专利名称：索引和检索图像的系统和方法
技术领域：
本发明描述的系统和方法涉及图像索引和检索。
背景技术：
由于日益改进的数字图像技术以及因特网方便了简易可用性，数字图像的普及性正在迅速增长。每天都有越来越多的数字图像变为可用。
自动图像检索系统为用户提供一种导航在数量上不断增长的可用图像的有效方法。一些现有的常规图像检索系统通过将每一图像与一个或多个由人工选择的关键词相关联来将图像分类。这些基于关键词的图像管理系统的一个问题是很难甚至不可能精确地描述某些图像的内在复杂性。结果，检索准确度受到严重的局限，因为无法描述或只能被含糊地描述的图像不能被成功地检索。基于关键词的图像管理系统的另一问题是必须手工检查并仔细注释每一图像。这些步骤需要极其大量的劳动且成本非常高，尤其是对于具有大量图像的数据库而言。
近来，一些使用基于内容的图像检索(CBIR)的图像管理系统开始形成。通常，CBIR系统能够标识参考图像的视觉(即，非语义的)特征，并找出具有那些类似特征的其它图像。这些视觉特征包括色彩相关图、色彩直方图和小波特征。为获取图像的这些视觉特征，需要相当大的计算能力以获取有意义且有用的结果。
由此，需要一种采用易于计算并能够产生准确的图像检索结果的视觉特征的CBIR系统。
发明内容
本发明描述的系统和方法针对索引和检索图像。在一个方面，该系统和方法分析图像以确定其纹理矩(texture moment)。图像的像素被转换成灰度级格式。确定像素的纹理属性。纹理属性与像素的局部纹理相关联，能够从离散傅立叶变换系数中得到。计算与像素的纹理属性相关联的统计值。从这些统计值确定图像的纹理矩。
在另一方面，纹理矩被用于在数据存储中搜索具有指定的视觉特征的图像。在又一方面，纹理矩被用于在数据存储中索引图像。
图1是可在其中完全或部分实现索引和检索图像的系统和方法的基于内容的图像检索系统的图形表示。
图2A是图1所示的图像的更详细图形表示。
图2B是对图1所示图像的像素的加标签转换(labeling conversion)的图形表示。
图3所示是图形地示出了七个纹理属性的七个模板图4是用于确定图像的纹理矩的示例过程的可操作流程图。
图5是用于在数据存储中索引图像的示例过程的可操作流程图。
图6是用于从数据存储检索图像的示例过程的可操作流程图。
图7示出了可完全或部分地实现使用纹理矩来索引和检索图像的系统和方法的示例计算机。
具体实施例方式
基于内容的图像检索(CBIR)系统一般被配置成检索具有某些指定视觉特征的图像。这些视觉特征通常涉及图像的色彩。为图像计算色彩相关的视觉特征通常是耗时的且需要大量的计算。同时，通常无法使用色彩相关的可视特征来有效地检索色彩变异小的图像和黑白图像。
由此，本发明讨论的系统和方法提供了使用纹理矩来索引和检索图像。这些系统和方法令CBIR系统能够有效地计算图像的纹理矩用于索引和检索目的。纹理矩是色彩不相关的，并可产生比其它视觉特征好的结果，即使纹理矩在比其它视觉特征少的维度中实现。纹理矩是总结图像的局部纹理属性的参数，它通常相对较易计算。
图1是可在其中完全或部分地实现索引和检索图像的系统和方法的基于内容的图像检索(CBIR)系统100的图形表示。如图1所示，CBIR系统100包括图像管理器110和图像数据存储150。图像管理器110是一种计算机可执行组件，它被配置成从图像数据存储150检索图像，并使用纹理矩在图像数据存储150中组织图像。图像管理器110可结合其它视觉特征使用纹理矩来达到更高的图像检索准确度。
用户或应用程序可与图像管理器110进行交互以检索或储存具有某些纹理矩的一个或多个图像。图像管理器110可包括用于与用户交互的用户接口120。可提供应用程序接口125以由应用程序用于与图像管理器110交互。
图像管理器110被配置成从用户或应用程序接收用于检索图像的纹理矩。图像管理器110可被配置成接收诸如图像130等参考图像形式的纹理矩，并在图像数据存储150中检索类似于参考图像的图像。图像管理器110可包括分析器115，它被配置成确定参考图像的纹理矩。用于确定图像的纹理矩的示例过程将结合图2、3和4来描述。简言之，图像被转换成一灰度级(gray scale)格式，并且根据与图像的像素相关联的纹理属性确定纹理矩。图像管理器110也可被配置成直接检索纹理矩而不使用参考图像。
