双肺纹理增多 利用纹理的两种图像检索方法的比较
摘要：在高度信息化的今天，基于内容的图像检索已经成为多媒体处理中的关键技术。纹理是描述图像时常用的一个概念，本文比较了综合纹理和像素中心、综合颜色和纹理这两种利用纹理特征的检索方法。对两百多幅植物花卉的图像库的检索实验结果表明，两种方法各有优点，但综合颜色和纹理的方法更符合人的视觉要求。
关键词：图像检索；纹理；像素中心；颜色
中图分类号：TP391文献标识码：A文章编号：1009-3044(2007)18-31708-01
Comparison of Two Image Retrieval Methods Using Texture Features
XU Yan
(Mechanical & Electrical Department,Suzhou Institute of Trade & Commerce,Suzhou 215031,China)
Abstract:In the high information days,content based image indexing techniques are becoming a key point in multimedia processing.Texture is often used to describe images.In this paper,we comparison two methods both using texture features ,which are the method using texture and image center and the method using texture and color features Experimental results on flower image database show that these two methods both have their own advantages, but the latter fits more closely with human perception.
Key words:Image Retrieval;Texture;Image Center;Color
1 引言
图像是人类最主要的载体。近年来，随着多媒体技术和因特网的发展，基于内容的图像检索已经成为一个研究热点，并成为多媒体数据库，数字图书馆，网上浏览检索，网络信息安全等重大项目中的关键技术[1]。基于内容的图像检索(CBIR)首先要快速而又有效的提取各种表征图像内容的特征，其基本方法是在建立图像库时，对输入图像先进行分析，提取图像或目标的特征向量并在将输入图像存入图像库的同时也将其相应的特征向量存入其特征库。在进行图像检索时，对每一幅给定的查询图，进行图像分析并提取该图的特征向量。通过该向量与特征库中的特征向量进行匹配并根据匹配结果到图像库中搜索就能提取出所要的检索图。
纹理是图像的最重要视觉特征之一，基于纹理特征的图像检索已经有了很多的研究，如QBIC系统是使用（从灰度图像得到的）粗糙度、对比度和方向性特征来进行纹理的描述和检索的[2]。但是纹理至今还没有一个标准定义。通常意义上的纹理是指图像像素灰度级或颜色的某种周期性的变化，而且这种变化是空间统计相关的。纹理反映了图像本身的属性，不同的物体具有明显不同的空间特征。对于综合纹理和像素中心特征的图像检索方法已经证明比单一利用纹理特征的方法具有更好的检索效果[3]，但是这种方法也存在缺陷，那就是对颜色不敏感，后面的实验结果会证明之。所以本文又提出综合纹理和颜色特征的检索方法，并且通过实验与前面的方法加以比较。本文所用的图像库是由二百多幅植物花卉图像组成的。
2 纹理特征提取
纹理通常定义为图像的某种局部性质，或是对局部区域中像素之间关系的一种度量。纹理特征可用来对图像中的空间信息进行一定程度的定量描述。纹理特征提取的一种有效的方法就是以灰度级的空间相关矩阵即共生矩阵为基础的[4]。
灰度层共生矩阵是描述在θ方向上，相隔d像元距离的一对像元，分别具有灰度层i和j的出现概率，其元素可记为P(i,j|d,θ),当θ和d选定时，也可简记Pij。
由灰度共生矩阵可以计算出一组参数，用来定量描述纹理特征，本文采用下面5种比较能反映纹理特征的参数。
在纹理特征提取中，我们把灰度层分为8层，d取成5，并构造四个方向的灰度共生矩阵：0度，90度,45度，135度,然后分别按公式（1）到（9）计算上述5个参数。
3 综合纹理和像素中心特征的检索方法
综合纹理和像素中心的检索方法先前已做，由参考文献[3]，对由200多幅花卉组成的图像进行实验，直接给出实验结果，如图1所示。
图1 综合纹理和像素中心特征的检索结果（其相似距离依次增加）
