基于紋理的圖像聚類研究.pdf

1、隨著互聯(lián)網(wǎng)的蓬勃發(fā)展，基于大型圖像數(shù)據(jù)庫的圖像檢索、數(shù)據(jù)挖掘以及模式識別越來越受到人們的關注。紋理作為圖像的一個非常重要的屬性，與顏色、形狀和布局等特征一起，在圖像應用領域起著至關重要的作用。不同物體的物理表面產(chǎn)生不同的紋理，例如，云彩、石頭、地毯等都有著各自獨特的紋理特征。如何有效地利用好圖像的紋理特征能夠為以后更有效地區(qū)分圖像打好堅實的基礎。與此同時，伴隨著存儲和網(wǎng)絡技術的飛速發(fā)展，圖像數(shù)據(jù)庫變得日益龐大，如何從海量的圖像庫中分析出

2、有用的信息成為了一個挑戰(zhàn)。聚類技術作為海量數(shù)據(jù)處理的工具，可以被用來改進基于內容的圖像檢索(content-based imageretrieval，CBIR)的速度和性能，也可以有效地改善圖像搜索引擎的搜索結果。同時對于想快速瀏覽數(shù)據(jù)庫的用戶，圖像聚類還能夠用來設計方便的用戶界面。
　　 基于紋理的圖像聚類主要分為紋理特征提取和聚類兩個階段。本文對這兩個階段分別進行研究，提出了相應的算法。文章的結構組織如下：本文的第1章為研究

3、背景；第2章提出了一種基于雙樹復小波以及雙樹旋轉復小波的紋理特征提取和測量算法；第3章提出了融合雙樹復小波和局部二值模式的紋理特征提取算法；第4章提出了一種基于譜分析的紋理圖像聚類算法；第5章提出了一種采用主線和雙樹復小波紋理特征的掌紋識別算法；第6章給出了一個利用了掌紋紋理特征的手部特征識別系統(tǒng)。
　　 本文的研究成果和創(chuàng)新點主要集中在以下幾個方面：
　　 1)提出了一種基于雙樹復小波以及雙樹旋轉復小波的紋理提取和測量

4、方法
　　 研究表明人們在分析圖像時，會將其分解為包含不同方向、頻率的獨立通道，這個和信號分析的多分辨的特點類似，因此在圖像處理中，具有多分辨和局部分析能力的小波變換被大家廣泛采用。雖然在小波域建立紋理特征，可以捕捉紋理的特性，但不足以很好地描述紋理結構。在實小波變換的基礎上提出的雙樹復小波變換和旋轉復小波變換，具有更多的方向選擇性和近似移不變的優(yōu)點。本文的第2章提出了一種基于雙樹復小波和旋轉復小波的紋理特征提取和測量方法，首先

5、對圖像進行雙樹復小波和旋轉復小波分解，然后對分解后的高頻系數(shù)提取紋理簽名，再采用Kullback-Leibler距離對提取的紋理簽名進行量度。
　　 2)提出了一種將雙樹復小波統(tǒng)計特征和局部二值模式融合的紋理提取算法
　　 雙樹復小波作為一種頻域技術，通過對紋理圖像進行分解，可以在頻域上有效地提取紋理信息。然而實驗表明，可以根據(jù)圖像變換的頻域特性輕易構造出具有完全相同的子帶統(tǒng)計特性而在視覺感受上完全不同的紋理圖像。局部二

6、值模式作為一種空域技術，是一種基于圖像空域局部算子的紋理圖像描述子，通過統(tǒng)計模板中心周圍點的灰度值來比較不同紋理之間的差別。本文的第3章，利用將雙樹復小波和局部二值模式相結合，提出了一種融合的紋理特征提取算法。首先采用雙樹復小波對圖像進行分解，提取頻域紋理簽名；同時用局部二值模式，提取紋理空域特征。最后，將得到的兩種特征結合起來進行聚類，利用兩者互補的特點，可以充分發(fā)掘紋理在頻域和空域的信息特征。
　　 3)提出了一種基于動態(tài)鄰

7、接矩陣聚類算法
　　 因為圖像數(shù)據(jù)往往存在于高維度空間中，這使得在聚類前，需要對數(shù)據(jù)做維度縮減。譜聚類由于能夠有效地發(fā)掘數(shù)據(jù)之間的局部相關性，對數(shù)據(jù)空間的維度縮減有著很好的效果。譜聚類基于數(shù)據(jù)之間的相似度，并據(jù)此構建帶權鄰接矩陣。在聚類過程中，鄰接矩陣構建得好壞直接影響到降維的效果。最常用的構建帶權鄰接矩陣方法，是采用高斯核來計算數(shù)據(jù)點的距離，對每個點采用近鄰域法保留鄰近點的邊。由于全局化的尺度因子和固定的鄰域個數(shù)，使得空間中數(shù)

8、據(jù)點的分布密度不能得到很好體現(xiàn)，從而達不到良好的聚類效果。本文的第4章，提出了一種動態(tài)算法來從相似矩陣構建帶權鄰接矩陣，對于周圍數(shù)據(jù)密度高的點，分配較大的尺度因子和鄰域個數(shù)，有效發(fā)掘了聚類過程中的局部聚集性。
　　 4)提出了一種圖像紋理聚類新框架
　　 傳統(tǒng)處理圖像紋理聚類的方法是，首先利用小波變換提取紋理特征，再利用主成分分析或是直接k-means對提取特征進行聚類。本文給出了一種圖像紋理聚類的新框架。首先，在紋理特

9、征提取階段，采用雙樹復小波加雙樹旋轉復小波對圖像進行分解。然后對每個高頻段提取直方圖簽名作為紋理特征。在聚類階段，首先根據(jù)數(shù)據(jù)分布的密度來動態(tài)地計算數(shù)據(jù)點的鄰接矩陣，然后再采用譜聚類進行降維。最后，對降維后的數(shù)據(jù)進行k-means聚類。
　　 5)提出了一種基于紋理的掌紋識別檢索方法
　　 掌紋作為生物特征的一種，可以被用來有效地確定一個人的身份。掌紋識別利用掌紋的紋理信息來進行識別。本文的第5章，提出一種新的掌紋識別方