基于內(nèi)容的sar圖像檢索

本文格式為Word版，下載可任意編輯——基于內(nèi)容的sar圖像檢索基于內(nèi)容的SAR圖像檢索

基于內(nèi)容的圖像檢索技術(shù)動態(tài)

自從20世紀(jì)70年代以來，在數(shù)據(jù)庫系統(tǒng)和計(jì)算機(jī)視覺兩大研究領(lǐng)域的共同推動下，圖像檢索技術(shù)已逐漸成為一個十分活躍的研究領(lǐng)域。數(shù)據(jù)庫和計(jì)算機(jī)視覺兩大領(lǐng)域是從不同的角度來研究圖像檢索技術(shù)的，前者基于文本的，而后者是基于視覺的。

70年代產(chǎn)生的圖像檢索是基于文本方式，但目前，計(jì)算機(jī)視覺技術(shù)還不成熟，達(dá)不到對圖像的描述性關(guān)鍵字和語義信息的確鑿識別和自動提取。另外，基于文本的圖像檢索并不能客觀反映圖像內(nèi)容的多樣性，特別當(dāng)圖像庫的數(shù)據(jù)量十分大時，這種檢索方式存在兩大困難:其一，手工解釋工作量太大，圖像注解的主觀性和不確切性可能導(dǎo)致檢索過程失敗;其二，圖像的某些可視信息，例如:紋理、形狀、區(qū)域等.很難用文本確鑿描述。因此，90年代初研究者們提出了基于內(nèi)容的圖像檢索(CBIR)技術(shù)。這種技術(shù)由機(jī)器自動提取包含圖像內(nèi)容的可視特征：顏色、紋理、形狀、目標(biāo)的位置和相互關(guān)系、區(qū)域等，形成數(shù)據(jù)庫中圖像和查詢樣本圖像的特征空間，在特征空間內(nèi)進(jìn)行相像匹配，檢索出與樣本相像的圖像。1.3.1紋理特征

紋理特征在圖像檢索中占據(jù)十分重要的位置。紋理分析的方法尋常可以分為基于統(tǒng)計(jì)分析和基于結(jié)構(gòu)分析兩種方法。在結(jié)構(gòu)分析方法中,紋理被認(rèn)為是由它的基元和偏移規(guī)則的描述來表述紋理特征。在統(tǒng)計(jì)方法中,紋理是由選定的特征統(tǒng)計(jì)量來描述。Julesz[47]提出了人類視覺系統(tǒng)是利用一階和二階統(tǒng)計(jì)量(紋理元)來作為進(jìn)行紋理判斷的觀點(diǎn)。A.Gagalowize[48]提出了一種從紋理場的二階統(tǒng)計(jì)量估計(jì)進(jìn)行紋理綜合的算法。Chen和Pavlidis[49]提出基于二維均勻Gauss模型的紋理分割算法。Chellappa和Rashyap[50]提出用二維回歸非因果模型綜合視覺上類似的自然紋理,它們利用鄰域內(nèi)象素灰度和加性噪聲的線性組合來表示紋理特征。

小波變換在紋理特征提取領(lǐng)域也得到了廣泛的應(yīng)用。研究說明，樹型小波變換更適合應(yīng)用于紋理分析中[51]Chang和Kuo[52]用樹型小波進(jìn)一步提高了分類精度。ManeshKokare等[53]利用一組二維旋轉(zhuǎn)復(fù)數(shù)小波濾波器提取圖像紋理特征。Gabor變換[54]在醫(yī)學(xué)圖像檢索過程中取得較為滿意的效果。MinhNDo等人提出的Contourlet變換對于奇異曲線的迫近性能好于小波變換。并且在較多方向子帶上有較大能量，具有多方向多尺度特性。將Contourlet變換應(yīng)用于圖像紋理特征的提取，實(shí)現(xiàn)圖像檢索，查準(zhǔn)率有明顯提高[55]。NSCT變換在SAR圖像檢索中的應(yīng)用與實(shí)現(xiàn)

1.3.2形狀特征

形狀特征是描述高層視覺特征(如目標(biāo)、對象等)的重要手段，而目標(biāo)、對象對獲取圖像語義尤為重要。要把圖像的底層特征與高層特征有機(jī)地結(jié)合起來，必需有好的形狀特征描述與提取算法的支持。形狀特征的有效表達(dá)必需以對圖像中物體或區(qū)域的分割為基礎(chǔ)。但是，現(xiàn)有的形狀描述方法還不成熟，難以做到準(zhǔn)

