亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于NSCT邊緣直方圖的草圖檢索

        2015-02-27 07:42:30曦,肖
        關(guān)鍵詞:子帶草圖直方圖

        陳 曦,肖 建

        長(zhǎng)沙理工大學(xué) 計(jì)算機(jī)與通信工程學(xué)院,長(zhǎng)沙 410114

        1 前言

        隨著圖像數(shù)據(jù)的海量增長(zhǎng),常見的基于文本的圖像檢索方式已經(jīng)很難滿足需要,基于內(nèi)容的圖像檢索技術(shù)變得至關(guān)重要。大家提出各種不同的基于內(nèi)容的圖像檢索方式進(jìn)行研究,包括基于例圖、彩色簡(jiǎn)圖、草圖、或者這些的組合。草圖(如圖1所示)、例圖、彩色簡(jiǎn)圖更快捷更方便地描述用戶所需要的場(chǎng)景。用戶無法獲取例圖時(shí),可以畫出任意圖形的草圖。此外,觸屏設(shè)備的快速增長(zhǎng)使得應(yīng)用草圖更加便利。基于草圖的圖像檢索是通過用戶手繪的草圖在圖像庫(kù)中匹配相似圖像,以下簡(jiǎn)稱草圖檢索。

        草圖檢索中草圖只有一些簡(jiǎn)單的輪廓形狀信息,圖像則含有豐富的顏色、紋理、形狀信息,草圖和圖像間的信息不對(duì)稱使得我們不能使用傳統(tǒng)的描述符來描述這兩者的特征。形狀特征是草圖與圖像聯(lián)系到一起的主要特征,本文主要研究基于邊緣的形狀特征描述方法,并將其與邊緣直方圖方法比較。

        圖1 草圖

        2 前期工作

        2.1 邊緣檢測(cè)

        草圖主要是用線條來描繪圖像形狀,從普通的圖像中提取線條稱為邊緣檢測(cè)。邊緣檢測(cè)的研究也促進(jìn)了用線條畫來檢索圖像的發(fā)展。經(jīng)典的邊緣檢測(cè)算子包括 Canny、Roberts、Sobel、Prewitt等,大都是利用圖像梯度的極大值或二階導(dǎo)數(shù)過零點(diǎn)值來檢測(cè)圖像邊緣[1],又或者利用微分算子跟圖像卷積來獲取邊緣。經(jīng)典算子抗噪性差,具有一定的局限性。近年涌現(xiàn)了許多新的邊緣檢測(cè)方法,主要是與遺傳算法、神經(jīng)網(wǎng)絡(luò)、灰色理論、分形理論、小波理論等相結(jié)合的檢測(cè)方法。

        手繪草圖的尺度、位置的不確定性,使得我們更加關(guān)注小波及類似小波的多尺度邊緣檢測(cè)。多尺度邊緣檢測(cè)[2-3],將圖像進(jìn)行小波或類似小波的多尺度分解,并對(duì)各尺度進(jìn)行相應(yīng)的圖像梯度幅值極大值檢測(cè),選取適當(dāng)?shù)拈撝?,再將各尺度的圖進(jìn)行融合得到邊緣圖像。多尺度邊緣檢測(cè)能夠有效地抑制噪聲,同時(shí)又能夠滿足草圖的不確定性,應(yīng)用到草圖檢索中能夠有效提升檢索效果。

        2.2 草圖檢索

        早期的圖像檢索系統(tǒng)QBIC[4]和Visual Seek[5]中就提到了粗線條的草圖檢索。2009年推出的一個(gè)草圖檢索系統(tǒng)MindFinder[6],不僅可以在形狀結(jié)構(gòu)上檢索,而且可以在語義和色調(diào)上滿足用戶的需求。

        文獻(xiàn)[7]提出了一種GF-HOG算子,將圖像和草圖均變換到梯度域,提取多尺度下的邊緣梯度直方圖作為特征向量,并利用視覺詞袋模型進(jìn)行檢索。文獻(xiàn)[8]提出一種基于方向梯度計(jì)算邊緣特征點(diǎn)的方法,同時(shí)提出了一種評(píng)價(jià)大規(guī)模草圖檢索系統(tǒng)的標(biāo)準(zhǔn)程序。隨著邊緣檢測(cè)等相關(guān)研究的不斷發(fā)展,許多研究機(jī)構(gòu)夠都關(guān)注到草圖檢索,并提出了各種算子及檢索方法[9-12],在這里就不一一列出。