图像管理器110被配置成搜索图像数据存储150中其纹理矩类似于参考图像的纹理矩或接收到的纹理矩的图像。可指令图像管理器110在图像数据存储150中仅检索超出与参考图像的类似性的指定阈值的图像。在一个实施例中，图像数据存储150中的图像可与包括纹理矩的元数据相关联。图像管理器110可被配置成使用该元数据以将图像数据存储150中的图像的纹理矩与参考图像的纹理矩进行比较，以找出匹配。在另一实施例中，图像数据存储150中的图像不与元数据相关联，图像管理器110被配置成计算数据存储150中的图像的纹理矩用于比较。
图像管理器110也可被配置成使用纹理矩来组织图像数据存储150中的图像。具体地，图像管理器110可接收图像，如图像130用于储存在数据存储150中。确定图像130的纹理矩并将其作为元数据与该图像相关联。图像管理器110使用元数据155来索引数据存储150中的图像。
图2A是图1所示的图像130的更详细图形表示。图像130是由像素表示的数字图像。图像130可以是彩色的或灰度级表示的。图像130可以是原始的数字图像，或被数字化的另一类型的图像。如图2A所示，图像130具有“H”单元高和“W”单元宽的尺寸。
图2B是对图1所示的图像130中的像素的加标签转换(labeling conversion)的图形表示。示出了加标签转换用于后文关于纹理矩确定的讨论。加标签转换由像素网格210示出。感兴趣的像素是像素(x，y)，由像素网格210的中间框表示。从12点钟的位置开始并按顺时针方向，围绕像素(x，y)的八个像素分别为像素(x，y+1)、像素(x+1，y+1)、像素(x+1，y)、像素(x+1，y-1)、像素(x，y-1)、像素(x-1，y-1)、像素(x-1，y)和像素(x-1，y+1)。
为计算纹理矩，将图像130转换成灰度级。根据像素的红/绿/蓝(RGB)级别确定图像130中每一像素的灰度级。可以许多不同的方式来确定像素的灰度级。例如，可通过对与该像素相关联的红、绿和蓝级别求平均值来确定像素的灰度级别。可使用一种简单的求平均值方法，如P＝(R+G+B)/3其中，R、G和B分别为像素的红、绿和蓝级别，P是像素的灰度级别。也可根据其它求平均值方法来确定像素的灰度级别，如P＝0.299*R+0.587*G+0.114*B图像130的纹理矩的确定涉及计算与图像130中的像素相关联的纹理属性。对每一像素的纹理属性的计算通常要考虑到八个周围的像素，如图2B中图形地示出的。为易于计算，可跳过图像130边缘的外部像素，因为这些外部像素的周围像素少于八个。由此，对于图像130，有(H-2)*(W-2)个内部像素。
每一内部像素的纹理属性与该像素在图像130中的位置上的局部纹理相关联。由于像素的局部纹理与其频率空间中的离散傅立叶变换有关，因此像素的纹理属性可从与该像素关联的离散傅立叶变换系数中得到。位置“x”和“y”上的像素的离散傅立叶变换可表示为F(x,y,k)=18Σn=07I(x,y,n)e-jπ4kn]]>其中，k是从0到7的值，表示离散傅立叶变换根据x和y处的像素周围的邻近像素以逆时针顺序计算的八个复值；I是表示原始图像的函数。
许多纹理属性都可从离散傅立叶变换系数中得到。在一个实施例中，对由像素(x，y)，(1＜x＜W-2，1＜y＜H-2)表示的内部像素计算七个纹理属性。
图像130中每一像素的七个属性可由以下公式计算A1(x，y)＝|P(x，y-1)+P(x，y+1)+P(x-1，y)+P(x+1，y)-P(x-1，y-1)-P(x+1，y-1)-P(x-1，y+1)-P(x+1，y+1)|A2(x,y)=|2*[P(x-1,y)+P(x+1,y)-P(x,y-1)-P(x,y+1)]|]]>A3(x,y)=|2*[P(x-1,y-1)+P(x+1,y+1)-P(x+1,y-1)-P(x-1,y+1)]|]]>
