專利名稱：描述圖像的模式重復(fù)性的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及描述圖像的周期性模式重復(fù)性的方法，尤其涉及通過有效地去除圖像的噪聲來精確地描述周期性模式的方法。
為了將圖像數(shù)據(jù)中的一個圖像與另一個圖像區(qū)別開，注意或覺察相干的模式是很重要的。這在圖像識別和圖像處理時如圖像的存儲、分類和恢復(fù)中被認(rèn)為是非常重要的。同時，在使用紋理特性模式匹配的特定領(lǐng)域中它是獲得更好的模式覺察性能的決定因素。
在本發(fā)明申請人于1999年3月19日申請并且在此作為參考的美國專利09/272,321中，提供了一種用于垂直或水平地投影原始像素值的方法。用于垂直或水平地投影原始像素值的方法作為一種在圖像數(shù)據(jù)內(nèi)提取特有模式的有效的方法來描述。根據(jù)本方法，如果一個重復(fù)的模式包括在一個圖像中，則該模式被明確地在投影的圖像內(nèi)表示。同樣，在上面提到專利中，公開了應(yīng)用于生成的投影圖像的自相關(guān)方法，可以識別或擴(kuò)大周期性特性。然而，由于其它重復(fù)性模式與噪聲的組合，一般來說，在投影的圖像內(nèi)找到的模式重復(fù)性沒有精確的周期。特別地，因為圖像內(nèi)的噪聲往往導(dǎo)致模式模糊，所以需要去除噪聲。
使用自動化的周期性模式計數(shù)裝置來降低噪聲的常規(guī)的方法可以部分地解決這個問題。然而，如果去除了噪聲，存在圖像的模式重復(fù)性也改變的問題。
為了解決上面的問題，本發(fā)明的目的是提供一種能夠有效地描述可能在圖像內(nèi)存在的模式重復(fù)性的方法。
為了解決上面的問題，本發(fā)明的另一個目的是根據(jù)模式重復(fù)性描述方法，提供一種分組圖像數(shù)據(jù)庫內(nèi)具有類似的紋理特性的圖像的方法，其中該數(shù)據(jù)庫中存儲多個圖像。
因此，為了達(dá)到上面的目的，根據(jù)本發(fā)明的一個方面提供的圖像的模式重復(fù)性描述方法包括(a)在具有預(yù)定方向的預(yù)定軸上投影圖像；(b)將投影的圖像向下分解一個等級(level)；(c)增加門限值直到模式量化值保持為止，并且去除分解數(shù)據(jù)的噪聲；(d)使用去除噪聲的數(shù)據(jù)的模式量化值和用于去除噪聲的門限值來描述圖像的模式重復(fù)性。
同時，該分解最好基于離散的子波變換。
同樣，步驟(c)最好包括(c-1)計算投影圖像的模式量化值；(c-2)將投影圖像向下分解一個等級；(c-3)使用預(yù)定的門限值去除分解生成的數(shù)據(jù)的噪聲；(c-4)計算去除噪聲的數(shù)據(jù)的模式量化值；(c-5)判別是否先前的模式量化值等于當(dāng)前的模式量化值；(c-6)如果先前的模式量化值等于當(dāng)前的模式量化值，增加門限值并且返回到步驟(c-3)；以及(c-7)如果先前的模式量化值不等于當(dāng)前的模式量化值，確定先前的模式量化值為最后的模式量化值。
同時，步驟(d)最好包括，(d’)根據(jù)在步驟(c-7)確定的模式量化值和門限值描述圖像的模式重復(fù)性。
為了達(dá)到上面的目的，根據(jù)本發(fā)明的另一個方面提供一種圖像的模式重復(fù)性描述方法，它包括(a)在具有預(yù)定方向的預(yù)定軸上投影圖像；(b)分解投影的圖像，直到先前的模式量化值和分解后模式量化值保持相同的等級為止，并且去除噪聲；以及(c)使用至少一個等級數(shù)和噪聲被去除的數(shù)據(jù)的模式量化值以及用于去除噪聲的門限值來描述圖像的模式重復(fù)性。
