题目：基于内容的图像检索方法研究

基于内容的图像检索是计算机视觉、图像处理及模式识别等领域中研究热点问题之一，在多媒体数据库、数字图书馆、医疗诊断、军事侦察、信息检索服务、WEB图像搜索及电子商务等众多领域有很好的应用前景。图像检索主要包括图像获取、预处理、特征提取、相似性度量四个步骤。图像滤噪是图像预处理的重要内容，其已处理的图像质量会直接影响图像的后级处理，一直以来是图像处理研究的热点。图像的特征提取和相似性度量是图像检索的关键技术，纹理特征通常是图像分析的依据，也是基于内容的图像检索重点研究内容；相似性度量是通过查询图像和数据库图像之间在视觉特征上进行匹配，不同的度量方法对图像检索的效果有很大的影响。本文在图像滤噪、特征提取以及相似性度量方面进行了研究，主要研究工作和创新点如下：
1、??? 图像滤噪方面。针对高斯噪声，本文提出了一种基于Contourlet变换域的滤噪算法。算法对带噪图像进行多尺度、多方向的Contourlet分解，依据Contourlet变换域系数的估计损失期望最小化准则，在Contourlet域中得到各子带内邻域系数的滤噪最优阈值与最优窗口尺寸。该方法充分利用了Contourlet变换域系数的局部相关特性,算法效果明显优于现有的Contourlet变换域图像滤噪算法，并且有效地保护图像的细节和纹理，具有较好的视觉效果和较高的峰值信噪比。
2、??? 图像特征提取方面。许多检索方法是基于滤波器或似小波方法，提取各子带能量均值与方差作为图像特征，虽获得了较好的效果，但存在图像特征没有充分反映各子带系数的空间分布特征的缺陷。为解决这个问题，本文提出了一种Contourlet变换域基于矩特征的图像检索方法。该方法首先对图像进行Contourlet变换，为提高检索方法对噪声的鲁棒性，对Contourlet变换结果进行阈值滤波，然后计算各子带系数的一阶几何矩作为图像的特征向量，最后采用欧氏距离进行相似性度量。该方法所取图像特征反映了子带系数的空间分布特征，不需要任何前提假设。实验结果表明，该方法具有较高的查准率，对噪声的容忍度也高于现有算法。??
3、??? 相似性度量方面。通常基于纹理的图像检索算法是采用各种小波变换结合子带系数概率统计模型来进行特征提取，使用欧氏距离、城市距离和Kullback–Leibler距离等度量方法进行相似性匹配的。一般情况下，假设小波变换域中子带系数的概率密度函数是独立同分布的，但在实际中子带系数的先验概率不具有相同分布。基于这个问题，本文提出了平稳小波变换域中基于主纹理方向距离加权的图像检索方法。该方法在提取特征过程中根据平稳小波变换后高频系数的概率密度函数符合广义高斯分布模型，采用最大似然参数估计的方法得到各子带广义高斯分布的尺度参数和形状参数作为图像特征。考虑到变换域中子带系数的统计先验概率不满足均匀分布，利用Radon变换能检测主纹理方向的特性，对每幅图像在水平、垂直、对角三个方向进行权值计算。根据权值越大，就越接近纹理方向的性质可知，把获得的权值与每个子带每个方向的Kullback–Leibler距离进行加权，会得到较好的相似性匹配结果。仿真结果表明该算法相对于正交小波的传统检索算法具有较高的查准率。