A4(x,y)=|P(x-1,y-1)+2*P(x-1,y)+P(x-1,y+1)]]>-P(x+1,y-1)-2*P(x+1,y)-P(x+1,y+1)|]]>A5(x,y)=|P(x-1,y-1)+2*P(x,y-1)+P(x+1,y-1)]]>-P(x-1,y+1)-2*P(x,y+1)-P(x+1,y+1)|]]>A6(x,y)=|P(x-1,y-1)-2*P(x-1,y)+P(x-1,y+1)]]>-P(x+1,y-1)+2*P(x+1,y)-P(x+1,y+1)|]]>A7(x,y)=|P(x-1,y-1)-2*P(x,y-1)+P(x+1,y-1)]]>-P(x-1,y+1)+2*P(x,y+1)-P(x+1,y+1)|]]>其中，P(x，y)表示图像130中位置“x”和“y”上的像素的灰度级别，Ai(x，y)表示该像素的第i个纹理属性。图3示出了七个模板301-307，它们图形地示出了七个纹理属性。这七个纹理属性用绝对值操作来确定以简化计算。与这七个纹理属性类似的其它纹理属性也可从离散傅立叶变换系数中得出。
为将每一个别像素的纹理属性合并成表示整个图像的可用因素，可使用统计参数。在一个实施例中，对内部像素计算这七个纹理属性的每一个的平均值和方差。每一属性的平均值可按以下公式计算μi=1NΣy=1H-2Σx=1W-2Ai(x,y),----i=1,...,7]]>其中，μi是第i个纹理属性的平均值，N是由该公式相加的值的总数。每一纹理属性的方差可按以下公式计算σi=1NΣy=1H-2Σx=1W-2Ai(x,y)2-μi2,----i=1,...,7]]>其中，σi是第i个纹理属性的方差。
这七个纹理属性的平均值和方差构成表示该图像的纹理矩的14维矢量。
图4是确定图像的纹理矩的示例过程400的操作流程图。过程400可由图像管理器作为图像检索过程或图像索引过程的一部分来实现。从开始块起，过程400前进到达块405，接收图像用于分析。图像可以是用于图像检索的参考图像或要索引的图像。
在判别块410，确定该图像是否为灰度级图像。如果是，则过程400前进到块420。如果该图像不是灰度级图像，则过程前进到块415，将该图像转换成灰度级图像。通过确定图像中每一像素的灰度级别来将图像转换成灰度级。在一个实施例中，通过与像素关联的对红、绿和蓝级别求平均值来对该像素确定灰度级别。过程400然后在块420继续。
在块420，计算与图像中的像素相关联的纹理属性。特定像素的纹理属性与该像素在图像中的位置的局部纹理有关，并可从与该像素相关联的离散傅立叶变换的系数中得出。纹理属性要考虑到感兴趣的特定像素周围的其它像素。由于图像的外边缘的像素不是在所有边上都被其它像素包围，因此可从过程400排除外部像素的纹理属性。
在块425，确定每一纹理属性的平均值。在块430，确定每一纹理属性的方差。平均值和方差说明了每一内部像素的纹理属性。平均值和方差形成了表示图像的纹理矩的矢量。过程400结束。
图5是在数据存储中索引图像的示例过程500的操作流程图。过程500可由用于管理图像并方便其检索的基于内容的图像检索系统来实现。数据存储可以是数据库、文件目录或其它逻辑数据存储组件。从开始块起，过程500前进到块505，接收用于储存在数据存储中的图像。图像可以是原始的数字图像，或另一类型的图像的数字化版本。
在块510，确定图像的纹理矩。纹理矩与图像中像素的局部纹理相关联，可从结合图4讨论的过程400确定。在块515，将图像储存在数据存储中。在块520，用纹理矩索引图像用于组织目的。用其纹理矩索引图像方便了用户或应用程序检索图像。图像可用将图像与纹理矩相关联的任一方式来索引。
图6是从数据存储检索图像的示例过程600的操作流程图。过程600可由基于内容的图像检索系统来实现。数据存储中的图像可是索引过的或未被索引的。从开始块起，过程600前进到块610，接收检索图像的请求。请求可由应用程序或直接由用户发起。通常，请求包括要检索的图像的期望视觉特征。
在判别块610，确定是否提供了纹理矩作为期望视觉特征的一部分。如果是，则过程600前进到块625。如果未提供纹理矩，则过程600在块615继续，接收参考图像。参考图像令过程600能够找出其视觉特征类似于参考图像的视觉特征的图像。在块620，确定参考图像的纹理矩。可从结合图4讨论的过程400确定纹理矩。过程600在块625继续。