為了達(dá)到另一個目的，根據(jù)本發(fā)明的一個方面，提供一種在存儲了多個圖像的圖像數(shù)據(jù)庫內(nèi)分組具有類似紋理特性的圖像的方法，該方法包括(a)在具有預(yù)定方向的預(yù)定軸上投影圖像；(b)將投影的數(shù)據(jù)向下分解一個等級；(c)增加門限值直到模式量化值被保持為止，并且去除分解的數(shù)據(jù)的噪聲；(d)確定具有去除噪聲的數(shù)據(jù)的模式量化值的模式重復(fù)性向量和用于去除噪聲的門限值為圖像的模式重復(fù)性描述符；以及(e)使用圖像的模式重復(fù)性描述符分組具有類似紋理特性的圖像。
為了達(dá)到上面的目的，根據(jù)本發(fā)明的另一個方面，提供分組圖像的方法，其中用于在存儲了多個圖像的圖像數(shù)據(jù)庫內(nèi)分組具有類似紋理特性的圖像的方法包括(a)在具有預(yù)定方向的預(yù)定軸上投影圖像；(b)分解圖像，直到先前的模式量化值和分解后的模式量化值保持相同的等級為止，并且去除噪聲；(c)確定去除噪聲的數(shù)據(jù)的等級數(shù)、模式量化值以及用于去除噪聲的門限值為圖像的模式重復(fù)性描述符；以及(e)使用圖像的模式重復(fù)性描述符分組具有類似紋理特性的圖像。
參照附圖，通過詳細(xì)描述優(yōu)選實施例，本發(fā)明上面的目的和優(yōu)點將變得更加明顯，其中


圖1是根據(jù)本發(fā)明的第一優(yōu)選實施例，說明描述圖像的模式重復(fù)性方法的主要步驟的流程圖；以及圖2是根據(jù)本發(fā)明的第二優(yōu)選實施例，說明描述圖像的模式重復(fù)性方法的主要步驟的流程圖。
下面參照附圖，更詳細(xì)地描述本發(fā)明的優(yōu)選實施例。
圖1是根據(jù)本發(fā)明的第一優(yōu)選實施例，說明描述圖像的模式重復(fù)性方法的主要步驟的流程圖。參照圖1，首先，一個圖像投影在具有預(yù)定方向的預(yù)定軸上(步驟102)。計算投影的圖像的模式量化值(步驟103)。能夠使用一般公知的自動化的方案、如計數(shù)算法或通過肉眼計算量化值，從而獲得根據(jù)模式重復(fù)性周期確定的量化值。以下，量化值表示為P。
現(xiàn)在將投影的圖像向下分解一個等級(步驟104)。這里，可以根據(jù)離散的子波變換進(jìn)行分解。因為子波變換作為去除噪聲的步驟，通過子波變換從投影的圖像提取低頻分量。例如，如果表示投影的特征向量A的長度是2n，則相應(yīng)的特征向量可以分解為n個等級。也就是說，特征向量A可以表示為A‾=(a1,a2,a3,···,a2n)....(1)]]>同樣，特征向量A可以分解為一個平均和A1以及一個平均差D1。也就是說，它可以重寫為A＝A1+A1。
同樣，當(dāng)L是使用的子波支持的長度時，定標(biāo)空間內(nèi)的基本向量 是V1‾1=(0,0,0,···,α1,α2,···,αL,0,···0,)...(2)]]>在與定標(biāo)空間組合的子波空間內(nèi)的基本向量 是W1‾1=(0,0,0,···,β1,β2,···βL,0,···0,)...(3)]]>平均和A1與平均差D1可以分別表示為A‾1=Σi=1t=2n-1(A‾·V1‾1)V1‾1...(4)]]>D‾1=Σi=1t=2n-1(A‾·W1‾1)W1‾1...(5)]]>為了保持一定的周期性，基本向量將環(huán)繞著起點。也就是說，從每個向量的左邊開始放置的零的數(shù)量由下標(biāo)i到2i確定。
在α’和β’之間存在一種關(guān)系，使得分別關(guān)于定標(biāo)系數(shù)和子波系數(shù)使用平均和項以及平均差項相當(dāng)合適。例如，該關(guān)系如下βi＝-1i+1αL+1-i。
然后，使用下面的公式，A‾k=Σi=1t=2n-k(A‾k-1·V1‾k)V1‾k...(6)]]>D‾k=Σi=1t=2n-k(A‾k-1·W1‾k)W1‾k...(7)]]>可以對先前的平均和進(jìn)行連續(xù)的分解。由于分解為平均和以及平均差的計算特性，在平均和中，用于描述原始特征向量的幾乎所有的基本信息將被保持，而在平均差中，屬于高可變化范圍的特征向量部分將被保持。在這個優(yōu)選實施例中，描述將圖像向下分解一個等級以通常地去除噪聲的例子。