        本文提出了一種基于NSCT邊緣直方圖的圖像檢索方法。首先,經(jīng)過NSCT變換進(jìn)行圖像分解,得到圖像的高頻方向子帶和低頻子帶。選擇NSCT變換是因?yàn)樗哂卸喑叨忍匦院推揭撇蛔冃?,能夠很好適應(yīng)草圖的多樣性。其次,對(duì)變換后各子帶圖像進(jìn)行邊緣檢測(cè)及邊緣直方圖提取。變換后的方向子帶中包含方向信息,邊緣檢測(cè)能夠有效地檢測(cè)該方向的輪廓形狀,邊緣直方圖表達(dá)了5種邊緣子圖的空間分布,有效地表達(dá)了圖像目標(biāo)的形狀信息。最終,進(jìn)行相似度匹配獲取檢索結(jié)果。本文算法充分利用了圖像的輪廓形狀信息,通過將NSCT邊緣檢測(cè)跟邊緣直方圖相結(jié)合并應(yīng)用到草圖檢索中,有效地提高了檢索性能。

        3 基于NSCT邊緣直方圖的圖像檢索

        3.1 NSCT變換

        Nonsubsampled Contourlet變換[13]是一種超完備變換。它是由非降采樣金字塔濾波器(Nonsubsampled Pyramid(NSP))和非降采樣方向?yàn)V波器組(Nonsubsampled Directional Filter Bank(NSDFB))構(gòu)成,且具有可變多尺度多方向、多分辨率和平移不變特性。

        非降采樣金字塔濾波器(NSP),由多個(gè)不進(jìn)行上下采樣的非降采樣濾波器級(jí)聯(lián)組成,如圖2所示。NSP減少了采樣,獲得平移不變性。非降采樣濾波變換是可以重構(gòu)的,NSP的設(shè)計(jì)容易實(shí)現(xiàn),也易于重構(gòu)。非降采樣方向?yàn)V波器組(NSDFB),通過去除傳統(tǒng)的方向?yàn)V波器組的下采樣操作,保留其重采樣算子,使其自身具備平移不變性,結(jié)構(gòu)如圖3所示。

        圖2 非降采樣金字塔濾波器Nonsubsampled Pyramid(NSP)

        圖3 非降采樣方向?yàn)V波器組Nonsubsampled Directional Filter Bank(NSDFB)

        圖像的NSCT變換包含2級(jí)分解,首先圖像通過NSP進(jìn)行多尺度分解,接下來將NSP得到的結(jié)果由NSDFB進(jìn)行多方向分解。NSP進(jìn)行塔形分解,得到的是圖像的高頻和低頻兩部分。NSDFB處理的是圖像的高頻部分,進(jìn)行方向分解得到多方向的高頻子帶。有效的NSCT系數(shù)代表了各個(gè)方向上的邊緣,集合所有方向子帶的有效系數(shù)則可以代表整個(gè)圖像的邊緣。

        3.2 NSCT邊緣直方圖

        邊緣直方圖[14]是通過統(tǒng)計(jì)圖像的各邊緣子圖空間分布構(gòu)成的。邊緣直方圖描述符表達(dá)了5種類型的邊緣子圖像,包括無方向邊緣跟水平、垂直、對(duì)角和反對(duì)角邊緣。在文獻(xiàn)[15]中就已經(jīng)將邊緣直方圖直接應(yīng)用到草圖檢索中,它是將圖像分割成互不重疊的圖像塊并統(tǒng)計(jì)每個(gè)圖像塊的邊緣信息。針對(duì)NSCT變換系數(shù)的特點(diǎn),利用NSCT變換后的子帶圖像進(jìn)行邊緣提取得到了高頻方向子帶和低頻子帶的邊緣圖,這些邊緣圖中包含了NSCT變換下的多尺度和多方向信息,邊緣直方圖可以有效地利用這些信息。NSCT邊緣直方圖是在NSCT變換的基礎(chǔ)上,獲取各子帶各邊緣子圖,根據(jù)5種邊緣算子(圖4)對(duì)每個(gè)子圖進(jìn)行計(jì)算得到對(duì)應(yīng)的邊緣類型得到子圖邊緣直方圖,最終將邊緣直方圖歸一化。

        圖4 5種邊緣算子

        計(jì)算NSCT邊緣直方圖的步驟如下:

        步驟3邊緣提取。高頻子帶根據(jù)系數(shù)分類保留強(qiáng)弱邊緣并抑制噪聲,根據(jù)式(1)與

        計(jì)算;低頻子帶用Canny算子進(jìn)行邊緣檢測(cè),得到低頻邊緣圖像。

        步驟4提取邊緣直方圖。對(duì)所有子帶的邊緣圖像按4×4分為16塊并提取邊緣直方圖,將各子帶的邊緣直方圖進(jìn)行歸一化串聯(lián),并將其再次歸一化得到圖像的NSCT邊緣直方圖。