在块625，搜索数据存储中具有期望视觉特征的图像。具体地，检索具有可与从参考图像提供或确定的纹理矩比较的纹理矩的图像。为图像检索目的，可结合纹理矩使用其它视觉特征来提高检索准确度。数据存储中的图像可按照其纹理矩和其它视觉特征来索引，以方便检索。但是，如果数据存储中的图像未被索引，则过程600可确定图像的纹理矩和其它视觉特征以搜索匹配，这较为复杂且耗时。在块630，返回匹配的图像，过程结束。
图7示出了可在其中完全或部分地实现用于索引和检索图像的系统和方法的示例计算机700。计算机700仅为合适的计算环境的一个示例，并非暗示对本发明的使用范围或功能的局限。
计算机700可以使用众多其它通用或专用计算系统环境或配置来操作。适合使用的众所周知的计算系统、环境和/或配置包括但不限于个人计算机、服务器计算机、薄客户机、厚客户机、手持式或膝上设备、多处理器系统、基于微处理器的系统、机顶盒、可编程消费者电子设备、网络PC、小型机、大型机、游戏控制台、包括任一上述系统或设备的分布式计算环境等等。
计算机700的组件可包括但不限于，处理器702(如，微处理器、控制器等的任一个)、系统存储器704、输入设备706、输出设备708以及网络设备710。
计算机700通常包括各种计算机可读媒质。这类媒质可以是可由计算机110访问的任一可用媒质，包括易失和非易失媒质、可移动和不可移动媒质。系统存储器704包括易失存储器形式的计算机可读媒质，如随机存取存储器(RAM)，和/或非易失存储器形式的计算机可读媒质，如只读存储器(ROM)。基本输入/输出系统(BIOS)包括如在启动时帮助在计算机700内的元件之间传输信息的基本例程，储存在系统存储器704中。系统存储器704通常包含处理器702立即可访问或者当前正在操作的数据和/或程序模块。
系统存储器704也可包括其它可移动/不可移动、易失/非易失计算机存储媒质。作为示例，可包括用于对不可移动、非易失磁媒质进行读写的硬盘驱动器；用于对可移动、非易失磁盘(如，“软盘”)进行读写的磁盘驱动器；以及用于对可移动、非易失光盘，如CD-ROM、DVD或任一其它类型的光媒质进行读写的光盘驱动器。
驱动器及其关联的计算机存储媒质为计算机700提供了计算机可读指令、数据结构、程序模块和其它数据的存储。可以理解，可储存可由计算机700访问的数据的其它类型的计算机可读媒质，如磁带盒或其它磁存储设备、闪存卡、CD-ROM、数字多功能盘(DVD)或其它光存储、随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可变成只读存储器(EEPROM)等也可用于实现示例性计算机700。
任意数量的程序模块可储存在系统存储器704中，作为示例，包括操作系统702、应用程序728和数据732。如图所示，应用程序728包括具有图像管理器105的基于内容的图像检索系统100和其它应用程序730。数据732包括可由图像管理器105访问的数据存储150。图像管理器105可被配置成通过网络设备710访问其它远程图像数据存储。
计算机700可包括被表示为通信媒质的各种计算机可读媒质。通信媒质通常在诸如载波或其它传输机制的已调制数据信号中包含计算机可读指令、数据结构、程序模块或其它数据，并包括任一信息传送媒质。术语“已调制数据信号”指以对信号中的信息进行编码的方式设置或改变其一个或多个特征的信号。作为示例而非局限，通信媒质包括有线媒质，如有线网络或直接连线连接，以及无线媒质，如声学、RF、红外和其它无线媒质。上述任一的组合也应当包括在计算机可读媒质的范围之内。
用户可通过输入设备，如键盘和定位设备(如，“鼠标”)向计算机700输入命令和信息。其它输入设备706可包括麦克风、操纵杆、游戏垫、控制器、圆盘式卫星天线、串行端口、扫描仪、触摸屏、触摸板、小键盘和/或其类似物。输出设备708可包括CRT监视器、LCD屏幕、扬声器、打印机等等。
计算机700可包括网络设备710，用于连接到计算机网络，如局域网(LAN)和广域网(WAN)等等。
尽管上文的描述使用了对结构特征和/或方法动作专用的语言，然而可以理解，所附权利要求书中定义的本发明不限于所描述的具体特征或动作。相反，解释了具体特征和动作作为实现本发明的示例性形式。
