确地找到用户所需要的图像，必须借助于计算机技术进行机器识别。识别过程首先需要将已知图像和陌生图像的全部或部分在二维空间上对齐，然后选取合适的图像特征，并根据相似度模型，在陌生图像中寻找与已知图像近似的子图，这一比较过程就是图像匹配。基于内容的图像检索[1](CBIR,Content-basedimageretrieval),是计算机视觉领域中关注大规模数字图像内容检索的研究分支，众多的图像匹配算法为其提供理论支撑。该文将全面剖析当今各种图像匹配技术，重点分析其中的SSDAE2］图像匹

3、配算法，并最终将粒度计算［3］引入其中，提出基于粒度计算的自适应阀值SSDA匹配算法。1图像特征图像匹配的关键因素在于选取用于描述陌生图像中潜在匹配子图和已知图像的特征。理想状态的图像特征能够有效表示图像本质，并且不受图像中物体位移、旋转和变形影响。但是现实情况是：成像环境的影响、采样条件的差异、预处理计算的误差等都会造成陌生图和已知图像的不一致，从而干扰图像特征的选取，最终影响图像匹配的精确度。1.1基本特征研究中应用最广泛的图像特征有：形状、纹理、颜色、空间关系等特征。形状特征：是一种局部特征，通常包括区域和轮廓特征两部分。区域特征描

4、述的是图像中对象的整个形状区域，而轮廓特征则主要针对图像中对象的外边界。从图像中分割出对象之后，形状因子与尺寸因子结合起来可以用于区分不同物体，机器视觉系统常常使用各种基于形状特征的检索方法来检索图像中感兴趣的目标。纹理特征：是一种全局特征，表现为图像区域中对象的表面特质。由于纹理仅仅是物体表面特性的一个方面，所以不能完全体现物体的本质属性，仅仅利用纹理特征已无法获得抽象的图像内容的。纹理特征往往需要对图像区域中多个像素点进行统计才能得出。图像匹配中纹理特征的区域性具有较大的优越性，不会由于局部偏差导致匹配失败。同时图像特征是一种统计特征

5、，具有旋转不变性，有较强的噪声抵抗能力。纹理特征得缺点是：随着图像的分辨率发生变化，统计出来的纹理特征值有较大偏差，另外光照、反射等因素也会干扰纹理特征的准确度颜色特征：与纹理特征一样表现为图像区域中对象的表面特质，也是一种最常用的全局特征。与纹理特征不同，颜色特征一般体现在像素点的颜色特征上，所有图像区域的像素点都为该图像的颜色特征作出贡献。但是颜色特征对图像的方向、尺寸等性质不敏感，因此颜色特征不能有效的体现图像中对象的局部特征。1.2特征提取提取颜色特征可以采用颜色直方图，其优点在于：它能简单描述一幅图像中颜色的全局分布，即不同色彩

6、在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于：它无法描述图像中颜色的局部分布及每种色彩所处的空间位置，即无法描述图像中的某一具体的对象或物体。改进的颜色直方图包括：直方图相交法、参考颜色表法、累加颜色直方图法等。提取纹理特征可以采用Gotlieb和Kreyszig等人提出的灰度共生矩阵的纹理特征分析法，通过对图像的能量谱（灰度共生矩阵的四个关键特征：能量、惯量、炳和相关性）函数的计算，提取纹理的粗细度及方向性等特征参数；也可以采用以Voronio棋盘格特征法为代表的几何法——建立在

7、纹理基元（基本的纹理元素）理论基础上的一种纹理特征分析方法。纹理基元理论认为，复杂的纹理可以由若干简单的纹理基元以一定的有规律的形式重复排列构成；也可以采用以马尔可夫（Markov）随机场（MRF）模型法和Gibbs随机场模型法为代表的模型法一一以图像的构造模型为基础，采用模型的参数作为纹理特征；其他方法包括：Tamura纹理特征法（基于人类对纹理的视觉感知心理学研究，提出6种属性，即：粗糙度、对比度、方向度、线像度、规整度和粗略度）、自回归纹理模型法（simultaneousauto-regressive,SAR）、小波变换等。2相似度

8、计算为了量化陌生图像中潜在的匹配子图和已知图像间的相似程度，通常需要使用距离测度来完成。2.1理想距离测度理想距离测度指的是陌生图像的特征元素与已知图像的特征元素是一致的，即有一一对应的关系。