纹理基元通常表现为一种局部特征，因此对局部特征的描述就是对潜在的纹理基元进行描述。因此，本章方法利用这5个特征量构造一个局部特征向量，用这个局部特征向量来描述每个像素所在区域的局部纹理特征，并将其作为纹理基元的学习对象。......
2023-06-29
基于纹理特征的图像检索系统设计
【摘要】：为了利用纹理图像特征提取技术构建一个具体的图像检索系统，本节利用本书第5章提出的彩色纹理图像特征提取框架，所设计的样本图像特征提取过程如图7-4所示。在进行图像检索之前，可预先离线计算检索数据库中所有样本图像的特征向量，将其存储起来，方便以后每次进行图像检索时使用；对输入的查询样本图像，需要在线计算其特征向量。图7-5本节提出的图像检索系统框图
为了利用纹理图像特征提取技术构建一个具体的图像检索系统，本节利用本书第5章提出的彩色纹理图像特征提取框架，所设计的样本图像特征提取过程如图7-4所示。具体的实现流程如下：①对原始的样本图像进行采样，降低样本图像的尺寸；②将样本图像转换到HSV颜色空间，分别获得亮度分量V、色调分量H和饱和度分量S；③对色调分量H和饱和度分量S分别进行粗略量化，然后计算粗略量化后H分量和S分量的联合直方图，将其作为样本图像的粗略颜色信息；④利用本书第4章提出的DDT-CLBP算法从亮度分量V提取灰度纹理特征；⑤把提取的粗略颜色信息和灰度纹理特征进行级联融合，将其作为样本图像在图像检索时的查询特征。
图7-4 本节提出的图像检索系统的特征提取过程
在图像检索系统中，检索的准确性和实时性是两个最重要的指标，因此本节设计的图像特征提取方法（图7-4）综合考虑了图像检索的准确性和实时性指标，主要体现在以下几个方面：
（1）对于尺寸较大的原始图像，通过采样的方式适当缩小图像的尺寸，一方面对检索的准确性影响不大，另一方面可以显著降低特征提取的计算量和所提取特征的维数，从而提高检索系统的实时性，因此在对每个原始的样本图像进行特征提取之前，本节方法先对原始的样本图像进行采样操作，使图像的长、宽不超过100像素。
（2）在利用DDT-CLBP算法从亮度分量V提取灰度纹理特征时，本节方法只利用一个半径（R， P）=（1， 8）的参数组合来计算灰度纹理特征，这样不但能减小灰度纹理特征提取的计算量，而且能降低所提取的灰度纹理特征的维数，从而提高检索系统在特征提取阶段和特征匹配阶段的实时性。
（3）在提取颜色特征时，本节方法对表示颜色信息的H分量和S分量采用粗略量化的策略，将它们的量化等级均设为Lc=10，这样可以显著降低颜色特征的维数，提高算法的实时性。
在进行图像检索之前，可预先离线计算检索数据库中所有样本图像的特征向量，将其存储起来，方便以后每次进行图像检索时使用；对输入的查询样本图像，需要在线计算其特征向量。为了计算查询样本与检索数据库中每个样本的特征距离，这里采用扩展的Canberra距离（Extended Canberra Distance， ECD）作为特征距离的测度[139]，即
式中：
Q —— 查询样本的特征向量；
Qi —— 查询样本特征向量Q的第i个分量；
M —— 检索数据库中一个样本的特征向量；
Mi —— 检索数据库中一个样本特征向量M的第i个分量；
µQ —— 查询样本特征向量Q的所有分量的平均值；
µM —— 检索数据库中一个样本特征向量M的所有分量的平均值；
L —— 特征向量Q或M的长度。
为了充分利用样本的颜色信息和灰度纹理特征进行图像检索，本节方法分别计算查询样本与检索数据库中每个样本的颜色特征ECD距离和灰度纹理特征ECD距离，并分别进行归一化，然后将这两种归一化的特征距离进行加权求和，将其作为查询样本与检索数据库中每个样本的最终距离测度。归一化的颜色特征ECD距离和灰度纹理特征ECD距离的加权求和公式为
式中：
ECDc —— 归一化的颜色特征ECD距离；
ECDt —— 归一化的灰度纹理特征ECD距离；
ECDf —— 归一化的颜色特征距离和灰度纹理特征距离加权融合后的距离；
α —— 颜色特征距离和灰度纹理特征距离加权时的权值参数，其范围是[0， 1]。
在获得查询样本与检索数据库中每个样本的最终特征距离之后，将这些特征距离按升序进行排列，越靠前的样本与查询样本越相似。通常情况下，查询人员只关心排序最靠前的N个最相似的样本图像，因此检索系统将最靠前的N个样本图像作为返回的查询结果。按照上述方法，本节提出的图像检索系统框图如图7-5所示。
图7-5 本节提出的图像检索系统框图
有关纹理图像的特征提取和识别的文章
- 详细阅读
-
基于图像处理的木材表面纹理特征提取方法详细阅读
所以，迄今为止关于木材表面纹理表达与分析的研究，基本上仍停留在定性描述为主，局部定量为辅的阶段。日本的仲村匡司采用计算机图形处理模拟制作了各种木材径切面纹理模型图片，并调查分析了“自然感”心理量与其他心理量以及纹理图形数字化参数之间的关系。其结果表明，“自然感”与“木纹相象感”和“喜好感”相关程度很高，可认为加强自然感是提高木纹仿制品视觉特性的有效途径之一。......
