基于Gabor滤波系数高阶矩的图像检索
基于Gabor滤波系数高阶矩的图像检索 第37卷第3期
2010年3月
光电工程
Opto—ElectronicEngineering
Vlo1.37.NO-3
March.2010
文章编号:1003—501X(2010)03—0079—04
基于Gabor滤波系数高阶矩的图像检索
曾焱,陈博娜
(华南理工大学理学院物理系,广州510640)
摘要:在分析Gabor滤波器进行图像纹理特征提取的基础上,提出了利用多尺度和多方向Gabor滤波系数的高阶
矩提取图像特征进行CBIR的
方法
快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载
,利用滤波系数的方差给出了基于Gabor滤波组提取的图像纹理特征的平滑度
和纹理一致性算法,并采用四个尺度和六个方向的滤波系数的能量,方差,峰态,平滑度和一致性组成了CBIR
特征向量.采用Brodatz纹理库和Corel图像库中的典型图像进行了对比实验.实验证明,提出的方法比传统的
Gabor滤波进行CBIR具有更高的查准率.
关键词:基于内容的图像检索;Gabor滤波;高阶矩;纹理平滑度;纹理一致度 中图分类号:TP911.73;TP391文献标志码:Ado:l0.3969/j.issn.1003.501X.2010.03.015
ImageRetrievalBasedontheHigh—orderMomentsof GaborFilteringCoefficients
ZENGYan,CHENBO-na
(DepartmentofPhysics,SouthChinaUniversityofTechnology,Guangzhou510640,China)
Abstract:AnewContent-BasedImageRetrieval(CBIR)methodbasedonthehigh—
ordermomentsofmulti—scaleand
multi?directionGaborfilteringcoefficientswaspresentedandthealgorithmformeasuringthefeaturesofsmoothnessand
consistencyoftexturewhichwasextractedbyaGaborfilterbankwasgivenbyusingthevarianceoffilteringcoefficients.
ThefeaturevectorforCBIRiscomposedofthevaluesoftheenergy,variance,kurtosis,smoothnessandconsistencyof
filteringcoefficientsin4scalesand6directions.ThetypicalimagesfromBrodatztexturedatabaseandCorelimageswere
utilizedinthecontrastexperiments,whichshowthattheproposedmethodgivesbenerprecisionthantraditionalGabor
filteringmethod.
Keywords:CBIR;Gaborfiltering;high-ordermoments;texturesmoothness;textureconsistency
0引言
在基于内容的图像检索(CBIR,Content—BasedImageRetrieva1)方法中,以Gabor滤
波器提取纹理特征
作为检索依据是基本的方法之一?.
Manjunath等将Gabor滤波引入CBIR工作,并同时利用4个尺度6个方向的滤波
系数的均值和方差组
成的特征向量进行检索,查准率在25%,54%之间?J.Zhang等利用图像Gabor滤
波在5个尺度6个方向的
滤波系数的均值和方差组成的特征向量进行检索,并且证明了系统能力的旋转不
变性特征L2J.Chen等研究
了在CBIR工作中Gabor滤波器
模板
个人简介word模板免费下载关于员工迟到处罚通告模板康奈尔office模板下载康奈尔 笔记本 模板 下载软件方案模板免费下载
大小及相关参数的关系,得到了在一定查全率
的情况下,滤波器模板
大小为13xl3时查准率最佳,但与9x9的模板差别不大【jJ.Andrysiak等给出了利
用Gabor滤波器提取纹理
特征并结合图像的色彩,形状特征的多层次的图像检索方法J.Mahmoud等利用Gabor滤波器作为纹理提
取工具,通过改进的非线性的Radon变换(Radontransform)对纹理的方向,一致性进行估计从而实现CBIR,
按方向估计时查准率达83.5%,按一致性估计时查准率达到了90.8%pJ.然而,Deselaers等对比了十九种
收稿日期:2009—08—11;收到修改稿日期:2009一l0—29
基金项目:国家自然科学基金支持项目(10874047)
作者简介:曾焱(1963),男(汉族),湖南湘潭人.讲师,硕士,主要研究工作是光学工程,计算机应用等.E-mail:yzeng@scut.edu.cn. 80光电工程2010年3月
特征提取方法用于图像检索,Gabor滤波的两种方法中,Gabor直方图法位于第8位查准率(平均39.4%),
Gabor向量法的查准率只有25.7%,位于倒数第2位..J.
