融合CT特征與紋理特征的圖像檢索算法.pdf

1、基于內(nèi)容的圖像檢索技術(shù)已成為圖像處理研究的熱點(diǎn)，但是在圖像特征的選取與相似性度量?jī)煞矫嫒源嬖谝恍┘夹g(shù)問(wèn)題需要解決。在研究現(xiàn)有圖像檢索算法的基礎(chǔ)上，本文提出一種融合Contourlet特征與紋理特征的圖像檢索算法。首先，把數(shù)據(jù)庫(kù)中的圖像做尺寸、分塊變換處理，由提取圖像的Contourlet變換的平均能量和標(biāo)準(zhǔn)差2個(gè)統(tǒng)計(jì)特征生成圖像特征向量。其次，在對(duì)預(yù)處理后的圖像做“統(tǒng)一模式”LBP處理的基礎(chǔ)上，提取角二階矩、對(duì)比度、相關(guān)度和熵4個(gè)灰度共

2、生矩陣（GLCM）的紋理統(tǒng)計(jì)特征向量。最后，融合 CT特征與紋理統(tǒng)計(jì)特征作為識(shí)別特征向量，應(yīng)用Canberra距離進(jìn)行相似性度量，實(shí)現(xiàn)圖像分類(lèi)檢索。
　　論文設(shè)計(jì)實(shí)驗(yàn)，研究了Contourlet分解層次、“統(tǒng)一模式”的LBP算子、GLCM參數(shù)以及相似性度量函數(shù)對(duì)算法識(shí)別效果的影響。對(duì)實(shí)驗(yàn)結(jié)果分析的基礎(chǔ)上，確定了識(shí)別算法的最佳參數(shù)。除此之外，在不同圖像數(shù)據(jù)庫(kù)中應(yīng)用本文算法進(jìn)行圖像檢索實(shí)驗(yàn)，驗(yàn)證本文算法的泛化能力。又在MIT圖像數(shù)據(jù)庫(kù)

3、上與其他檢索算法進(jìn)行對(duì)比實(shí)驗(yàn)，本文提出算法的平均檢索率達(dá)到89.68％，高于其余算法，驗(yàn)證了本文算法的有效性。具體工作安排如下：
　?。?）算法參數(shù)對(duì)檢索結(jié)果的影響研究，確定算法最佳參數(shù)。應(yīng)用典型的紋理圖像庫(kù)，研究Contourlet分解層次、“統(tǒng)一模式”的LBP算子的半徑和像素?cái)?shù)、GLCM算法中的距離和相似性度量方法對(duì)圖像檢索結(jié)果的影響。實(shí)驗(yàn)分析發(fā)現(xiàn)，實(shí)驗(yàn)條件是Contourlet變換分解為（0，2，2，3）層，“統(tǒng)一模式”的L

4、BP算子半徑為1、像素點(diǎn)數(shù)為8，GLCM距離為1，相似性度量函數(shù)用Canberra距離時(shí)，檢索結(jié)果最好，在MIT圖像數(shù)據(jù)庫(kù)上的平均檢索率達(dá)到了89.68%。
　?。?）算法的泛化能力研究。在MIT圖像數(shù)據(jù)庫(kù)、Brodatz圖像數(shù)據(jù)庫(kù)和Outex50紋理圖像庫(kù)上研究本文算法的檢索效果，算法的平均檢索率分別達(dá)到了89.68%、80.03%、81.61%。實(shí)驗(yàn)結(jié)果表明本文算法的良好泛化能力。
　?。?）算法的有效性研究。應(yīng)用MIT