2023-11-19
-
基于纹理特征识别的纸币鉴别系统设计详细阅读
图7-10本节提出的纸币鉴别系统的原理图本节提出的纸币鉴别系统的具体实现流程如下所述。对测试纸币的红外图像进行灰度纹理特征提取。对测试纸币进行真伪鉴别。根据上述第步确定的测试纸币的面额，将上述第步提取的测试纸币的红外图像灰度纹理特征与标准真币特征数据库中相同面额真币的红外图像灰度纹理特征进行比较，根据预先设定的特征距离计算准则和判别阈值，鉴定测试纸币的真伪。......
2023-06-29
-
彩色纹理图像特征提取方法研究详细阅读
由于本书第2章至第4章已经提出了三种灰度纹理图像的特征提取方法，并且HSV颜色空间中的亮度分量V就是灰度纹理图像，可将本书第2章至第4章提出的灰度纹理图像特征提取方法直接应用于HSV颜色空间中的V分量，从而实现灰度纹理特征的提取。......
2023-06-29
-
基于计算机图像处理的木材纹理特征提取及分类方详细阅读
针对常见特征选择方法的不直接性，我们将子集评价函数直接选为分类器的识别率，提出一种基于模拟退火算法与最近邻分类器识别率的特征选择方法。因此，我们最终选用最近邻分类器识别率作为评价准则。模拟退火算法中最常用的是2变换法和3 变换法，这两种方法有着各自独特的优越性，我们将这两种方法随机交替使用获得了较好的效果。......
2023-11-19
-
基于内容的服装图像情感识别与检索系统详细阅读
一张图像需要经过图像特征提取和机器学习的过程，可以得到其情感因子值，进而根据式（7－1）可以算出其情感的定量描述，实现图像的情感语义识别，然后根据情感相似度就可以实现图像的情感语义检索。建立图像低层特征与情感因子之间的映射通过支持向量机来完成。......
2023-08-23
-
图像检索方法：基于内容的图像特征相似度比较详细阅读
图像检索在生活工作中是一项常见的工作。随着图像数量的增多，这种基于文件系统的图像检索方法的检索效率会越来越低。基于内容的图像检索方法主要是采用了图像的颜色、形状、纹理、空间关系、相关反馈等特征进行索引和检索。实际上，这是对用图像内容特征表达的检索提问和被检索提问之间相似性的计算过程。基于内容的图像检索，实质上就是进行图像特征相似度的比较。......
2023-11-01
-
基于内容的服装图像情感语义特征分析详细阅读
但是作为同一个因子的组成成分，这些词义之间存在着非常密切的联系。表2－1图2－1男西装图像样本情感投票数据色彩的亮度也与第一个情感因子有一定的关系，亮度暗的男西装给人的感觉可能是“正式的”、“古典的”，如图2－1和2－1所示。图2－1男西装图像样本色彩的冷暖和亮度根据以上分析，因子1与色彩的亮度、冷暖具有直接的关系，因此可用图像的亮度和冷暖描述来反映该因子的图像特征。......
2023-08-23
相关推荐