权利要求
1.一种用于分析图像的计算机实现的方法，其特征在于，它包括将所述图像转换成灰度级格式；确定所述图像的纹理属性；计算与所述图像的纹理属性的至少一个相关联的至少一个统计值；以及根据所述统计值确定所述图像的纹理矩。
2.如权利要求1所述的计算机实现的方法，其特征在于，所述纹理属性的至少一个从与所述图像的至少一个像素相关联的离散傅立叶变换系数中得出。
3.如权利要求1所述的计算机实现的方法，其特征在于，所述纹理属性的至少一个用绝对值操作来确定。
4.如权利要求1所述的计算机实现的方法，其特征在于，计算所述至少一个统计值包括计算与所述图像中的像素相关联的所述纹理属性的至少一个的平均值。
5.如权利要求1所述的计算机实现的方法，其特征在于，计算所述至少一个统计值包括计算与所述图像中的像素相关联的所述纹理属性的至少一个的方差。
6.如权利要求1所述的计算机实现的方法，其特征在于，计算所述至少一个统计值包括计算与所述图像中的每一像素相关联的每一纹理属性的平均值和方差。
7.如权利要求1所述的计算机实现的方法，其特征在于，确定所述纹理属性包括确定与所述图像的像素相关联的离散傅立叶变换系数相关联的七个纹理属性。
8.如权利要求1所述的计算机实现的方法，其特征在于，它还包括搜索数据存储中其纹理矩类似于所确定的纹理矩的图像。
9.如权利要求1所述的计算机实现的方法，其特征在于，它还包括基于所确定的纹理矩索引所述图像。
10.一个或多个包含可由处理器执行来实现权利要求1所述的计算机实现的方法的计算机程序的计算机可读存储器。
11.一种用于确定由像素表示的图像的视觉特征的计算机实现的方法，其特征在于，它包括确定每一像素的灰度级别；确定每一像素的纹理属性，所述纹理属性从与所述像素关联的离散傅立叶变换的系数中得出；确定每一像素的每一纹理属性的平均值；确定每一像素的每一纹理属性的方差值；以及根据所述平均值和所述方差值确定所述图像的纹理矩。
12.如权利要求11所述的计算机实现的方法，其特征在于，确定每一像素的灰度级别包括使用以下公式计算所述像素的灰度级别P＝(R+G+B)/3其中，R、G和B分别表示所述像素的红、绿和蓝级别，P表示所述像素的灰度级别。
13.如权利要求11所述的计算机实现的方法，其特征每一像素的灰度级别包括使用以下公式计算所述像素的灰度级别P＝0.299*R+0.587*G+0.114*B其中，R、G和B分别表示所述像素的红、绿和蓝级别，P表示所述像素的灰度级别。
14.如权利要求11所述的计算机实现的方法，其特征在于，确定每一像素的纹理属性包括使用以下公式计算所述纹理属性的至少一个A(x，y)＝|P(x，y-1)+P(x，y+1)+P(x-1，y)+P(x+1，y)-P(x-1，y-1)-P(x+1，y-1)-P(x-1，y+1)-P(x+1，y+1)|其中，A(x，y)表示所述图像中位置x和y上的像素的纹理属性，P(x，y)表示所述像素的灰度级别。
15.如权利要求11所述的计算机实现的方法，其特征在于，确定每一像素的纹理属性包括使用以下公式计算所述纹理属性的至少一个A(x,y)=|2*[P(x-1,y)+P(x+1,y)-P(x,y-1)-P(x,y+1)]|]]>其中，A(x，y)表示所述图像中位置x和y上的像素的纹理属性，P(x，y)表示所述像素的灰度级别。
16.如权利要求11所述的计算机实现的方法，其特征在于，确定每一像素的纹理属性包括使用以下公式计算所述纹理属性的至少一个A(x,y)=|2*[P(x-1,y-1)+P(x+1,y+1)-P(x+1,y-1)-P(x-1,y+1)]|]]>其中，A(x，y)表示所述图像中位置x和y上的像素的纹理属性，P(x，y)表示所述像素的灰度级别。
17.如权利要求11所述的计算机实现的方法，其特征在于，确定每一像素的纹理属性包括使用以下公式计算所述纹理属性的至少一个A(x,y)=|P(x-1,y-1)+2*P(x-1,y)+P(x-1,y+1)]]>-P(x+1,y-1)-2*P(x+1,y)-P(x+1,y+1)]]>其中，A(x，y)表示所述图像中位置x和y上的像素的纹理属性，P(x，y)表示所述像素的灰度级别。
