[发明专利]基于方向可控金字塔二值图像投影的图像检索方法

说明书

技术领域

本发明涉及一种基于方向可控金字塔二值图像投影的图像检索方法，属于基于内容的图像检索领域。

背景技术

随着图像获取技术、计算机网络技术以及通信网络技术的飞速发展，人们所能获得的图像数量呈现爆炸式增长，如何在数量巨大的图像中找到含有相同或相似内容的图像成为亟待解决的重要问题。传统的基于关键字的图像检索方法通过人为设置的关键字来实现图像的检索，由于不同的人对图像内容的理解不同，造成同样内容的图像可能具有不同的关键字；另外，随着图像数量的增大以及来源的多样化，很多图像没有与其内容相关的关键字。可见，基于关键字的图像检索显然已经不能满足图像检索的需求，基于内容的图像检索技术成为解决这一问题的关键技术。

基于内容的图像检索技术首先提取图像内容的特征，然后，通过特征的匹配来实现图像检索。现有的图像特征提取方法有基于颜色特征的方法、基于纹理特征的方法、基于形状特征的方法等。图像的纹理特征是图像特征的重要组成部分，在表达图像内容上具有重要作用。纹理特征具有一种不依赖于颜色或亮度的反映图像中同质现象的视觉特征，可以从微观上区分图像中不同的物体。因此，纹理分析一直是计算机视觉的一个重要研究方向。常用的图像纹理特征提取方法包括：统计法、结构法、模型法和信号处理法。

基于统计的方法是对图像中的颜色强度的空间分布信息进行统计，该方法的主要意义在于：从数学角度研究了图像纹理中灰度级的空间依赖关系，包括灰度共生矩阵法、Laws纹理能量法等；基于结构的方法是建立在纹理元理论基础上的，该方法将重点放在分析纹理元之间的相互关系和排列规则上；基于模型的方法以图像的构造模型为基础，假设纹理按照某种类型分布，因此采用模型的参数作为纹理特征。典型的方法是随机场模型法，如马尔可夫随机场模型法和分形模型等。基于信号处理的方法是对图像进行频率分析，其中包括小波变换法和Gabor变换法等。因为人们对于纹理的视觉感受非常的主观，目前还没有一个统一的标准来精确地表示图像的纹理特征。

现有的纹理特征提取方法一般是针对纯粹的纹理图像来设置的，而对于一般的图像，虽然其内容不是纯纹理，但其中包含的纹理信息对于图像内容的表达非常重要，在基于内容的图像检索中应该充分利用这些纹理信息。另外，现有的纹理特征提取方法大都没有充分利用图像中各个方向上的纹理信息，因此效果有待进一步提高。

为了使提取出的图像特征能够抵抗尺度变换，对图像进行金字塔分解是一种有效的方法。常用的金字塔有高斯金字塔、拉普拉斯金字塔以及方向可控金字塔(Steerable Pyramid)。方向可控金字塔变换是一种多分辨率分析方法，它能独立分解出不同尺度、不同方向的子带信息，没有频谱混叠现象，并且子带方向具有可调节性。可见，通过对图像进行可控金字塔分解可以有效利用图像内容在不同尺度、各个方向上的信息，对于基于内容的图像检索非常重要。

发明内容

本发明的目的是通过分别提取图像的方向可控金字塔分解中各子带图像的二值化图像在行和列上的投影，来充分利用图像中各个方向上的纹理信息，有效提取其纹理特征，通过此纹理特征的匹配来实现图像检索。

本发明的基本思想是：首先，对灰度图像进行方向可控金字塔分解；然后，对分解所得到的各个尺度、各个方向的子带图像，分别通过各自的阈值进行二值化，得到子带二值图像。在二值化的过程中，大于阈值的点设置为1，小于或等于阈值的点设置为0。对于每一个子带图像，其二值化的阈值由该子带图像中的值计算得到。然后，对每个子带二值图像分别在行和列方向上进行投影，即统计其每行和每列中1的数量，并通过分别除以图像的列数和行数来实现归一化。各子带二值图像归一化后的行和列投影向量就组成了该子带图像的纹理特征，所有子带图像的纹理特征组合就是该图像的纹理特征。在特征匹配上，采用向量相交匹配方法来实现两幅图像对应子带图像行投影和列投影的匹配，行投影和列投影值的平均值为对应子带图像的匹配值，取全部对应子带图像匹配值的平均值作为两幅图像的匹配值，最后，通过一个阈值来判断两幅图像是否匹配。本方法的流程如图1所示，图1中(a)为该方法的整体流程图，(b)为(a)中子带图像特征提取与匹配部分的详细说明图。

本发明提供的技术方案如下：

基于方向可控金字塔二值图像投影的图像检索方法，包括如下步骤：

步骤一：判断图像是否为灰度图像，如果不是，则将其转换为灰度图像，再进入步骤二；如果是灰度图像，则直接进行步骤二的处理；