基于纹理内容的旋转图像搜索方法
【专利摘要】本发明属于基于内容的图像搜索领域，输入的是用户自己的图像，主体算法包括将输入的图像转换成灰度级图像，然后计算其基元过渡矩阵和基元最小矩阵。将得到的基元过渡矩阵和基元最小矩阵映射到基元矩阵。并且针对不同尺寸的图像，进行基元矩阵标准化计算。图像的特征采用能量、熵、逆差距以及惯性进行表示。通过评价输入图像与后台图像库中所有图像间的四维特征相似度，把相似度高的图像作为图像搜索结果。从而实现了基于图像内容的以图搜图功能，并解决了旋转图像的搜索问题。
【专利说明】基于纹理内容的旋转图像搜索方法
【技术领域】
[0001]本发明属于图像搜索领域，尤其是面向图像内容的搜索，解决旋转图像搜索问题。【背景技术】
[0002]当今互联网环境中，文本搜索已经十分普遍，但是图像搜索即以图搜图的应用却少之甚少。在搜索之前需对每张图像进行注释，并用关键字对图像进行搜索。然而对数据库中的每张图像进行注释是一个相当浩大的工程，不仅需要花费巨大的人力，而且不同的注释者对图片的理解不同，进而降低检索的准确性。同时，目前更没有针对旋转图像的搜索出现，即不能搜索到与输入图像内容相关的旋转图像。
[0003]因此有必要提出一种新的技术方案来克服上述问题。
【发明内容】
[0004]本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
[0005]针对上述方法的缺点，本发明提出基于纹理内容的旋转图像搜索方法。通过提取输入图像的纹理特征，并与数据库中所有图像的纹理特征进行比较，进而获得与输入图像相似的图像作为搜索结果。而且旋转图像的纹理特征并不会因为旋转处理而发生改变，因此解决了旋转图像的搜索问题。本发明不需要直接将原始图像与数据库中的图像进行比较，而是比较它们之间的纹理特征，不仅大大的降低了检索的复杂性，而且也屏蔽了不同人对图像的不同理解。
[0006]根据本发明的一方面，本发明提供基于纹理内容的旋转图像搜索方法，其包括:
[0007]A、由于图像检索重在评价图像纹理内容的相似程度，因此直接把彩色图像转变为灰度级图像，只需对一个二维的灰度级矩阵进行操作。
[0008]B、对上述灰度级矩阵进行基元过渡矩阵计算，具体步骤如下:
[0009]B1、图像内容的基本组成单位是基元，即2*2的网格。从灰度级矩阵的起始点坐标(0,0)开始，以2*2网格作为提取基兀的基本单位。从左往右，从上往下的顺序移动，并且每次只移动一个像素步长。依次提取每个2*2网格中的基元。
[0010]B2、计算每个2*2网格中左上角，右上角以及左下角的像素和，如果此像素和小于或等于其他三个相邻网格的像素值之和，则执行步骤B3，否则执行步骤B4.[0011]B3、如果此2*2网格中没有相同的像素值，则直接以此2*2网格中像素值的升序序列得到的空间折线作为提取的基元纹理。否则在提取基元之前先根据优先级关系:左上角>右上角>右下角>左下角，先提取优先级高的网格，再提取优先级低的网格，以确定相同像素值的提取顺序。之后再确定不同像素值的升序序列，进而得到此2*2网格的空间折线作为提取的基元纹理。基元过渡矩阵最终共由八种基元纹理组合而成。
[0012]B4、对此2*2网格顺时针旋转90度，返回执行步骤B2。[0013]C、对灰度级图像进行基元最小矩阵计算，提取每个2*2网格中最小的像素值来代表此基兀，从左向右，从上向下的顺序移动，并且每次只移动一个像素步长，依次提取每个2*2网格中的最小像素，构建基元最小矩阵。
[0014]D、对上述得到的图像基元过渡矩阵和基元最小矩阵，进行基元矩阵计算。以基元最小矩阵为行坐标i，以基元过渡矩阵为列坐标j，基元矩阵的元素Xi, j统计基元最小像素为i且基元纹理编号为j的数目。由于基元最小矩阵的取值范围从O到255 (灰度级图像像素值)，基元过渡矩阵最终共由八种基元纹理组合而成，因此无论原始图像的大小如何，最终都是得到256*8的基元矩阵。