接著，使用預(yù)定的門限值完成從分解的結(jié)果數(shù)據(jù)去除噪聲(步驟106)，以及計算去除噪聲的數(shù)據(jù)的模式量化值(步驟108)。
確定先前的模式量化值是否等于當(dāng)前量化值(步驟110)。先前的量化值等于當(dāng)前的量化值的情況意味著即使使用相應(yīng)的門限值去除數(shù)據(jù)的噪聲，模式規(guī)律性沒有改變并被保持。然而，先前的模式量化值不等于當(dāng)前的量化值的情況意味著當(dāng)使用相應(yīng)的門限值去除數(shù)據(jù)的噪聲時模式規(guī)律性改變了。
因此，如果先前的模式量化值等于當(dāng)前的模式量化值，則增加門限值(步驟112)以執(zhí)行步驟106。如果先前的模式量化值不等于當(dāng)前的模式量化值，則先前的模式量化值被確定為最后的模式量化值(步驟114)?，F(xiàn)在，根據(jù)步驟114獲得的模式量化值和門限值描述圖像的模式重復(fù)性(步驟116)。量化值和門限值被表示為數(shù)字，并且可描述使用該數(shù)字表示的圖像的模式重復(fù)性。同時，根據(jù)描述圖像的模式重復(fù)性的方法，有效地去除圖像的噪聲，使得能夠有效地描述圖像的模式重復(fù)性。
根據(jù)模式重復(fù)性描述方法，提取關(guān)于圖像的模式重復(fù)性的信息，參照提取的模式重復(fù)性進(jìn)行去除噪聲，使得有效地去除原始圖像的噪聲，而不損壞圖像的模式重復(fù)性。同樣，通過去除噪聲獲得更明確的模式重復(fù)性，并且利用根據(jù)獲得的圖像的模式重復(fù)性決定的量化值，可將具有周期性模式的圖像詳細(xì)地分類和通過索引(indexing)來存儲。
在上述第一優(yōu)選實施例中，描述了圖像被向下分解一個等級的例子。然而，也可能將圖像向下分解多個等級。圖2說明根據(jù)本發(fā)明第二個優(yōu)選實施例，描述圖像的模式重復(fù)性的方法的主要步驟。參照圖2，首先，圖像投影在具有預(yù)定方向的軸上(步驟202)。計算投影圖像的模式量化值(步驟204)。可使用自動化的方案如數(shù)字算法或通過肉眼計算量化值，從而獲得根據(jù)模式的重復(fù)性周期決定的量化值。以下，量化值表示為P。
現(xiàn)在，投影的圖像向下分解一個等級(步驟206)，計算分解生成的數(shù)據(jù)的量化值(步驟208)。接著，確定當(dāng)前的模式量化值是否等于分解后的模式量化值(步驟210)。
先前的模式量化值等于分解后的模式量化值的情況意味著，即使分解的圖像已經(jīng)去除噪聲，模式規(guī)律沒有改變。然而，先前的模式量化值不等于分解后的模式量化值的情況意味著，由于去除了分解的圖像噪聲，模式規(guī)律已經(jīng)改變。
因此，如果先前的模式量化值等于分解后的模式量化值，則執(zhí)行步驟206，使得生成的數(shù)據(jù)向下分解一個等級，并且計算分解的數(shù)據(jù)的模式量化值(步驟208)，以確定是否先前的模式量化值等于分解后的模式量化值(步驟210)。然而，如果先前的模式量化值不等于分解后的模式量化值，先前的等級確定為最后的等級(步驟212)。因此，執(zhí)行分解，直到先前的模式量化值和分解后的模式量化值在事實上保持不變的等級為止。
現(xiàn)在，使用預(yù)定的門限值將在步驟212確定的等級的數(shù)據(jù)去除噪聲(步驟214)。接著，計算去除噪聲的數(shù)據(jù)的模式量化值(步驟216)，確定是否先前的模式量化值等于當(dāng)前的模式量化值(步驟218)。