        本文算法不考慮將各子帶圖像融合成邊緣圖。低頻子圖像體現(xiàn)了圖像的整體輪廓,這里采用Canny算子提取低頻邊緣,Canny能夠有效地檢測(cè)弱邊緣,低頻邊緣子圖是圖像邊緣全面描述的依據(jù)。高頻各方向子帶圖像經(jīng)過邊緣檢測(cè),體現(xiàn)出更多的邊緣輪廓細(xì)節(jié),包含了更多的方向信息。直接使用這些子帶的邊緣圖進(jìn)行全局的邊緣直方圖統(tǒng)計(jì),有效地利用了NSCT變換的優(yōu)勢(shì)并減少特征維度。對(duì)于草圖而言,它本身即是一個(gè)邊緣圖,提取特征時(shí)將不經(jīng)過步驟3直接進(jìn)入步驟4。圖像和草圖的方向邊緣直方圖一旦準(zhǔn)備好,接下來就是要找一個(gè)很好的直方圖相似性度量。使用歐式距離:

        這個(gè)相似度量用于本文方法,用來比較圖像和草圖的方向邊緣直方圖。

        直方圖度量匹配步驟如下:

        步驟1利用式(4)用D(H1,H2)計(jì)算草圖和圖像庫(kù)中相關(guān)圖像的方向直方圖的相似度量。

        步驟2取出所有圖像中直方圖相似度量最小的距離。

        步驟3最常見的評(píng)價(jià)標(biāo)準(zhǔn)是,查準(zhǔn)率和查全率。

        4 實(shí)驗(yàn)

        本文實(shí)驗(yàn)使用的是文獻(xiàn)[8]中給出的草圖檢索標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)包含草圖和各類圖像。數(shù)據(jù)庫(kù)中包含31幅草圖,與草圖相關(guān)的圖像31類共計(jì)1 240幅圖像,作為實(shí)驗(yàn)圖像數(shù)據(jù)庫(kù)。使用草圖作為查詢圖,第一幅圖像為檢索草圖,檢索結(jié)果圖像根據(jù)相似度值大小,從左至右從上到下一次排列。

        圖5 檢索結(jié)果圖

        實(shí)驗(yàn)時(shí)將NSCT邊緣直方圖與邊緣直方圖[15]、SIFT算子[7]、GF-HOG 算子[7,9]相比較。實(shí)驗(yàn)中,NSCT變換分解層數(shù)為3層,高頻方向?yàn)?、16。邊緣直方圖、SIFT算子、GF-HOG算子、8方向的NSCT邊緣直方圖、16方向NSCT邊緣直方圖特征維度分別為80、128、3 780、2 000、3 920。實(shí)驗(yàn)采用最常見的查準(zhǔn)率(6)和查全率(7)進(jìn)行算法比較。綜合多次查詢,得到平均查準(zhǔn)率、查全率,比較結(jié)果如圖6、圖7、表1、表2所示。

        從實(shí)驗(yàn)結(jié)果可以看出,在草圖檢索中NSCT邊緣直方圖優(yōu)于邊緣直方圖、SIFT算子,對(duì)邊緣直方圖的改進(jìn)是有效的,NSCT邊緣直方圖可以有效地表達(dá)圖像的形狀特征。采用8方向NSCT邊緣直方圖效果有所提高,但相比較于GF-HOG算子還是有差距的,這跟NSCT變換的方向細(xì)化程度存在一定關(guān)系的。當(dāng)NSCT變換方向增加時(shí)特征維數(shù)增加,NSCT變換的復(fù)雜度也會(huì)有所增加,同時(shí)從實(shí)驗(yàn)數(shù)據(jù)可以看到16方向NSCT邊緣直方圖的檢索效果有了更好的提升,優(yōu)于GF-HOG算子,是有效的。本文算法傳承了邊緣直方圖算法的優(yōu)點(diǎn),同時(shí)具有平移、旋轉(zhuǎn)和尺度不變性,融入了NSCT變換的多尺度多方向特性,形狀描述更準(zhǔn)確。

        表1 查準(zhǔn)率

        表2 查全率

        圖6 查準(zhǔn)率曲線

        圖7 查全率曲線

        5 結(jié)束語

        本文提出了一種基于NSCT邊緣直方圖的草圖檢索方法,利用NSCT邊緣檢測(cè)后得到的所有子帶,提取邊緣直方圖。這種方法充分利用NSCT變換和邊緣直方圖的特性,有效地利用了圖像的邊緣信息,一定程度上解決了草圖與圖像間的不對(duì)稱。通過實(shí)驗(yàn)表明該算法是有效的,但對(duì)于輪廓模糊的數(shù)據(jù)庫(kù)圖像檢索效果是有待繼續(xù)改進(jìn)。

        [1]Carpinterin A,Cornetti P,Kolwanker K M.Calcaulation of tensile and flexural strength of disorded materials using fractional calculus[J].Chaos,Solitons and Fractals,2004,21(3):623-632.

        [2]Ren Xiaofeng.Multi-scale improves boundary detection in naturalimages[C]//European Conference on Computer Vision,2008.