確而穩(wěn)健的自動圖像分割和形狀特征提取與匹配，對于圖像檢索系統(tǒng)而言，除了用于形狀較簡單的圖案檢索以外，對形狀繁雜的圖像或背景繁雜的圖像進(jìn)行檢索仍存在一定困難，應(yīng)用受到一定限制。典型的基于形狀特征的圖像檢索方法有以下幾類:(1)出于對算法時間和空間的繁雜性的考慮，形狀的表達(dá)可用簡單的方法，如:狹長度、圓形度、偏心率、基于內(nèi)角的特征向量等。(2)基于形狀邊界特征的圖像檢索方法。傳統(tǒng)的方法有Freeman鏈碼、Fourier描述子、距離直方圖[56]等。(3)基于形狀區(qū)域特征的圖像檢索。如Hu矩，Generic傅立葉變換[57]等。(4)結(jié)合邊界特征與區(qū)域特征的圖像檢索。結(jié)合這兩個不同的形狀特征，能夠得到一種既表現(xiàn)了圖像的邊界特性又不失圖像的整個區(qū)域特性的檢索方法[58]。近十年來，基于內(nèi)容的圖像檢索和視頻檢索是當(dāng)前最活躍的研究熱點(diǎn)之一。每年都有相關(guān)的國際會議召開，如SPIE的StorageandRetrievalforImageandVideoDatabases,ACMMultimedia等，而且大量國際上的知名雜志都發(fā)表了相關(guān)內(nèi)容的?？?IEEEComputer,IEEETrans.OnPAM，PatternRecognition,ImageandVisionComputing。日前，國內(nèi)外好多研究機(jī)構(gòu)都在進(jìn)行相關(guān)的研究工作，并取得了好多令人矚目的成就。如:IBM的QBIC,UIUC的MARSI,CMU的Infomedia,MIT的Photobook等，國內(nèi)的主要研究單位有:中科院聯(lián)合試驗(yàn)室、中科院自動化所國家模式識別試驗(yàn)室、清華大學(xué)、上海交通大學(xué)等。

基于內(nèi)容的圖像檢索工作原理和關(guān)鍵技術(shù)

2.2基于內(nèi)容的圖像檢索的工作原理

典型的圖像檢索系統(tǒng)一般由兩部分構(gòu)成[59]:庫生成子系統(tǒng)和圖像查詢子系統(tǒng)。每個子系統(tǒng)包含相應(yīng)的功能模塊和部件。

庫生成子系統(tǒng)負(fù)責(zé)圖像的存儲和特征提取，并以特征信息索引庫形式存儲圖像特征信息的表達(dá)式。主要有:

(1)圖像的預(yù)先處理。如轉(zhuǎn)換格式、統(tǒng)一規(guī)格和圖像修飾等，為圖像特征的提取奠定基礎(chǔ)。

(2)圖像特征的提取。特征的提取就是從包含大量信息的圖像中分解出不同種類的特征信息，包括視覺特征和統(tǒng)計(jì)特征，可從整幅圖像、局部或者內(nèi)容對象提取特征。前者指具有直觀意義的圖像的形狀與顏色特征，后者指圖像的像素、紋理等特征的統(tǒng)計(jì)。

(3)數(shù)據(jù)庫系統(tǒng)。它由圖像庫、特征庫和知識庫組成。圖像庫存儲數(shù)字化的圖像信息;特征庫存儲圖像內(nèi)容特征和客觀特征;知識庫存儲專門和綜合性知識，有利于檢索優(yōu)化和快速匹配。

圖像查詢子系統(tǒng)完成基于內(nèi)容的檢索功能，由查詢接口、檢索引擎和結(jié)果顯示接口三個模塊組成。

查詢接口主要是完成一些人機(jī)交互工作，用戶通過查詢接口進(jìn)行參數(shù)設(shè)置，包括顯示的圖像數(shù)目，用戶感興趣的圖像特征以及一些閉值;檢索引擎主要是完成圖像的相像性匹配工作，把樣例圖像的特征和特征庫中的特征進(jìn)行相像性匹配，并依照相像度的大小對圖像進(jìn)行排序;結(jié)果顯示接口主要是把檢索得到的結(jié)果在用戶界面上顯示。

典型的圖像檢索系統(tǒng)結(jié)構(gòu)如圖2.1所示。

2.3基于內(nèi)容的圖像檢索的關(guān)鍵技術(shù)

