基于Contourlet 变换和Hu 不变矩的图像检索算法

杨舒; 王玉德

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于Contourlet 变换和Hu 不变矩的图像检索算法

杨舒, 王玉德

文章导航 > 红外与激光工程 > 2014 > 43(1): 306-310

杨舒, 王玉德. 基于Contourlet 变换和Hu 不变矩的图像检索算法[J]. 红外与激光工程, 2014, 43(1): 306-310.

引用本文:

杨舒, 王玉德. 基于Contourlet 变换和Hu 不变矩的图像检索算法[J]. 红外与激光工程, 2014, 43(1): 306-310.

Yang Shu, Wang Yude. Image retrieval algorithm based on Contourlet transform and Hu invariant moments[J]. Infrared and Laser Engineering, 2014, 43(1): 306-310.

Citation:

Yang Shu, Wang Yude. Image retrieval algorithm based on Contourlet transform and Hu invariant moments[J]. Infrared and Laser Engineering, 2014, 43(1): 306-310.

基于Contourlet 变换和Hu 不变矩的图像检索算法

杨舒,
王玉德

1.
曲阜师范大学物理工程学院,山东曲阜273165

基金项目:

山东省自然科学基金（ZR2010FM023）

详细信息

作者简介:
杨舒（1989-），女，硕士生，主要从事多媒体信息处理、模式识别等方面的研究。Email：yangshu162524@163.com

中图分类号: TN911.73

Image retrieval algorithm based on Contourlet transform and Hu invariant moments

Yang Shu,
Wang Yude

1.
College of Physics and Engineering,Qufu Normal University,Qufu 273165,China

摘要: 文章提出一种基于Contourlet 变换和Hu 不变矩的图像检索算法。首先，对每幅图像进行Contourlet 变换，得到低频子带与高频方向子带，把计算得到的低频子带的Hu 不变矩和各个高频方向子带的均值与标准差作为图像的特征向量，利用Manhattan距离进行相似度度量，完成基于内容的图像检索。为对该文提出的算法的检索效果进行检验，分别与基于Contourlet 变换特征的检索算法和基于Hu不变矩特征的检索算法等方法进行了对比实验研究。结果表明，该算法有效地融合了图像的纹理特征与低频子带的形状特征，较好地实现了基于内容的图像检索，平均查准率达到73.94%。
- 图像检索 /
- Contourlet变换 /
- Hu矩 /
- 均值和标准差 /
- Manhattan距离
Abstract: An image retrieval algorithm was proposed based on Contourlet transform (CT) and Hu invariant moments in this paper. Firstly, each image was decomposed into low frequency sub-band and high frequency sub-bands by using Contourlet transform. The Hu invariant moments of the low frequency sub-band coefficient, as well as the mean and the standard deviation of each high frequency sub-band coefficients were computed and used as image feature vector. Secondly, Manhattan distance was used as similarity measure between the query image and every image in the image database. After these two procedures, the content -based image retrieval was achieved. In order to evaluate the effect of the proposed algorithm, the algorithm based on CT and Hu invariant moments were tested respectively. Comparing the results of the average retrieval rate, the experimental results of the proposed algorithm were superior to other image retrieval algorithms. The proposed algorithm gets a higher average retrieval rate and the average retrieval rate is up to 73.94%.
- image retrieval /
- Contourlet transform /
- Hu moments /
- mean and standard deviation /
- Manhattan distance