18.如权利要求11所述的计算机实现的方法，其特征在于，确定每一像素的纹理属性包括使用以下公式计算所述纹理属性的至少一个A(x,y)=|P(x-1,y-1)+2*P(x,y-1)+P(x+1,y-1)]]>-P(x-1,y+1)-2*P(x,y+1)-P(x+1,y+1)]]>其中，A(x，y)表示所述图像中位置x和y上的像素的纹理属性，P(x，y)表示所述像素的灰度级别。
19.如权利要求11所述的计算机实现的方法，其特征在于，确定每一像素的纹理属性包括使用以下公式计算所述纹理属性的至少一个A(x,y)=|P(x-1,y-1)-2*P(x-1,y)+P(x-1,y+1)]]>-P(x+1,y-1)+2*P(x+1,y)-P(x+1,y+1)|]]>其中，A(x，y)表示所述图像中位置x和y上的像素的纹理属性，P(x，y)表示所述像素的灰度级别。
20.如权利要求11所述的计算机实现的方法，其特征在于，确定每一像素的纹理属性包括使用以下公式计算所述纹理属性的至少一个A(x,y)=|P(x-1,y-1)-2*P(x,y-1)+P(x+1,y-1)]]>-P(x-1,y+1)+2*P(x,y+1)-P(x+1,y+1)|]]>其中，A(x，y)表示所述图像中位置x和y上的像素的纹理属性，P(x，y)表示所述像素的灰度级别。
21.如权利要求11所述的计算机实现的方法，其特征在于，计算每一纹理属性的平均值包括使用以下公式计算至少一个平均值μ=1NΣy=1H-2Σx=1W-2A(x,y)]]>其中，μ表示所述平均值；A(x，y)表示位置x和y处的像素的属性；N表示由该公式求和的值的总数；H表示所述图像的高度；W表示所述图像的宽度。
22.如权利要求21所述的计算机实现的方法，其特征在于，确定每一纹理属性的方差值包括使用以下公式计算至少一个方差值σ=1NΣy=1H-2Σx=1W-2A(x,y)2-μ2]]>其中，σ表示所述方差值。
23.一个或多个包含可由处理器执行以实现权利要求11所述的计算机实现的方法的计算机程序的计算机可读存储器。
24.一种装置，其特征在于，它包括用于将图像的像素转换成灰度级的装置；用于基于所述像素的局部纹理确定所述像素的纹理属性的装置；用于计算与所述图像中的像素的纹理属性相关联的统计值的装置；以及用于根据所述统计值确定所述图像的纹理矩的装置。
25.如权利要求24所述的装置，其特征在于，它还包括用于搜索数据存储中其纹理矩类似于所确定的纹理矩的图像的装置。
26.如权利要求24所述的装置，其特征在于，它还包括用于使用所确定的纹理矩索引所述图像的装置。
27.一种计算机，其特征在于，它包括一存储器，它包括一包含图像的数据存储；以及一用于访问所述数据存储的图像管理器，所述图像管理器还用于确定与第一图像相关联的纹理矩，并从所述数据存储检索具有可与所述第一图像的纹理矩进行比较的纹理矩的其它图像。
28.如权利要求27所述的计算机，其特征在于，所述图像管理器还被配置成根据与所述第一图像中的每一像素的局部纹理相关联的纹理属性确定所述纹理矩。
29.如权利要求28所述的计算机，其特征在于，所述纹理属性从局部离散傅立叶变换系数中得出。
30.如权利要求27所述的计算机，其特征在于，所述图像管理器还被配置成确定与第二图像相关联的纹理矩，并使用所述关联的纹理矩索引所述第二图像。
31.如权利要求27所述的计算机，其特征在于，它还包括一被配置成连接到计算机网络的网络接口，其中，所述图像管理器还被配置成通过所述网络接口从远程数据存储检索图像。
全文摘要
本发明描述了用于索引和检索图像的系统和方法。该系统和方法分析图像以确定其纹理矩。图像的像素被转换成灰度级。确定像素的纹理属性。纹理属性与像素的局部纹理相关联，并可从与像素相关联的离散傅立叶变换系数中得出。计算与像素的纹理属性相关联的统计值。根据统计值确定图像的纹理矩。
文档编号G06F19/00GK1614595SQ20041008584
公开日2005年5月11日 申请日期2004年11月5日 优先权日2003年11月7日
发明者张宏江, L·张, M·李, Y·-F·孙 申请人:微软公司