基于内容的sar图像检索.pdfVIP

基于内容的SAR图像检索

基于内容的图像检索技术动态

自从20世纪70年代以来，在数据库系统和计算机视觉两大研究领域的共同推

动下，图像检索技术已逐渐成为一个非常活跃的研究领域。数据库和计算机视觉

两大领域是从不同的角度来研究图像检索技术的，前者基于文本的，而后者是基

于视觉的。

70年代产生的图像检索是基于文本方式，但目前，计算机视觉技术还不成

熟，达不到对图像的描述性关键字和语义信息的准确识别和自动提取。另外，

基于文本的图像检索并不能客观反映图像内容的多样性，尤其当图像库的数据

量非常大时，这种检索方式存在两大困难:其一，手工注释工作量太大，图像注

解的主观性和不精确性可能导致检索过程失败;其二，图像的某些可视信息，例

如:纹理、形状、区域等.很难用文本准确描述。因此，90年代初研究者们提出了

基于内容的图像检索(CBIR)技术。这种技术由机器自动提取包含图像内容的可

视特征：颜色、纹理、形状、目标的位置和相互关系、区域等，形成数据库中

图像和查询样本图像的特征空间，在特征空间内进行相似匹配，检索出与样本

相似的图像。

1.3.1纹理特征

纹理特征在图像检索中占据非常重要的位置。纹理分析的方法通常可以分为

基于统计分析和基于结构分析两种方法。在结构分析方法中,纹理被认为是由它

的基元和偏移规则的描述来表述纹理特征。在统计方法中,纹理是由选定的特征

统计量来描述。Julesz[47]提出了人类视觉系统是利用一阶和二阶统计量(纹理元)

来作为进行纹理判断的观点。A.Gagalowize[48]提出了一种从纹理场的二阶统计

量估计进行纹理综合的算法。Chen和Pavlidis提出基于二维均匀Gauss模型的

[49]

纹理分割算法。Chellappa和Rashyap提出用二维回归非因果模型综合视觉上

[50]

类似的自然纹理,它们利用邻域内象素灰度和加性噪声的线性组合来表示

纹理特征。

小波变换在纹理特征提取领域也得到了广泛的应用。研究表明，树型小波变

换更适合应用于纹理分析中Chang和Kuo用树型小波进一步提高了分类精

[51][52]

度。ManeshKokare等利用一组二维旋转复数小波滤波器提取图像纹理特征。

[53]

Gabor变换在医学图像检索过程中取得较为满意的效果。MinhNDo等人提出

[54]

的Contourlet变换对于奇异曲线的逼近性能好于小波变换。并且在较多方向子带

上有较大能量，具有多方向多尺度特性。将Contourlet变换应用于图像纹理特征

的提取，实现图像检索，查准率有明显提高。

[55]NSCT变换在SAR图像检索中的应

用与实现

1.3.2形状特征

形状特征是描述高层视觉特征(如目标、对象等)的重要手段，而目标、对

象对获取图像语义尤为重要。要把图像的底层特征与高层特征有机地结合起来，

必须有好的形状特征描述与提取算法的支持。形状特征的有效表达必须以对图像

中物体或区域的分割为基础。但是，现有的形状描述方法还不成熟，难以做到准

确而稳健的自动图像分割和形状特征提取与匹配，对于图像检索系统而言，除了

用于形状较简单的图案检索以外，对形状复杂的图像或背景复杂的图像进行检索

仍存在一定困难，应用受到一定限制。典型的基于形状特征的图像检索方法有以

下几类:(1)出于对算法时间和空间的复杂性的考虑，形状的表达可用简单的方法，

如:狭长度、圆形度、偏心率、基于内角的特征向量等。(2)基于形状边界特征的

图像检索方法。传统的方法有Freeman链码、Fourier描述子、距离直方图等。