[1]
[2]	Vassiliev a N S. Content -based image retrieval methods [J]. Programming and Computer Software, 2008, 35(3): 158-180.
[3]	Sun Junding, Zhao Shan. Image Low -level Feature Extraction and Image Retrieval [M]. Beijing: Publishing House of Electronics Industry, 2009: 4-41. 孙君顶, 赵珊. 图像低层特征提取与检索技术[M]. 北京: 电子工业出版社, 2009: 4-41.
[4]
[5]	Huang Xuexin, Yang Hengxin, Wang Wei. Image retrieval using spatial texture features [J]. Infrared and Laser Engineering, 2002, 31(6): 495-498. (in Chinese) 黄学新, 杨恒新, 王伟. 利用图像纹理特征的图像检索[J]. 红外与激光工程, 2002, 31(6): 495-498.
[6]
[7]	Mathieu Lamard, Guy Gazuguel, Gwenole Quellec, et al. Content based image retrieval based on wavelet transform coefficients distribution [C]//Conference Proceeding IEEE Eng Med Biol Soc, 2007, 4: 4532-4535.
[8]
[9]	Minh N Do, Martin Vetterli. Contourlets: a directional multiresolution image representation [J]. Signal, Systems and Computers, 2002, 1: 497-501.
[10]
[11]
[12]	Minh N Do, Martin Vetterli. The Contourlet transform: an efficient directional multiresolution image representation [J]. IEEE Trans on Image Processing, 2005, 14(12): 2091-2106.
[13]
[14]	Swapna Borde, Udhav Bhosle. Image retrieval using Contourlet transform [J]. International Journal of Computer Applications, 2011, 11(34): 37-43.
[15]
[16]	Guoyong Duan, Jing Yang, Yilong Yang. Content-based image retrieval research [J]. Physics Procedia, 2011, 22: 471-477.
[17]	Zhang Xiaojing, Wang Xuan. Image retrieval based on moment features in Contourlet domain [J]. Computer Engineering, 2010, 36(4): 213-214. (in Chinese) 张小景, 王暄. Contourlet 变换域中基于矩特征的图像检索[J]. 计算机工程, 2010, 36(4): 213-214.
[18]
[19]
[20]	Lin Liyu, Zhang Youyan, Sun Tao, et al. Contourlet Transform the Application of Image Processing [M]. Beijing: Science Press, 2008: 28-30. (in Chinese) 林立宇, 张友炎, 孙涛, 等. Contourlet 变换-影像处理应用[M]. 北京: 科学出版社, 2008： 28-30.
[21]
[22]	Yan Jingwen. Digital Image Processing [M]. Beijing: National Defence Industry Press, 2011: 195-197. (in Chinese) 闫敬文. 数字图像处理[M]. 北京: 国防工业出版社, 2011: 195-197.
[23]
[24]	Dou Jianjun, Wen Jun, Liu Chongqing. Histogram -based color image retrieval [J]. Infrared and Laser Engineering, 2005, 34(1): 84-88. ( in Chinese) 窦建军, 文俊, 刘重庆. 基于颜色直方图的图像检索技术[J]. 红外与激光工程, 2005, 34(1): 84-88.
[25]	Srinvasa Ch, Srinivas Kumar S, Chatterji B N. Content based image retrieval using Contourlet transform [J]. ICGST Journal, 2007, 7(3): 9-15.

