文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 农林牧渔 > 农学 > 基于邻域均值灰度共生矩阵的图像检索
侵权投诉

基于邻域均值灰度共生矩阵的图像检索

基于邻域均值灰度共生矩阵的图像检索

基于邻域均值灰度共生矩阵的图像检索

REGION LNFO基于邻域均值灰度共生矩阵的图像检索

◆ 步亚东 侯德文

  

摘要:纹理广泛存在于自然界中,是物体表面最本质的属性。纹理技术一直是热门研究领域,纹理特征提取作为纹理分析的首要任务更是人们研究的焦点。当图像发生旋转时,用已有的基于灰度共生矩阵的图像检索方法,不能很好的给出检索结果,在此基础上,本文提出了一种基于邻域均值灰度共生矩阵的图像检索方法。该方法既能描述图像的灰度分布信息,又能表达局部细节。改方法引入了图像的空间信息,对于图像旋转不敏感。实验结果比较表明,新方法优于单纯的灰度共生矩阵方法。

关键词:图像检索;灰度共生矩阵;纹理;邻域均值

纹理是一种重要的视觉线索,是图像中普遍存在而又难以描述的特征,至今还没有公认的定义[1]。纹理分析技术一直是计算机视觉、图像处理、图像分析、图像检索等的活跃研究领域。纹理分析作为诸如上述应用的基础性研究领域之一,其研究内容主要包括:纹理分类和分割、纹理合成、纹理检索和由纹理恢复形状。这些研究内容的一个最基本的问题是纹理特征提取。

图像检索中,较常用的纹理特征主要有Tamura纹理特征、自回归纹理模型、方向性特征、小波变换和共生矩阵等形式[2]。

或接近亮度的象素之间的位置分布特性,是有关图象亮度变化的二阶统计特征,它是定义一组纹理特征的基础。

在图像中任意取一点(x,y)及偏离它的另一点(x+a,x+b)设该点对的灰度值为(i,j)。令点(x,y)在整幅图像上移动,则会得到各种(i,j)值,设灰度值的级数为k,则i与j的组合共有k2种。对于整幅图像,统计出每一种(i,j)值出现的次数,然后排列成一个方阵,再用(i,j)出现的总次数将它们归一化为出现的概率Pij,则称这样的方阵为灰度联合概率矩阵。灰度联合概率矩阵实际上就是二像元点的联合直方图。若图像为细而不规则的纹理,则成对像元点的二维直方图倾向于均匀分布;若是粗而规则的纹理,则倾向于作对角分布。距离差分值(a,b)取不同的数值组合,可以得到沿一定方向相隔一定距离特性来选择。

共生矩阵反映了图像灰度分布关于方向、局部邻域和变化幅度的综合信息,但它并不能直接提供区别纹理的特性,还需要计算出熵、能量,反差,相关等。

对于灰度级为N级的图像,共生矩阵为M×X维矩阵, 即

。其中:位于(h,k)的元素

表示

相距的灰度为h,而另一个灰度为k的像素对出现的次数。由纹理共生矩阵提取的四个[4]特征量为:

(1)对比度(惯性矩) CON=

的像元之间灰

度联合概率矩阵。a和b的取值要根据纹理周期分布的

一、共生矩阵法

[3]

首先建立一个基于像素之间方向性和距离的共生矩阵,然后从矩阵中提取有意义的统计量作为纹理特征,最后用4个方向的统计特征量做平均,提取均值及方差构成一个8元向量用于检索。此方法在多数情况下是有效的,但也存在一些问题:由于灰度共生矩阵本身具有方向性,进而从该矩阵提取的统计量也只能反应某一方向信息。虽然检索时采用了4个方向的统计量做平均,但还是不能很好的表达图像全局信息。为了克服共生矩阵法的局限性,论文提出了邻域平均值共生矩阵提取图像纹理特征。

二、灰度共生矩阵法

共生矩阵用两个位置的象素的联合概率密度来定义,它不仅反映亮度的分布特性,也反映具有同样亮度

第1页

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email