关键字 |
| 基于内容的图像检索(CBIR),当地四模式(LTrP),定向模式,数据库收集、查询图像。 |
介绍 |
| 基于内容的图像检索(CBIR),也称为查询图像内容(QBIC)和基于内容的视觉信息检索(CBVIR)是计算机视觉技术的应用到图像检索问题,也就是说,在大型数据库中寻找数字图像的问题。基于内容的图像检索是基于反对概念的方法。“基于内容”意味着搜索将分析图像的实际内容,而不是元数据,比如关键字标签,和/或与图像相关的描述。“内容”一词在此上下文中可能指的是颜色,形状,纹理,或任何其他可以从图像本身的信息。CBIR是可取的,因为大多数基于web的图像搜索引擎纯粹依靠元数据,这会产生很多垃圾在结果中。也有人类手动输入关键词在大型数据库的图像可以低效、昂贵和不可能抓住每一个关键字,描述图像。这样一个系统,可以根据他们的内容过滤图像将提供更好的索引和返回更准确的结果。结构可以被定义为灰色的空间分布的水平。纹理分析能够提取纹理特征即对比、方向性、粗糙度和忙碌,适用于计算机视觉、模式识别、分割和图像检索。纹理检索检索纹理图像,如大理石、瓷砖等。 It is a branch of texture analysis. The relevance feedback mechanism makes it possible for CBIR systems to learn human concepts since users provide some positive and negative image labeling information, which helps systems to dynamically adapt the relevance of images to be retrieved. |
方法 |
| 答:局部二值模式(LBP) |
| 枸杞多糖的方法提供了一个健壮的方法来描述纯纹理局部二进制模式。原来的3×3社区中心像素的值阈值。这个阈值邻域像素值是乘以二项的值对应的像素。得到的像素值是总结对枸杞多糖的结构单元。枸杞多糖方法灰度不变,可以很容易地加上一个简单的对比测量通过为每个社区的差异计算的像素的平均灰度值1和那些有价值0分别如Figure.1所示。 |
| 枸杞多糖是一种两值的代码。枸杞多糖值计算中心像素的灰度值与邻国相比,使用下面的方程(1)和(2)。 |
 |
| b .当地三元模式(LTP) |
| LTP是三值代码,灰色区域中的值的±T在Gc是量子化的宽度为零,上面那些(Gc + T) + 1是量子化的,和那些低于(Gc-T)是量子化的1。当地的三元模式是局部二进制模式的延伸。与枸杞多糖,它不阈值的像素为0和1,而它使用一个阈值恒定的“T”阈值像素分成三个值。这里“T”是一个用户指定的阈值,因此LTP代码更耐噪音。LTP可由方程(3)。 |
 |
| c .当地四模式(LTrP) |
| 枸杞多糖和LTP基于边缘的分布,提取信息的编码只使用两个方向(正方向或负方向)。因此,很明显,这些方法的性能可以通过区分改进超过两个方向的边缘。这个观察动机提出了四个方向的代码,称为当地利乐(CBIR LTrPs)模式。LTrP描述空间结构的局部纹理使用灰色像素中心的方向。在这个工作中,提出了一个计算二阶LTrP基于像素使用水平和垂直方向的衍生品。 |
| 算法: |
| 输入:查询图像;输出:检索结果 |
| 1。加载图像,并将其转换为灰度。 |
| 2。应用一阶导数在水平和垂直轴。 |
| 3所示。计算每个像素的方向。 |
| 4所示。将模式划分为四个部分基于中心像素的方向。 |
| 5。计算tetra模式,分离成三个二进制模式。 |
| 利乐的计算模式 |
| 当地四模式的中心像素是由计算使用n阶衍生品定向模式,通常我们使用二阶衍生物由于其低噪音比较高阶。让,鉴于我中心的一阶导数像素在0到900(即横向和纵向)方向计算减去其中心像素的灰度值与水平和垂直灰色值。二阶导数可以被定义为一个函数的一阶导数。它给四个可能的方向1、2、3、4即图像转换成四个值,说明figure.5。每个方向的中心像素会给三个四模式(3 0 3 4 0 3 2 0)。因此,我们得到了12(4×3)二进制模式。级一阶导数给出了13二进制模式(1 1 1 1 0 0 0 1)。 |