[0015]E、针对不同尺寸的图像，计算标准化的基元矩阵。
[0016]F、利用能量，熵，逆差距以及惯性组成表示图像的四维特征向量。
[0017]G、利用相似度评价函数对图像的四维特征向量进行相似度计算，以最终评价图像间的相似度。
[0018]进一步的，所述标准化的基元矩阵定义为:
[0019]
【权利要求】
1.一种基于纹理内容的旋转图像搜索方法，其特征在于，其包括: A、对输入的图像进行灰度图像转换，生成输入图像的灰度级图像，因此只需对一个二维的灰度级矩阵进行操作。 B、对上述灰度级矩阵进行基元过渡矩阵计算。包括: B1、从灰度级矩阵的起始点坐标(0，0)开始，以2*2网格作为提取基元的基本单位。从左往右，从上往下的顺序移动，并且每次只移动一个像素步长。依次提取每个2*2网格中的基兀。 B2、计算每个2*2网格中左上角，右上角以及左下角的像素和，如果此像素和小于或等于其他三个相邻网格的像素值之和，则执行B3，否则执行B4.B3、如果此2*2网格中没有相同的像素值，则直接以此2*2网格中像素值的升序序列得到的空间折线作为提取的基元纹理。否则在提取基元之前先根据优先级关系:左上角〉右上角〉右下角〉左下角，先提取优先级高的网格，再提取优先级低的网格，以确定相同像素值的提取顺序，之后再确定不同像素值的升序序列，进而得到此2*2网格的空间折线作为提取的基元纹理。 B4、对此2*2网格顺时针旋转90度，返回执行B2。 C、对灰度级图像进行基元最小矩阵计算，提取每个2*2网格中最小的像素值来代表此基兀，从左向右，从上向下的顺序移动，并且每次只移动一个像素步长，依次提取每个2*2网格中的最小像素，构建基元最小矩阵。 D、对上述得到的图像基元过渡矩阵和基元最小矩阵，进行基元矩阵计算。以基元最小矩阵为行坐标i，以基元过渡矩阵为列坐标j，基元矩阵的元素Xi, j统计基元最小像素为i且基元纹理编号为j的数目。 E、针对不同尺寸的图像，计算标准化的基元矩阵。 F、利用能量EN1，熵EN2，逆差距IDM以及惯性IN组成表示图像的四维特征向量Feature Vector。 G、利用相似度评价函数对图像的四维特征向量进行相似度计算，以最终评价图像间的相似度。
2.根据权利要求1所述的基于纹理内容的旋转图像搜索方法，其特征在于，所述标准化的基元矩阵定义为:
3.根据权利要求1所述的基于纹理内容的旋转图像搜索方法，其特征在于，所述能量ENl定义为:
4.根据权利要求1所述的基于纹理内容的旋转图像搜索方法，其特征在于，所述熵ΕΝ2定义为:
5.根据权利要求1所述的基于纹理内容的旋转图像搜索方法，其特征在于，所述逆差距IDM定义为:
6.根据权利要求1所述的基于纹理内容的旋转图像搜索方法，其特征在于，所述惯性IN定义为:
7.根据权利要求1所述的基于纹理内容的旋转图像搜索方法，其特征在于，所述四维特征向量Feature Vector定义为:
Feature Vector=(EN1, EN2, IDM,IN) 其中ENl代表能量，EN2代表熵，IDM代表逆差距，IN代表惯性。
8.根据权利要求1所述的基于`纹理内容的旋转图像搜索方法，其特征在于，所述相似度评价函数定义为:
9.一种基于纹理内容的旋转图像搜索方法，其特征在于，其包括: 本发明属于基于图像内容的图像搜索领域，对纹理性强且背景相似的图像具有很高的搜索精确度。 解决了旋转图像的搜索问题，如果图像库中存在待搜索图像的旋转图像，那么此旋转图像将在搜索结果中的前列显示。并且如果图像库中有其他图像的旋转图像，那么这些旋转图像将类似于其他图像与待搜索的图像具有相同的相似度。
【文档编号】G06F17/30GK103530406SQ201310508079
【公开日】2014年1月22日 申请日期:2013年10月25日 优先权日:2013年10月25日
【发明者】宋威, 朱华东, 李成华 申请人:无锡金泓景科技有限公司