基于变换域的形状描述及其在图像检索中的应用

摘要

面对着卫星遥感影像、生物医学影像、数码照片等海量图像数据，如何高效、便捷地进行图像资源的管理和检索就显得日益重要。为了使用户高效快速地从海量数据库里检索到所需的信息，有必要开发一种快速有效的检索系统。过去主要以文本的形式存储，但这种形式比较主观，要把所有不同的解释都用关键字(文本或数字)来表示显然是不可能的。因此如果可以找到一个直接根据图像的内容进行检索，而无须依赖相关文字信息的方法，无疑可以极大的提高检索的精确性和有效性[1]。基于内容的图像检索(Content-based Image Retrieval，CBIR)技术的根本目的就是利用图像数据库本身所存储的图像底层物理信息进行快速高效地检索。
　　在基于内容的图像检索中形状特征是很重要的一个方面。因为形状是刻画物体最本质的特征，也是最难描述的图像特征之一。形状特征又可分为空间域特征和变换域特征。而变换域具有把握图像全局特性及抵抗图像噪声等天然优点。在变换域上处理图像比空间域更容易克服噪声影响。而且，变换域在特征表示上比空间域更简洁，这就给图像的匹配节省了时间。
　　本文比较分析了正交矩中的Zernike矩、Pseudo-Zernike矩、Legendre矩、OFMM和谐函数方法中的GFD、PCET、RCFT、RFMT等现有的8种基于变换域的形状描述方法。详细分析了每种变换域方法的RST不变性。并选用MPEG7 CE1B的1400幅图像构成的图像库对这些方法进行检索性能测试。通过比较分析及实验结果验证，正交矩中Zernike矩的检索性能最好、谐函数方法中的GFD方法和PCET的检索性能最好。
　　此外，本文提出了一种新的基于变换域的图象检索方法.投射傅里叶变换(ProjectiveFourier Transform，PFT)。并在计算复杂性、噪声鲁棒性、有效特征个数的选取等方面将其与Zernike矩、GFD、PCET、RCFT、RFMT进行了深入的分析和比较。实验证明，该方法在检索性能上与Zernike矩、GFD相差不多，但是在计算复杂性上比Zernike矩、GFD低很多，这在如今海量图像数据的形式下有明显的优势。在研究噪声影响时，对MPEG7 CE1B测试集图片加了各种程度的高斯噪声并进行检索，实验证明PFT有很好的噪声鲁棒性。此外，我们将PFT方法实际应用于由500幅病例图构成的图像库的医学图像检索，实验证明，PFT方法在医学图像检索上也有较好的检索效果。