本發(fā)明涉及的是數(shù)字圖像處理技術(shù)領(lǐng)域，具體涉及一種基于Radon變換的改進(jìn)型紋理特征提取算法。

背景技術(shù)：

在刑偵和交通事故調(diào)查中，圖像被看作是一條重要的線索，圖像檢索對(duì)警方快速的在數(shù)據(jù)庫(kù)中找到有用的目標(biāo)圖像是很重要的，盡管已設(shè)計(jì)出很多算法來(lái)提取圖像的特征，但對(duì)于具有一定程度旋轉(zhuǎn)的圖像檢索卻鮮有人研究。

紋理特征是圖像特征的重要特征之一，它可在時(shí)域中描述也可在頻域中描述，Tamura紋理特征和灰度共生矩陣是時(shí)域中典型的紋理特征提取算法，傅里葉變換和小波變換是頻域中典型的紋理特征提取算法。

小波變換是典型的圖像多尺度分析方法，但是它在顯示圖像的方向和旋轉(zhuǎn)方面卻很弱，而且它還有另一個(gè)缺點(diǎn)就是對(duì)變化很敏感，這嚴(yán)重地影響了它在圖像檢索領(lǐng)域的應(yīng)用。專(zhuān)家們提出了Dual Tree Complex Wavelet transform(DT-CWT)雙數(shù)復(fù)小波，克服了小波變換的缺點(diǎn)，但是DT-CWT算法無(wú)法克服圖像旋轉(zhuǎn)所產(chǎn)生的影響，基于此，設(shè)計(jì)一種新型的基于Radon變換的改進(jìn)型紋理特征提取算法還是很有必要的。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)上存在的不足，本發(fā)明目的是在于提供一種基于Radon變換的改進(jìn)型紋理特征提取算法，設(shè)計(jì)合理，解決了圖像的移動(dòng)或者旋轉(zhuǎn)對(duì)產(chǎn)生的小波變換系數(shù)的影響問(wèn)題，便于圖像檢索，方便高效。

為了實(shí)現(xiàn)上述目的，本發(fā)明是通過(guò)如下的技術(shù)方案來(lái)實(shí)現(xiàn)：一種基于Radon變換的改進(jìn)型紋理特征提取算法，包括Radon變換、雙樹(shù)復(fù)小波變換、子帶系數(shù)的提取、特征值的計(jì)算、特征向量的構(gòu)造、相似度的計(jì)算，對(duì)圖像進(jìn)行Radon變換、雙樹(shù)復(fù)小波變換是本算法的核心；所述Radon變換是對(duì)原始圖像進(jìn)行Radon變換，通過(guò)圖像Radon域系數(shù)與圖像旋轉(zhuǎn)角度的關(guān)系來(lái)提取旋轉(zhuǎn)不變量；所述雙樹(shù)復(fù)小波變換是對(duì)Radon變換過(guò)后得到的投影矩陣進(jìn)行的變換；所述子帶系數(shù)的提取、特征值的計(jì)算以及特征向量的構(gòu)造都是在雙樹(shù)復(fù)小波變換的基礎(chǔ)上進(jìn)行的；所述相似度的計(jì)算是根據(jù)輸入圖像與圖像數(shù)據(jù)庫(kù)中，圖像紋理特征向量的歐氏距離來(lái)計(jì)算的，從而檢索出與目標(biāo)圖像匹配的圖像。

作為優(yōu)選，所述算法的使用方法如下：

(1)對(duì)原始圖像進(jìn)行Radon變換(g_θi(1),g_θi(2),…,g_θi(N))Radon域θ角方向的投影序列，R_f則是Radon域所有角方向組成的投影矩陣。

(2)對(duì)R_f矩陣的每一列，即每個(gè)對(duì)進(jìn)行3層雙樹(shù)復(fù)小波變換，共生成9個(gè)高頻子帶和1個(gè)低頻子帶。

(3)計(jì)算各子帶的均值(M)、方差(σ)、能量(E)，以上10個(gè)子帶的均值、方差和能量就生成了1維的特征向量，第i層的均值、方差、能量分別是：

圖像的紋理特征向量即是：f＝(M₁,σ₁,E₁,M₂,σ₂,E₂,…,M₁₀,σ₁₀,E₁₀)。

(4)用紋理特征向量進(jìn)行相似度計(jì)算，根據(jù)計(jì)算所得的相似度得出檢索結(jié)果。

本發(fā)明的有益效果：可以有效地克服圖像旋轉(zhuǎn)后在Radon域系數(shù)切片上的平移造成的小波系數(shù)的劇烈變化，既可以利用Radon系數(shù)與圖像旋轉(zhuǎn)的關(guān)系又可以利用雙樹(shù)復(fù)小波的移不變性來(lái)提取不隨圖像旋轉(zhuǎn)的紋理特征，有效解決了由于圖像旋轉(zhuǎn)而影響檢索結(jié)果的問(wèn)題。

附圖說(shuō)明

下面結(jié)合附圖和具體實(shí)施方式來(lái)詳細(xì)說(shuō)明本發(fā)明；

圖1為本發(fā)明的算法原理圖；

圖2為本發(fā)明的流程圖。

具體實(shí)施方式

為使本發(fā)明實(shí)現(xiàn)的技術(shù)手段、創(chuàng)作特征、達(dá)成目的與功效易于明白了解，下面結(jié)合具體實(shí)施方式，進(jìn)一步闡述本發(fā)明。