如果確定先前的模式量化值不等于當(dāng)前的模式量化值，先前的模式量化值確定為最后的模式量化值(步驟222)。如果確定先前的模式量化值等于當(dāng)前的模式量化值，增加門限值(步驟220)，并且重復(fù)地執(zhí)行步驟214、216和218，使得去除圖像的噪聲直到當(dāng)前的模式量化值和先前的模式量化值在事實上保持不變的門限值為止?，F(xiàn)在，根據(jù)等級數(shù)、模式量化值以及門限值描述圖像的模式重復(fù)性(步驟224)。
根據(jù)本發(fā)明的模式重復(fù)性描述方法，提取圖像內(nèi)有關(guān)模式重復(fù)性的信息，參照有關(guān)提取的模式重復(fù)性的信息完成去除噪聲，使得有效地去除圖像的噪聲，而不損壞原始圖像內(nèi)的模式重復(fù)性。同樣，通過去除噪聲獲得更明確的模式重復(fù)性，并且使用根據(jù)獲得的圖像的模式重復(fù)性決定的量化值，具有該模式的圖像可以被詳細(xì)地分類并通過索引來存儲。
同樣，描述圖像模式重復(fù)性的方法可以應(yīng)用于圖像索引方法，和應(yīng)用于將存儲了多個圖像的圖像數(shù)據(jù)庫內(nèi)具有類似的紋理特性的圖像分組的方法。
如按照本發(fā)明第一優(yōu)選實施例的描述圖像的模式重復(fù)性的方法中所描述的，根據(jù)分組圖像的方法，增加門限值直到模式量化值被保持為止并且去除分解的數(shù)據(jù)的噪聲。包括去除噪聲的數(shù)據(jù)的模式量化值和用于去除噪聲的門限值的模式重復(fù)性向量被指定為圖像的模式重復(fù)性描述符。能夠使用圖像的模式重復(fù)性描述符來分組具有類似紋理特性的圖像。
同樣，如按照本發(fā)明第二優(yōu)選實施例的描述圖像的模式重復(fù)性的方法中所描述的，根據(jù)分組圖像的方法，完成分解直到在該等級上先前的模式量化值和分解后的模式量化值保持不變?yōu)橹梗瑥亩コ龍D像的噪聲，去除噪聲的數(shù)據(jù)的等級數(shù)、模式量化值以及用于去除噪聲的門限值被確定為圖像的模式重復(fù)性描述符。能夠使用圖像的模式重復(fù)性描述符來分組具有類似紋理特性的圖像。
根據(jù)上述分組圖像的方法，使用有效的去除噪聲的模式重復(fù)性執(zhí)行分組，從而能夠增強(qiáng)分組的性能。
根據(jù)本發(fā)明描述圖像的模式重復(fù)性的方法可以寫成在個人計算機(jī)或服務(wù)器計算機(jī)上執(zhí)行的程序。形成該程序的程序代碼和代碼段可以容易地由本領(lǐng)域熟練的計算機(jī)程序員編制。同時，該程序可以存儲在計算機(jī)可讀記錄介質(zhì)上。記錄介質(zhì)可以是磁記錄介質(zhì)、光記錄介質(zhì)或廣播媒體。
模式重復(fù)性描述方法提取關(guān)于圖像的模式重復(fù)性的信息，并參照關(guān)于提取的模式重復(fù)性的信息完成去除噪聲，以便有效地去除原始圖像的噪聲，而不會損壞原始圖像的模式重復(fù)性。同時，通過去除噪聲可以獲得更明確的模式重復(fù)性。因此，當(dāng)應(yīng)用一般公知的索引方案時，使用根據(jù)明確的模式重復(fù)性決定的精確的量化值，可以將具有模式的圖像詳細(xì)地分類并且通過索引來存儲。
權(quán)利要求
1.一種描述圖像的模式重復(fù)性的方法，包括下列步驟(a)投影圖像在具有預(yù)定方向的預(yù)定軸上；(b)向下分解投影的圖像一個等級；(c)增加門限值直到模式量化值被保持為止，并且去除分解的數(shù)據(jù)的噪聲；以及(d)使用去除噪聲的數(shù)據(jù)的模式量化值和用于去除噪聲的門限值描述圖像的模式重復(fù)性。
2.如權(quán)利要求1所述的方法，其中分解基于離散子波變換。
3.如權(quán)利要求1所述的方法，其中步驟(c)包括(c-1)計算投影圖像的模式量化值；(c-2)將投影圖像向下分解一個等級；(c-3)使用預(yù)定的門限值去除分解生成的數(shù)據(jù)的噪聲；(c-4)計算去除噪聲的數(shù)據(jù)的模式量化值；(c-5)判別是否當(dāng)前的模式量化值等于先前的模式量化值；(c-6)如果當(dāng)前的模式量化值等于先前的模式量化值則增加門限值，并且返回到步驟(c-3)；以及(c-7)如果當(dāng)前的模式量化值不等于先前的模式量化值，確定先前的模式量化值為最后的模式量化值。