4 综合颜色和纹理的检索方法
4.1利用子块颜色直方图特征提取
基于内容的图像检索的另一个关键技术就是利用颜色特征。颜色直方图简单的来说就是由统计图像中具有某一特定颜色的像素点的数目而形成的。
全图的直方图过于简单，因此带来很多问题，如可能会有两幅根本不同的图像具有相同的颜色直方图，不反映颜色位置信息，这样会导致准确率不高。因此本文作了改进，即将图像先进性分割，形成若干子块[4]，这样就提供了一定的位置信息，而且可以对用户感兴趣的子块增加权重，提高准确率。相应的公式有，子块Qij和Cij的相似性度量为：
加入子块权重wij,选取M个最大的D(Qk,Ck)作为该两图像的相似距离，有：
具体程序实现时将图像分成4×4块，按从左到右，从上到下的顺序依次计算各子块的颜色直方图。图像库中的图像的颜色是RGB格式的，可以将RGB值转换成亮度值Y，因为人眼对亮度最敏感，这样同时可以使计算简单，提高检索速率和减小计算复杂度。其转换公式为：
4.2综合颜色和纹理的图像检索
颜色直方图作为特征，只表示了颜色的统计分布，虽然采用子块颜色直方图含有一定的颜色位置信息，但是仅仅利用这个特征的话显然检索的效果有时会和人的视觉不相吻合。
纹理特征能对空间信息进行定量的描述，所以可以综合纹理和颜色这两个特征进行检索。首先按照前面所介绍的先分别提取颜色和纹理的各特征向量，然后运用加权的欧氏公式(公式（13）)进行图像的相似性匹配，找出和待检索的图像相似的图像；也可以对颜色和纹理特征作归一化处理[5]，使其在综合检索的时候在计算相似距离时处于同一地位。相似距离越小表示两幅图越相似。加权欧式距离表示为：
其中wi是权重。
5 两种方法比较（实验结果）
综合纹理和像素中心的方法是我们先前做过的，所以实验结果早就给出了，对于综合纹理和颜色的方法，我们同样借助由200多幅大小为128×96的植物花卉图像组成的图像库进行了检验，同时也检验了仅利用颜色直方图的情况，结果如下所示。两种方法的检索效果也一目了然，并且通过实验结果我们可以对这两种方法做个比较。图1是综合纹理和像素中心的检索结果，图2是仅利用子块颜色直方图的检索结果，图3是利用综合颜色和纹理检索方法的检索结果。各图左上角均为待检索图，其余为对该图的检索结果，从左到右相似距离依次增加（与原图像的相似距离为0）。图2没有利用颜色信息，所以可见查询结果图的颜色和带检索图有差异，因此有必要在检索的条件中加入颜色的信息。图3利用了颜色，所以各图颜色较为接近，但是图案有所差异。图4是颜色和纹理的综合，其中颜色和纹理的权重比为3比2。得到的结果无论是在色彩还是在图案上都更符合人的视觉要求，比较令人满意。所以对于灰度图像，用综合纹理和像素中心的方法就能得到比较好的检索效果，但是对于彩色图像，要使用综合颜色和纹理的检索方法，这样效果更好。
6 结束语
本文在先前利用综合纹理和像素中心进行图像检索的基础上，发现其存在不足，因为不包含颜色信息，进而提出了综合利用纹理和颜色这两个特征的检索的方法，其中纹理特征的提取是以共生矩阵为基础的，颜色特征的提取是用子块直方图。进行特征匹配时采用加权的欧氏距离法，以保证两个特征在相似距离计算中的地位相同。实验结果表明，综合颜色和纹理的检索方法要比利用纹理和像素中心的方法的检索更符合人的视觉要求，因此更为有用。
参考文献：
[1]Smeulders A W M, Worring M, Santini S, et al. Content-based image retrieval at the end of
the early years[A].IEEE transactions on pattern analysis and machine intelligence,2000,22(12):1349-1379.
[2]Niblack W, et al. The QBIC project: querying images by content using color, texture and shape[A]. SPIE, 1993,173~187.
[3]徐艳,王加俊. 一种综合纹理和像素中心的图像检索方法[J].微电子学与计算机,2004,21(7):88-90.
[4]Furht B,et al. Video and Image Processing in Multimedia Systems[A].Boston: Kluwer Academic Publishers,1995,226-270.
[5]章毓晋.基于内容的视觉信息检索[M].科学出版社,2003.
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文