        [3]尚政國(guó),趙春暉,孫巖,等.非降采樣Contourlet圖像邊緣檢測(cè)算法[J].光電子·激光,2009(4):525-529.

        [4]Ashley J,F(xiàn)lickner M,Hafner J L,et al.The query by image content(QBIC)system[C]//SIGMOD Conference,1995.

        [5]Smith J R,Chang S F.Visualseek:a fully automated content-based image query system[C]//ACM Multimedia,New York,NY,USA,1996:87-98.

        [6]Cao Y,Wang H,Wang C,et al.MindFinder:interactive sketchbased image searchon millions of images[C]//Proceedings of the 18th ACM International Conferenceon Multimedia,F(xiàn)lorence,Italy,2010:1605-1608.

        [7]Hu R,Barnard M,Collomosse J.Gradient field descriptor for sketch basedretrieval and localization[C]//IEEE International Conference on Image Processing(ICIP),2010.

        [8]Eitz M,Hildebrand K,Boubekeur T,et al.Sketch based image retrieval:Benchmarkand bag-of-features descriptors[J].IEEE Transactions on Visualization and Computer Graphics,2011,17(11).

        [9]Rui Hu,Wang Tinghuai,Collomosse J.A bag-of-regions approach to sketch-based image retrieval[C]//IEEE International Conference on Image Processing(ICIP),2011.

        [10]Abdolah C,Naghdy G,Merlins A.Sketch-based image retrieval using angular partitioning[C]//Proceedings of the 3rd IEEE International Symposium on Signal Processing and Information Technology,IEEE,2003.

        [11]Cao Y,Wang C,Zhang L,et al.Edgel index for large-scale sketch-based image search[C]//Proc of the 24th IEEE Conference on Computer Vision and Pattern Recognition,Colorado USA:Springs,2011:761-768.

        [12]Konstantinos B,Izquierdo E.Large scale sketch based image retrieval using patch hashing[J].Advances in Visual Computing.Berlin Heidelberg:Springer,2012:210-219.

        [13]Cunha A L,Zhou J,Do M N,The nonsubsampled contourlet transform:theory,design and applications[J].IEEE Transactions on Image Processing,2006,15(10):3089-3101.

        [14]Sikora T.The MPEG-7 visual standard for content description-an Overview[J].IEEE Transactions on Circuits and Systems for Video Technology,2001,11(6):696-702.

        [15]Eitz M,Hildebrand K,Boubekeur T,et al.An evaluation of descriptors for large-scale image retrieval from sketched feature lines[J].Computers& Graphics,2010,34(5):482-498.

        猜你喜歡
        子帶草圖直方圖
        統(tǒng)計(jì)頻率分布直方圖的備考全攻略
        符合差分隱私的流數(shù)據(jù)統(tǒng)計(jì)直方圖發(fā)布
        一種基于奇偶判斷WPT的多音干擾抑制方法*
        子帶編碼在圖像壓縮編碼中的應(yīng)用
        電子制作(2019年22期)2020-01-14 03:16:24
        用直方圖控制畫面影調(diào)
        畫好草圖,尋找球心
        草圖
        基于虛擬孔徑擴(kuò)展的子帶信息融合寬帶DOA估計(jì)
        基于直方圖平移和互補(bǔ)嵌入的可逆水印方案
        一波三折
        99久久99久久精品国产片| japanesehd中国产在线看 | 国产精品天干天干在线观蜜臀| 在线视频日韩精品三区| 中文字幕精品一区二区三区av| 人妻精品人妻一区二区三区四区| 日韩精品人成在线播放| 国产午夜福利精品一区二区三区 | 成人爽a毛片免费视频| 免费操逼视频| 处破痛哭a√18成年片免费| 国产精品视频久久久久| 国产毛片A啊久久久久| 亚洲一区二区综合精品| 国精产品一区一区三区有限在线| 国产精品ⅴ无码大片在线看| 色妺妺视频网| 亚洲成a人片77777kkkkk| 久久亚洲国产高清av一级| 亚洲一区二区女搞男| 无套内射蜜桃小视频| 国产小视频网址| 久久精品国产久精国产69| 日本黄色影院一区二区免费看| 欧美多人片高潮野外做片黑人 | 亚洲一区二区三区少妇| 午夜爽爽爽男女污污污网站| 边做边流奶水的人妻| 国产精品亚洲片夜色在线| 免费毛片一区二区三区女同| 蜜桃一区二区在线视频| 夫妇交换性三中文字幕| а√天堂资源8在线官网在线| 中文人成影院| 久久偷拍国内亚洲青青草| 蜜桃视频国产一区二区| 女人脱了内裤趴开腿让男躁| 在线精品免费观看| 亚洲精品99久久久久久| 久久精品伊人久久精品伊人| 国产小视频在线看不卡|