4.如權(quán)利要求3所述的方法，其中步驟(d)包括(d’)根據(jù)在步驟(c-7)確定的模式量化值和門限值描述圖像的模式重復(fù)性。
5.一種圖像的模式重復(fù)性描述方法，包括下列步驟(a)投影圖像在具有預(yù)定方向的預(yù)定軸上；(b)分解圖像直到先前的模式量化值和分解后的模式量化值保持相同的等級為止，并且去除噪聲；以及(c)使用至少等級數(shù)和噪聲被去除的數(shù)據(jù)的模式量化值中的一個以及用于去除噪聲的門限值來描述圖像的模式重復(fù)性。
6.如權(quán)利要求5所述的方法，其中分解基于離散子波變換。
7.如權(quán)利要求5所述的方法，其中步驟(b)包括(b-1)計算投影圖像的模式量化值；(b-2)將投影圖像向下分解一個等級；(b-3)計算分解生成的數(shù)據(jù)的量化值；(b-4)判別先前的模式量化值是否等于分解后的模式量化值；(b-5)如果先前的模式量化值等于分解后的模式量化值，返回到步驟(b-2)；以及(b-6)如果先前的模式量化值不等于分解后的模式量化值，確定先前的等級為最后的等級。
8.如權(quán)利要求7所述的方法，其中圖像的模式重復(fù)性描述方法還包括下列步驟(b-7)使用預(yù)定的門限值去除在步驟(b-6)確定等級的數(shù)據(jù)的噪聲；(b-8)計算去除噪聲的數(shù)據(jù)的模式量化值；(b-9)判別當(dāng)前的模式量化值是否等于先前的模式量化值；(b-10)如果當(dāng)前的模式量化值等于先前的模式量化值，增加門限值并且返回到步驟(b-7)；以及(b-11)如果當(dāng)前的模式量化值不等于先前的模式量化值，確定先前的模式量化值為最后的模式量化值。
9.在存儲了多個圖像的圖像數(shù)據(jù)庫內(nèi)分組具有類似紋理特性的圖像的方法，包括下列步驟(a)投影圖像在具有預(yù)定方向的預(yù)定軸上；(b)向下分解投影圖像一個等級；(c)增加門限值直到模式量化值被保持為止，并且去除分解數(shù)據(jù)的噪聲；(d)確定包括去除噪聲的數(shù)據(jù)的模式量化值和用于去除噪聲的門限值的模式重復(fù)性向量為圖像的模式重復(fù)性描述符；以及(e)使用圖像的模式重復(fù)性描述符分組具有類似紋理特性的圖像。
10.在存儲了多個圖像的圖像數(shù)據(jù)庫內(nèi)分組具有類似紋理特性的圖像的方法，包括下列步驟(a)投影圖像在具有預(yù)定方向的預(yù)定軸上；(b)分解圖像直到在該等級上先前的模式量化值和分解后的模式量化值保持相同為止，并且去除噪聲；(c)確定去除噪聲的數(shù)據(jù)的等級數(shù)、模式量化值、用于去除噪聲的門限值為圖像的模式重復(fù)性描述符；以及(d)使用圖像的模式重復(fù)性描述符分組具有類似紋理特性的圖像。
全文摘要
一種描述可能在圖像內(nèi)存在的模式重復(fù)性的方法,包括步驟:(a)投影圖像在具有預(yù)定方向的預(yù)定軸上;(b)將投影圖像向下分解一個等級;(c)增加門限值直到模式量化值被保持為止,并且去除分解數(shù)據(jù)的噪聲;以及(d)使用去除噪聲的數(shù)據(jù)的模式量化值和用于去除噪聲的門限值來描述圖像的模式重復(fù)性。因為描述圖像的模式重復(fù)性的方法有效地去除原始圖像的噪聲而不會損壞原始圖像的模式重復(fù)性,并且使用去除噪聲的數(shù)據(jù)描述模式的重復(fù)性,所以能夠更明確地描述模式重復(fù)性。
文檔編號H04N5/21GK1326166SQ0111214
公開日2001年12月12日 申請日期2001年3月29日 優(yōu)先權(quán)日2000年5月31日
發(fā)明者申鉉枓, 崔良林 申請人:三星電子株式會社