这些研究都没有考虑多尺度和多方向上提取的滤波系数所给出的纹理特征的进一步挖掘,而图像作为
一
种二维光学能量分布,其局部强度在各个尺度和方向上的分布特征不仅体现在其滤波系数的均值和方差
上,还体现在其峰态,偏态,平滑度以及一致度等分布特征上.因此,本文在利用一个4尺度6方向的Gabor
滤波器组进行图像纹理特征提取的基础上,提出用这些滤波系数的高阶矩组成的向量来表示图像特征,并
提出了在Gabor滤波组实现的多分辨率域上纹理平滑度和一致度的度量方法,并利用Gabor滤波系数的各
阶矩与平滑度和一致度参数组成的向量进行图像检索.实验证明,所提出的方法具有较高的查准率,平均
查准率达63%,对于纹理特征明显的图像,查准率超过了90%. 1二维Gabor滤波,滤波器组与图像特征提取
1.1Gabor滤波器组
采用奇对称Gabor滤波器提取图像纹理特征:
1r21,2
(,;,,CO)=(1/2ha)exp[一?(二二丁+~)]sin(cox)(1)o x
ov
其中:娓高斯
函
关于工期滞后的函关于工程严重滞后的函关于工程进度滞后的回复函关于征求同志党风廉政意见的函关于征求廉洁自律情况的复函
数的调制频率(或称滤波器的中心频率),,O-分别是高斯函数沿方向
和Y方向的标准
方差,决定了高斯窗口的大小,也被称为尺度因子.通过对 二维奇对称Gabor基函数进行尺度扩张和旋转变换,可以得 到一组自相似的滤波器:
尺度扩张:co=co/s
旋转变换:=日COS0+Y目sin;Y=一sin+YCOS 其中:0=忌,k和S分别表示滤波器组的方向数和尺度数, r?[0,k一1],f表示滤波器的带宽是随尺度呈指数递增的. Daugman等通过对人类视觉系统的研究J,提出以下符 合人类视觉感知的参数设置:
1)高斯窗I:1的标准方差比/=2;
曩量霜蟹圄圈
?图
图l4个尺度6个方向的Gabor滤波器
Fig.1Gaborfiltersof4scalesand6directions
2)滤波器的半峰值带宽取1,1.5倍频程.
基于此,本文取尺度数s=4,所用的Gabor滤波器组由4个尺度6个方向,一共24个
二维奇对称Gabor
滤波器组成,窗I:1大小设置为2×2,即从2x4倍增到16x32. 因此,对图像的二维Gabor滤波为
g(x,)口=f(x,)(,y;s,)(2)
其中(,y;s,)为尺度为S方向为0的Gabor滤波器.
1.2多尺度多方向图像特征的提取
为了最大程度地获得图像纹理特征,并将其同时用于图像检索,采用如图2所示的算法进行图像特征
提取,即:
1)按上述要求进行Gabor滤波器的
设计
领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计
,将多个Gabor滤波器组成滤波器组; 2)将待检索图像通过滤波器组,获得不同尺度不同方向的滤波系数; 3)统计这些滤波系数的各阶矩特征及平滑度,一致度特征,由这些矩组成图像特征向量.
IOriginalimage~--[Gaborfilterbank]一匿薹薹一垂叵Imagec三haracteristicvector]
图2多尺度多方向Gabor滤波图像特征提取过程
Fig2Procedureofimagefeaturesextractinginmulti—scaleandmulti—directions 第37卷第3期曾焱等:基于Gabor滤波系数高阶矩的图像检索81 考虑到图像纹理特征在不同的尺度和不同的方向上是不同的,通过具有不同分辨率和方向的Gabor滤
波器组,可以获得多尺度且多方向上的滤波系数,这些滤波系数本身的特征可以由各种统计特征参数反映.
因此,选择多个高阶矩组成的特征向量来反映图像在不同尺度,不同方向上图像纹理特征的统计分布特征,
即可利用这一特征向量进行图像检索.
2滤波系数各阶矩及相似性度量
2.1滤波系数各阶矩
对于随机过程的一个样本,若ju=E[(—E())]存在,则称其为的k阶中心矩.随机过程的各
阶矩可以衡量其一般特征.
传统的基于Gabor滤波的图像检索技术大多提取Gabor小波系数的数学期望,口和二阶矩一方差Ors,口作
为图像的纹理特征,即:
,
:
?.?.g(,),/MN(3)
o-=
??.?(g(,)一)/MN(4)
这里,引入Gabor滤波系数的三阶矩,四阶矩和能量,定义在各个尺度和方向上的偏态,峰态
平口胄邑量e分另0为
,=?/cry,=??.(g,(,)一,)/,(5)
k,
=/1/一3=??(g(,j,),一,)/删仃一3(6)
P:?1?(g(,))(7)
偏态,峰态和能量分布衡量了在滤波尺度和方向上的纹理分布的对称程度,陡峭程度和总能量.
