融合CT特征與紋理特征的圖像檢索算法.pdf

1、基于內(nèi)容的圖像檢索技術已成為圖像處理研究的熱點，但是在圖像特征的選取與相似性度量兩方面仍存在一些技術問題需要解決。在研究現(xiàn)有圖像檢索算法的基礎上，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準差2個統(tǒng)計特征生成圖像特征向量。其次，在對預處理后的圖像做“統(tǒng)一模式”LBP處理的基礎上，提取角二階矩、對比度、相關度和熵4個灰度共

2、生矩陣（GLCM）的紋理統(tǒng)計特征向量。最后，融合 CT特征與紋理統(tǒng)計特征作為識別特征向量，應用Canberra距離進行相似性度量，實現(xiàn)圖像分類檢索。
　　論文設計實驗，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)對算法識別效果的影響。對實驗結果分析的基礎上，確定了識別算法的最佳參數(shù)。除此之外，在不同圖像數(shù)據(jù)庫中應用本文算法進行圖像檢索實驗，驗證本文算法的泛化能力。又在MIT圖像數(shù)據(jù)庫

3、上與其他檢索算法進行對比實驗，本文提出算法的平均檢索率達到89.68％，高于其余算法，驗證了本文算法的有效性。具體工作安排如下：
　?。?）算法參數(shù)對檢索結果的影響研究，確定算法最佳參數(shù)。應用典型的紋理圖像庫，研究Contourlet分解層次、“統(tǒng)一模式”的LBP算子的半徑和像素數(shù)、GLCM算法中的距離和相似性度量方法對圖像檢索結果的影響。實驗分析發(fā)現(xiàn)，實驗條件是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、像素點數(shù)為8，GLCM距離為1，相似性度量函數(shù)用Canberra距離時，檢索結果最好，在MIT圖像數(shù)據(jù)庫上的平均檢索率達到了89.68%。
　?。?）算法的泛化能力研究。在MIT圖像數(shù)據(jù)庫、Brodatz圖像數(shù)據(jù)庫和Outex50紋理圖像庫上研究本文算法的檢索效果，算法的平均檢索率分別達到了89.68%、80.03%、81.61%。實驗結果表明本文算法的良好泛化能力。
　?。?）算法的有效性研究。應用MIT