[1]	张方, 肖辉. 基于三角函数变换与IRDPSO优化的图像增强算法 . 红外与激光工程, 2022, 51(8): 20210709-1-20210709-8. doi: 10.3788/IRLA20210709
[2]	曾瀚林, 孟祥勇, 钱惟贤. 高斯差分滤波图像融合方法 . 红外与激光工程, 2020, 49(S1): 20200091-20200091. doi: 10.3788/IRLA20200091
[3]	郭全民, 王言, 李翰山. 改进IHS-Curvelet变换融合可见光与红外图像抗晕光方法 . 红外与激光工程, 2018, 47(11): 1126002-1126002(9). doi: 10.3788/IRLA201847.1126002
[4]	赵东波, 李辉. 基于中心矩特征和GA-BP神经网络的雷达目标识别 . 红外与激光工程, 2018, 47(8): 826005-0826005(7). doi: 10.3788/IRLA201847.0826005
[5]	申艳, 解颐, 娄淑琴, 王鑫, 赵彤彤. 基于Contourlet变换和压缩感知的实际光子晶体光纤光 . 红外与激光工程, 2017, 46(3): 321001-0321001(7). doi: 10.3788/IRLA201746.0321001
[6]	王贵圆, 常本康, 富容国, 冯澍, 孙斌, 李英杰. 分光轴式多源图像融合系统近距离配准方法研究 . 红外与激光工程, 2016, 45(11): 1104003-1104003(7). doi: 10.3788/IRLA201645.1104003
[7]	李英杰, 张俊举, 常本康, 钱芸生, 刘磊. 远距离多波段红外图像融合系统及配准方法 . 红外与激光工程, 2016, 45(5): 526002-0526002(6). doi: 10.3788/IRLA201645.0526002
[8]	纪强, 石文轩, 田茂, 常帅. 基于KL与小波联合变换的多光谱图像压缩 . 红外与激光工程, 2016, 45(2): 228004-0228004(7). doi: 10.3788/IRLA201645.0228004
[9]	唐庆菊, 刘俊岩, 王扬, 刘元林, 梅晨. 基于模糊C均值聚类和Canny算子的红外图像边缘识别与缺陷定量检测 . 红外与激光工程, 2016, 45(9): 928001-0928001(5). doi: 10.3788/IRLA201645.0928001
[10]	李相贤, 罗桂山, 徐亮, 高闽光, 童晶晶, 魏秀丽, 刘娜. Δ¹³CO₂值傅里叶变换红外光谱检测标准尺度校准方法 . 红外与激光工程, 2015, 44(10): 2959-2964.
[11]	徐冬, 孙蕾, 罗建书. 结合NAPCA 和复小波变换的高光谱遥感图像去噪 . 红外与激光工程, 2015, 44(1): 327-334.
[12]	杨风暴, 蔺素珍. 基于变换域多合成规则的双色中波红外图像融合 . 红外与激光工程, 2014, 43(11): 3663-3669.
[13]	关丛荣, 金伟其, 王吉晖. 小波变换在显微热图像位移估计中的应用 . 红外与激光工程, 2014, 43(8): 2780-2785.
[14]	马媛花, 胡炳樑, 李然, 孙朗, 孙念, 王峥杰. 采用Gyrator变换的泰伯效应及图像去噪 . 红外与激光工程, 2014, 43(2): 665-670.
[15]	伊力哈木·亚尔买买提, 谢丽蓉, 孔军. 基于PCA 变换与小波变换的遥感图像融合方法 . 红外与激光工程, 2014, 43(7): 2335-2340.
[16]	张红英, 罗晓清, 吴小俊. 基于CHMM 的尖锐频率局部化Contourlet 域图像去噪 . 红外与激光工程, 2014, 43(7): 2341-2348.
[17]	杨扬, 戴明, 周箩鱼. 基于均匀离散曲波变换的多聚焦图像融合 . 红外与激光工程, 2013, 42(9): 2547-2552.
[18]	曹忆南, 王新伟, 周燕. 距离选通激光成像空间定位模糊C均值聚类分割法 . 红外与激光工程, 2013, 42(10): 2682-2686,2696.
[19]	杨新锋, 滕书华, 夏东. 基于空间变换迭代的SIFT特征图像匹配算法 . 红外与激光工程, 2013, 42(12): 3496-3501.
[20]	卢瑞涛, 黄新生, 徐婉莹. 基于Contourlet变换和Facet模型的红外小目标检测方法 . 红外与激光工程, 2013, 42(8): 2281-2287.

点击查看大图

计量

文章访问数: 383
HTML全文浏览量: 74
PDF下载量: 202
被引次数: 0

基于Contourlet 变换和Hu 不变矩的图像检索算法

杨舒,
王玉德

1. 曲阜师范大学物理工程学院,山东曲阜273165

作者简介:
杨舒（1989-），女，硕士生，主要从事多媒体信息处理、模式识别等方面的研究。Email：yangshu162524@163.com

收稿日期: 2013-05-10
修回日期: 2013-06-25
刊出日期: 2014-01-25

基金项目:

山东省自然科学基金（ZR2010FM023）

中图分类号: TN911.73

关键词:

摘要: 文章提出一种基于Contourlet 变换和Hu 不变矩的图像检索算法。首先，对每幅图像进行Contourlet 变换，得到低频子带与高频方向子带，把计算得到的低频子带的Hu 不变矩和各个高频方向子带的均值与标准差作为图像的特征向量，利用Manhattan距离进行相似度度量，完成基于内容的图像检索。为对该文提出的算法的检索效果进行检验，分别与基于Contourlet 变换特征的检索算法和基于Hu不变矩特征的检索算法等方法进行了对比实验研究。结果表明，该算法有效地融合了图像的纹理特征与低频子带的形状特征，较好地实现了基于内容的图像检索，平均查准率达到73.94%。