实验结果 |
| 提出的新方法是通过使用MATLAB图像处理编程工具。算法的性能评估在纹理图像。让讨论绩效评估。 |
| )数据库集合 |
| 下面的图6。说明内存大小的图像48.0 KB(128×128)用于数据库。这个数据库包含大量不同内容的图像从动物到户外运动自然图像。 |
| b)选择查询的形象 |
| 基于内容的图像检索retrives匹配的图像从数据库查询的形象。选择一个图像作为一个查询图像和处理它。查询图像选择将figur.7所示。 |
| c)仿真结果 |
| 提出地方利乐模式(LTrP)方法有以下步骤。 |
| (i)最初,原始图像作为查询图像应用于过程,figure.8.a所示。 |
| (2)在第二步中,原始图像灰度图像转换将如图.8.b所示。 |
| (3)第三步包括二进制模式生成的灰度图像,figure.8.c所示。 |
| (iv)最后,确定定向模式用于提取更多的有关信息如figure.8.d所示。 |
| d)匹配结果 |
| 最后,相似性度量,这些图像在数据库中匹配与查询图像将从数据库检索输出图像figure.10以下所示。 |
结论和讨论 |
| 在这项工作中,一个图像检索技术称为LTrPs CBIR。LTrP编码图像基于像素的方向,计算了水平和垂直的衍生品。二进制模式收集使用震级的大小的衍生品。该方法提高了检索结果与标准的枸杞多糖相比也提高了精度平均率,然而算法过程比LBP和LTP的复杂得多。在这里,有水平和垂直像素计算导数。 |
| 结果可以进一步提高了考虑对角线像素导数计算除了水平和垂直方向。由于该方法的有效性,也可以适用于其他模式识别应用,如人脸识别、指纹识别等。 |
数据乍一看 |
 |
 |
 |
 |
 |
| 图1 |
图2 |
图3 |
图4 |
图5 |
 |
 |
 |
 |
 |
| 图6 |
图7 |
图8 |
图9 |
图10 |
|
引用 |
- Subrahmanyam表示Murala, r。Maheshwari和R。Balasubramanian,“当地四模式:基于内容的图像检索的新特征描述符”IEEE图像处理,没有月,。2012年5月5日。
- m . Saadatmand Tarzjan和h·A·穆贾达姆”,一种新颖的进化优化方法基于内容的图像检索,“IEEE反式。系统。,Man, Cybern. B, Cybern, vol. 37, no. 1, pp. 139–153, Feb. 2007.
- a·w·m·Smeulders m .不用Santini, a·古普塔和r . Jain,“基于内容的图像检索的早期,“IEEE反式。模式肛门。马赫。智能。,vol.22, no.12, pp.1349–1380, Dec. 2000.
- m . Kokare b . n . Chatterji, p . k . Biswas”的一项调查对当前基于内容的图像检索方法,“IETEJ.Res,卷。48岁的没有。3&4, pp. 261–271, 2002.
- M.N.做和M。Vetterli,“小波纹理检索使用广义高斯密度和KullbackLeibler距离,“IEEE反式。图像的过程。,vol. 11, no. 2, pp. 146–158, Feb. 2002.
- m . Kokare p . k . Biswas和b . n . Chatterji”旋转不变纹理图像检索使用旋转复杂的小波滤波器,“IEEE反式。系统。,Man, Cybern. B, Cybern., vol. 36, no. 6, pp. 1273–1282, Dec. 2006.
- d . y . Liu, g . Lu, W.-Y。马”,基于内容的图像检索的调查与高层语义,“Recogn模式。,40卷,不。1,第282 - 262页,2007年1月。
- 郭z l . Zhang, d,“完成建模当地bi -连模式运营商纹理分类,“IEEE反式。图像的过程。,vol. 19, no. 6, pp. 1657–1663, Jun. 2010.
|
菜单