2.2纹理平滑度和一致度
为了突出滤波后所得到的系数体现出的纹理特征,引入纹理平滑度R,0和一致度,0:
R月=1—1/(1+)(8)
其中,0是Gabor小波系数的标准方差.图像在S尺度0方向上的纹理越平滑,平滑度凡,值越大,图像
在S尺度0方向上的纹理越粗糙,平滑度R.0值越小.该定义是沿用其在灰度直方图中的原定义,因为标
准方差,0在灰度直方图中和Gabor小波系数中具有相似的物理意义,即都反映了图像纹理的分散程度.
U=2
,口=(,/??目13")(9)
其中:,口是图像某个尺度某个方向上的小波系数的标准方差,P=, /??O"s,则表述了该尺度该
方向上的纹理方差对图像各方向各尺度纹理方差总和的贡献率.因此,该定义描述了图像各个方向各个尺
度上的纹理信息分布的规律性,各个方向各个尺度上的纹理分布越平均,,目值越
小,反之,各个方向各
个尺度上的纹理分布差异越大,,0值越大.
2.3多特征融合的相似性度量
通过实验发现能量,标准方差,峰态,平滑度和一致性度量都是有效的特征量度,反而经常被用做特
征量度的数学期望在区分纹理方面的效果不好,偏态区分纹理的效果最差.基于此,标识图像特征的特征
向量可表示为
V:(e11l_l,RlUl,1;…;e4,6o-4,6,4,6,R4-6'U4,6)(1o) 其中,向量下标即4个尺度6个方向.基于上述算法,可以将本CBIR方法简称为GMM法(Gabor
Multi—momentsmethod).采用欧式距离测度各图像间的相似程度. 3实验结果及分析
从Brodatz纹理库和Corel图像库中选取10幅典型图像作为待检索图像,如图3所示.并以这10幅图
像为类别每类图像选取50个样本,组成500幅图像的图库.查准率(precision)按通用定义计算.
光电工程2010年3月
图310类被检索图像图4提出的GMM法与传统的
Fig.31oclassesofimagetoberc[rieved?查准率的比较
F4Thecomparisonofprecisionvaluesbetween proposedGMMandtraditional"method 本文用于做比较的是传统检索法,即只用滤波系数的均值和方差组成的特征矢量作为检索依据.为
了突出特征空间构成的不同对图像检索结果的影响,盯法算法流程设置成与GMM算法的流程相同,只是
在提取特征向量时,法只提取Gabor小波系数的期望和标准方差作为特征,而
GMM法则提取Gabor小
波系数的能量,方差,峰态,平滑度和一致性度量作为特征.
实验表明:
1)所提出的GMM算法比Deselaers等对比的十九种特
征提取方法中所涉及的两种Gabor滤波方法,Gabor直方图
法(Gaborhistogram)和Gabor向量法(Gaborvetor),平均查
准率分别高出27.6%与41.3%,且比其用于对比的最好方法,
颜色直方图(colorhistogram)高出8.9%,这表明Gabor滤波方
法只要深入挖掘其系数特征,仍可获得较好检索性能.
2)传统法检索查准率与已报道的一致,查准率在
81%之间,且提出的方法与传统方法的查准率趋势一 22%,
致.其中,纹理特征不明显且图像光滑的样品7,9,查准率
最低;纹理特征明显的样品2,8,10,两种方法都获得了较
表1GMM法与口法检索查准率比较
TablelThecomparisonofprecisionvalues betweenGMMandtraditional,
uamethod
PrecisionOptimal
p.—面——一alue
高的查准率.表明Gabor滤波在纹理特征明确的图像检索具有较大优势. 3)所提出的GMM算法比传统的盯法平均检索性能高出23%.对于纹理特征不明细的图像,检索性
能也高出13%,15%;对于纹理特征明显的图像,检索性能高出12%,43%;对于纹理有明确尺度特征和
方向性的图像,如样品1,2,4,6,8,检索性能改善最大,平均优化33.2%,最高优化达43%.对于纹
理在各个尺度上都具有各向同性特征的图像,如样品5,所提的算法比传统方法优化不大.可见,对于纹
理尺度特征和方向特征明显的图像,所提出的方法具有明显的优势. 4结论
本文在多尺度多方向的Gabor滤波器组提取图像纹理特征的基础上,提出了一种
利用滤波系数高阶矩
进行图像检索的方法,这样,不仅利用了多通道的Gabor滤波器对图像纹理特征的选择性,而且充分反映
了在不同尺度和不同方向上图像纹理的统计特征.为了更好地反映滤波后在特定尺度和特定方向上图像纹
理的特征,引入了纹理平滑度和一致度的算法,并将纹理平滑度一致度作为纹理高阶统计参量纳入特征向
量.通过利用图像在4个尺度6个方向的Gabor滤波系数高阶矩所组成的特征向量进行CBIR,获得了较
好的查准率.