一般而言，基于內(nèi)容的圖像檢索主要有以下幾項(xiàng)關(guān)鍵技術(shù)[60,61,62]：2.3.1圖像特征的提取與描述

圖像視覺特征的提取及利用特征(內(nèi)容)提取是基于內(nèi)容圖像檢索的基石，廣義上講，特征既包括文本特征(關(guān)鍵字、標(biāo)注等)也包括視覺特征(顏色、紋理、形狀、外觀等).就視覺特征范疇而言，又可分為一般特征和領(lǐng)域特定特征。前者包括顏色、紋理、形狀和物體間方位關(guān)系等，而后者根據(jù)不同的應(yīng)用有所不同(如人臉識別、指紋識別)。在基于內(nèi)容檢索的影像數(shù)據(jù)庫中，一般采用顏色、紋理和形狀這三種低級圖像特征。

本文是針對的是SAR圖像的圖像檢索，SAR圖像為灰度圖像，主要采用紋理和形狀特征，所以一下主要介紹圖像的紋理特征和形狀特征。2.3.1.1紋理

紋理特征是一種不依靠于顏色或亮度的反映圖像中同質(zhì)現(xiàn)象的視覺特征。它是所有物體表面所共有的內(nèi)在特性，是對局部區(qū)域中像素之間關(guān)系的一種度量，刻畫了領(lǐng)域像素灰度的分度規(guī)律，包含了關(guān)于物體表面組織結(jié)構(gòu)排列的重要信息以及它們與周邊環(huán)境的聯(lián)系[63]。在計(jì)算機(jī)視覺研究中，紋理特征具有一種依靠于顏色或亮度的反映圖像中同質(zhì)現(xiàn)象的視覺特征，可以從微觀上區(qū)分圖像中不同的物體[64]，反映了圖像的某種局部性質(zhì)。因此，紋理特征也作為基于內(nèi)容的圖像檢索系統(tǒng)中主要特征之一。常用的紋理描述方法有:統(tǒng)計(jì)法、頻譜法、結(jié)構(gòu)法和模型法四種。（1）統(tǒng)計(jì)法

統(tǒng)計(jì)法分析紋理的主要思想是通過圖像中灰度級分布的隨機(jī)屬性來描述紋理特征。最簡單的統(tǒng)計(jì)法是借助灰度直方圖的矩來描述紋理，但這種方法沒有利用像素相對位置的空間信息，為了利用這些信息，Haralick等人提出了利用共生矩陣來描述紋理特征，該方法研究了紋理的空間灰度級相關(guān)性，構(gòu)造了一個基于像素間方向和距離的共生矩陣，然后從灰度共生矩陣中提取有意義的統(tǒng)計(jì)特征作為紋理特征的表達(dá)，所提取的統(tǒng)計(jì)特征主要包括能量、熵、相關(guān)性、慣量及紋理能量等。Weszka[65]等人從試驗(yàn)中發(fā)現(xiàn)由灰度共生矩陣計(jì)算出來的簡單統(tǒng)計(jì)量，如熵、角二階矩等，比繁雜統(tǒng)計(jì)量更有效?；谌祟悓y理的視覺感知和認(rèn)知心理學(xué)的研究，Tamura等人[66]提出了相應(yīng)的紋理特征表達(dá)方式，Tamura紋理特征的六個分量分別對應(yīng)于心理學(xué)角度上紋理特征的六種屬性:對比度(contrast)、粗糙度(coarseness)、方向性(directionality)、線性度(linelikeness)、規(guī)整度(regularity)和粗略度(roughness)。（2）頻譜法

頻譜法主要借助于頻率特性來描述紋理特征。常用的頻譜法主要包括傅立葉功率譜法、Gabor變換、塔式小波變換(PyramidWaveletTransform,PWT)、樹式小波變換(TreeWaveletTransform,TWT)、復(fù)小波濾波(ComplexWaveletFilters,CWF)等。（3）結(jié)構(gòu)法

結(jié)構(gòu)法分析紋理的基本思想是假定紋理模式由紋理基元以一定的、有規(guī)律的形式重復(fù)排列組合而成，特征提取就變?yōu)榇_定這些基元并定量的分析它們的排列規(guī)則。由于紋理基元描述了局部紋理特征，因此對整幅圖像中不同紋理基元的分布統(tǒng)計(jì)可獲得圖像的全面紋理信息。（4）模型法

模型法主要利用一些成熟的圖像模型來描述紋理特征，如基于隨機(jī)場統(tǒng)計(jì)學(xué)的馬爾可夫隨機(jī)場、子回歸模型、多尺度子回歸模型、分形模型等。這些模型的共同特點(diǎn)是通過少量的參數(shù)來表征紋理。2.3.1.2形狀