參照?qǐng)D1-2，本具體實(shí)施方式采用以下技術(shù)方案：一種基于Radon變換的改進(jìn)型紋理特征提取算法，包括Radon變換、雙樹(shù)復(fù)小波變換、子帶系數(shù)的提取、特征值的計(jì)算、特征向量的構(gòu)造、相似度的計(jì)算，其中對(duì)圖像進(jìn)行Radon變換、雙樹(shù)復(fù)小波變換是基于Radon變換的改進(jìn)型紋理特征提取算法的核心。

值得注意的是，所述Radon變換是對(duì)原始圖像進(jìn)行Radon變換，通過(guò)圖像Radon域系數(shù)與圖像旋轉(zhuǎn)角度的關(guān)系來(lái)提取旋轉(zhuǎn)不變量。

所述雙樹(shù)復(fù)小波變換是對(duì)Radon變換過(guò)后得到的投影矩陣進(jìn)行的變換，

設(shè)f(x)∈R²的雙樹(shù)復(fù)小波變換為：

<f,ψ_c>＝<f,ψ_h>+j<f,ψ_g>

則對(duì)Radon系數(shù)進(jìn)行雙樹(shù)復(fù)小波變換則可以被定義為：

DTRFT_f＝<R_f,ψ_h>+j<R_f,ψ_g>

＝∫ψ_c(x)R_f(θ,t)dt+j∫ψ_g(x)R_f(θ,t)dt

所述子帶系數(shù)的R提取、特征值的計(jì)R算以及特征向量的構(gòu)造都是在雙樹(shù)復(fù)小波變換的基礎(chǔ)上進(jìn)行的。

所述相似度的計(jì)算是根據(jù)輸入圖像與圖像數(shù)據(jù)庫(kù)中，圖像紋理特征向量的歐氏距離來(lái)計(jì)算的，從而檢索出與目標(biāo)圖像匹配的圖像。

本具體實(shí)施方式的使用方法如下：

(1)對(duì)原始圖像進(jìn)行Radon變換(g_θi(1),g_θi(2),…,g_θi(N))Radon域θ角方向的投影序列，R_f則是Radon域所有角方向組成的投影矩陣。

(2)對(duì)R_f矩陣的每一列，即每個(gè)對(duì)進(jìn)行3層雙樹(shù)復(fù)小波變換，共生成9個(gè)高頻子帶和1個(gè)低頻子帶。

(3)計(jì)算各子帶的均值(M)、方差(σ)、能量(E)，以上10個(gè)子帶的均值、方差和能量就生成了1維的特征向量，第i層的均值、方差、能量分別是：

圖像的紋理特征向量即是：f＝(M₁,σ₁,E₁,M₂,σ₂,E₂,…,M₁₀,σ₁₀,E₁₀)。

(4)用紋理特征向量進(jìn)行相似度計(jì)算，根據(jù)計(jì)算所得的相似度得出檢索結(jié)果。

當(dāng)用戶利用圖像的紋理特征進(jìn)行圖像檢索時(shí)，若原始圖像有一定程度的旋轉(zhuǎn)，即可通過(guò)此算法來(lái)提取圖像的紋理特征，這樣獲得的紋理特征與旋轉(zhuǎn)前的圖像的紋理特征相比就沒(méi)有劇烈的變化。這種算法運(yùn)用于圖像檢索系統(tǒng)中就會(huì)得到較好的檢索結(jié)果，特別是對(duì)于輪胎圖像的檢索，由于現(xiàn)有技術(shù)對(duì)輪胎圖像檢索方面的研究很少，但輪胎痕跡圖像對(duì)刑偵和交通事故調(diào)查有很大的作用，所以將基于Radon變換的改進(jìn)型紋理特征提取算法運(yùn)用于輪胎圖像檢索中意義重大。

本具體實(shí)施方式主要解決了圖像的移動(dòng)或者旋轉(zhuǎn)對(duì)產(chǎn)生的小波變換系數(shù)的影響問(wèn)題，算法以Radon變換為基礎(chǔ)，結(jié)合雙樹(shù)復(fù)小波變換對(duì)圖像的紋理特征進(jìn)行提取，克服因圖像旋轉(zhuǎn)而造成的小波系數(shù)的變化從而影響所提取的圖像的紋理特征以及圖像相似度的對(duì)比結(jié)果，目前未見(jiàn)有類(lèi)似技術(shù)文章或應(yīng)用實(shí)例出現(xiàn)，是一種高效簡(jiǎn)潔的圖像紋理特征提取算法，實(shí)用高效，具有廣闊的市場(chǎng)應(yīng)用前景。

以上顯示和描述了本發(fā)明的基本原理和主要特征和本發(fā)明的優(yōu)點(diǎn)。本行業(yè)的技術(shù)人員應(yīng)該了解，本發(fā)明不受上述實(shí)施例的限制，上述實(shí)施例和說(shuō)明書(shū)中描述的只是說(shuō)明本發(fā)明的原理，在不脫離本發(fā)明精神和范圍的前提下，本發(fā)明還會(huì)有各種變化和改進(jìn)，這些變化和改進(jìn)都落入要求保護(hù)的本發(fā)明范圍內(nèi)。本發(fā)明要求保護(hù)范圍由所附的權(quán)利要求書(shū)及其等效物界定。