可以看到,在利用Gabor滤波系数高阶矩时,图像特征向量的计算量增加,因此,进一步可考虑在一
定的特征判断基础上采用自适应方法,一方面提高检索特征提取的针对性,另一方面可减少检索计算量.
(下转第87页)
"?驺"坨
OOOO000On
如舵引
OOOO00OOO0O
卯勰"
OOOO0OOOOOO
.23456789?
笪坐壁三一奎篁!茎特征量力口权的幺工夕皇可见光图像融合87 参考文献:
[1]覃征,鲍复民,李爱国,等.数字图像融合【M】.西安:西安交通大学出版社,2004:卜168.
TANZheng,BAOFu—min,LIAi—guo,eta1.Digitleimagefusion[M】.Xian:XianJiaotongUniversityPress,2004:卜168. [2】BambergerRH,SmithMJAfilterbankforthedirectionaldecompositionofimages:theoryan
ddesign【J].IEEE
TransactionsonSignalProcessfS1053?587X),1992,40:882—893.
【3】
DaCunhaAL,ZhouJP,D0MN.Thenonsubsampledcontourlettransform:theory,design,andapplications[J】.IEEE
TransactionsonImageProcessing(S1057—7149),2006,15(10):3089—3101.
[4]何国栋,梁栋,姚红.基于非抽样Contourlet变换的红外与可见光图像融合算法[J].
微电子学与计算机,2007,32(5):
750-753.
HEGuo—
dong,LIANGDong,YAOHong.FusionofInfraredandVisibleLightImagesBasedonNonsubsampledContourlet
Transform[J].MicroelectronicsandComputer,2007,32(5):750—753.
【5]LiH,ManjunathBS,MitraSK.Multisensorimagefusionusingthewavelettransform[J].GraphicalModelsandImage
Processing(S1049—9652),1995,5(3):235—245.
[6]6王连庆,安锦文.基于无下采样Contourlet变换的图像融合算法[J].计算机工程
与应用,2008,44(12):189-191.
WANGLian-qing,ANJin—
wen.ImagefusionbasedonnonsubsampledContourlettransform[J].ComputerEngineeringand
Application,2008,44(12):189—191.
【7】
LIUKun,GUOLei,LIHui.FusionofInfraredandVisableLightImagesBasedonRegionSegmentation【J].ChineseJournal
ofAeronauties(S1000—9361),2009,22:75—80.
[8】楚恒,李杰,朱维乐.一种基于小波变换的多聚焦图像融合方法【J].光电工
程,2005,32(8):59-63.
CHUHeng,LIJie,ZHUWei—le.Multi—
focusimagefusionschemewithwavelettransform[J].Opto-ElectronicEngineering,
2005,32f8):59-63.
《《《《《《《《《《《《《《《《《《《《《《唣'《唣'咤'唣,唣,
(上接第82页)
参考文献:
[1】
ManjunathBS,MaWY.TextureFeaturesforBrowsingandRetrievalofImageData[J].IEEE
Trans.PatternAnalysisand
MachineInteIligence(S0l62—8828),1996,l8(8):837—842.
[2]ZHANGDeng-sheng,WongAylwin,IndrawanMaria,eta1.Content—
basedImageRetrievalUsingGaborTextureFeatures[C]// Proe.offirst1EEEPacific-rimConferenceonMultimedia,Fargo,ND,USA,October24—
26,2001:l一9.
【3】
ChenL,LuG,ZhangD.EffectsofDifferentGaborFilterParametersonImageRetrievalbyTex
ture[C]//lOthInternational
MultimediaModellingConference,Brisbane,Australia,Jan5—7,2004:273—278.
【4】
AndrysiakT,ChorasM.ImageRetrievalBasedonHierarchicalGaborFilters[J】.InternationalJournalofApplied
MathematicsandComputerScience(S0218-1967),2005,l5(4):471—480.
[5】MahmoudRH,HoY.AnEfficientApproachtoTexture—
BasedImageRetrieval[J].InternationalJournalofImaging SystemsandTechn0Iogy(SO899—9457),2007,17(5):295—302.
【6】
DeselaersT,KeysersD,NeyH.FeaturesforImageRetrieval:AnExperimentalComparison[
J】_Information
Retrieval(S1386—4564),2008,ll(2):77—107.
[7】KamarainenJK,KyrkiV,K苴lVnenH.InvariancePropertiesofGaborFilter—
BasedFeatures—OverviewandApplications[J].
IEEETrans.ImageProcess(S1057-7149),2006,l5(5):1088—1099.
[8]DaugmanJG.Uncertaintyrelationforresolutioninspace,spatialfrequency,andorientationoptimizedbytwo—dimensional
visualcorticalfillers[J].JournaloftheOpticalSocietyofAmericaA(S1084-7529),1985,2(7):1160—1169.