形狀特征是圖像的核心特征之一，也是人類視覺系統(tǒng)進(jìn)行物體識別時所識別的關(guān)鍵信息之一[67]圖像的形狀信息不隨圖像顏色的變化而變化，是物體穩(wěn)定的特征。在進(jìn)行基于形狀的圖像檢索時，采取類似的思想，分開圖像中的物體，NSCT變換在SAR圖像檢索中的應(yīng)用與實(shí)現(xiàn)把圖像分割為像素集合，每一個集合代表一個物體的圖像。圖像分割可以采用三種不同的原理來實(shí)現(xiàn):區(qū)域法、邊界法和邊緣法。在利用區(qū)域法時，把各像素劃歸到各個物體或區(qū)域中。在邊界法中，需要確定存在于區(qū)域間的邊界。在邊緣法中，需要確定邊緣像素，并將其連接在一起形成所需的邊界。

提取物體的形狀特征前，首先要對圖像進(jìn)行邊緣提取，以獲得物體的輪廓邊界，然后需要把輪廓邊界區(qū)域的特征抽取出來。為了提取物體的形狀特征，對圖像進(jìn)行了分割操作。通過圖像分割，將一幅圖像分割為不同的區(qū)域(獲得了物體的輪廓邊界。接下來，需要進(jìn)行特征抽取，也就是說需要進(jìn)一步把分割開的區(qū)域的特征抽取出來。在這些特征里面，有一部分可以用數(shù)字量值來描述，但更多的特征是一些沒有明顯特征的幾何圖形。為了便于圖像的匹配，需要對這些幾何圖形進(jìn)行進(jìn)一步的描述。

圖像的基本形狀特征可以從整體上和局部上描述。整體特征是指圖像中整個物體的圓度、環(huán)狀特性、中心矩和離心率等參數(shù)；局部特征是指彎點(diǎn)、拐角

等細(xì)節(jié)。目前用于圖像檢索的形狀描述方法主要有兩類:基于輪廓和基于區(qū)域的方法。

基于輪廓的形狀特征提取是在邊緣檢測的基礎(chǔ)上，用傅立葉描述子[68]，多尺度通用傅立葉描述子[69]，小波輪廓描述子[70]，矩等特征來描述物體的形狀，適用于圖像邊緣較為明了且簡單獲取的圖像。文[69]把多尺度分析和通用傅立葉描述子（GenericFourierdescriptor）結(jié)合起來，得到多尺度通用傅立葉描述子（MultiscaleGenericFourierdescriptor），并將其用于灰度圖像檢索。試驗(yàn)結(jié)果說明，多尺度通用傅立葉描述子具有多尺度分析效果，不僅能較好的戰(zhàn)勝圖像灰度噪聲帶來的干擾，而且具有旋轉(zhuǎn)、比例不變性，在灰度圖像檢索中能取得較好的結(jié)果。

基于區(qū)域的形狀特征利用區(qū)域內(nèi)的灰度分布信息，提取的主要思路是通過圖像分割技術(shù)提取出圖像中感興趣的物體，依靠區(qū)域內(nèi)像素的顏色分布信息提取圖像特征，適合于區(qū)域能夠較為確鑿的分割出來、區(qū)域內(nèi)顏色分布較為均一的圖像。具體的有重心，偏心率，球狀性，不變矩等。不變矩的主要思想是使用對變換不敏感的基于區(qū)域的幾個矩作為形狀特征，Hu[71]首先提出了幾何矩不變量的概念，并且得到了7個幾何矩不變量，這7個幾何矩不變量具有旋轉(zhuǎn)不變性。在文[72]中Li提出了一種構(gòu)造任意階幾何矩不變量的方法，但是高階幾何矩不變量的計(jì)算量很大，這就限制了幾何矩不變量的使用。

對形狀進(jìn)行描述，關(guān)鍵是要解決平移、尺度和旋轉(zhuǎn)不變性的問題。它對形狀的匹配和檢索有著十分重要的作用和意義。2.3.2相像性度量技術(shù)

假設(shè)在圖像數(shù)據(jù)庫中，用特征向量來表示任何一個圖像特征，其中X和Y分別是任意兩個特征向量，它們滿足圖像相像性度量中的自相像性、最小性、對稱性和三角不等性度量公理，它們之間的接近程度可以采用距離度量或者統(tǒng)計(jì)學(xué)方法來進(jìn)行圖像相像性判斷。常見的距離度量有歐幾里德距離、Manhattan距離