基于DCT和GLCM的圖像檢索方法

劉晶　尹長青

摘要：提出一種新的圖像檢索方法，用離散余弦變換（DCT）和灰度共生矩陣（GLCM）提取圖像的視覺內(nèi)容。由于基于DC系數(shù)的特征向量保留了圖像最重要的視覺分量，所以計算基于均勻量化直方圖的DC系數(shù)，并且從該直方圖導(dǎo)出了用于形成DC特征向量的一些統(tǒng)計參數(shù)。然后根據(jù)剩余圖像通過取原始圖像平面和基于DC系數(shù)的重構(gòu)圖像平面之間的差異來獲得其他重要視覺特征。最后從殘差圖像的GLCM中的一些統(tǒng)計參數(shù)用來構(gòu)建基于GLCM的特征向量，并且該特征向量可以更有效的識別殘差圖像的紋理特征。公共數(shù)據(jù)集的實驗結(jié)果表明圖像的組合特征提取提高了圖像檢索的速度和準(zhǔn)確性。

關(guān)鍵詞：CBIR 離散余弦變換 灰度共生矩陣 特征提取 統(tǒng)計參數(shù) 殘差圖像

一、概述

本文分別考慮了用于提取變換域和空間域圖像特征的DCT和GLCM描述符。利用塊級DCT提取圖像特征與GLCM相結(jié)合的方法構(gòu)造單一特征向量，提高了圖像檢索系統(tǒng)的準(zhǔn)確性。所提出的CBIR方案的性能在兩個著名的Corel-SK和Corel-10K圖像數(shù)據(jù)庫上得到驗證。

二、背景知識

（一）塊級離散余弦變換

塊級DCT工具主要用于數(shù)據(jù)壓縮、特征提取、水印等。DCT直接應(yīng)用于原始圖像，并將其分解成重要部分進(jìn)行特征提取和圖像分析的重要部分在各個領(lǐng)域。DCT被定義為信號的一維形式，并被擴(kuò)展到矩陣，圖像的二維變換中。這種變換具有可分離，正交，去相關(guān)，能量壓縮和對稱性質(zhì)。令f（x，y）表示通過使用DCT變換將被變換到頻域的給定圖像的圖像值。一個大小為N×N的塊的二維DCT變換可以被定義為：

大部分能量在DC系數(shù)中是簡潔的，甚至DC系數(shù)和AC系數(shù)之間的特性也是非常不相似的。表1顯示了原始圖像和殘差圖像與不同的選定DCT系數(shù)之間的關(guān)系，發(fā)現(xiàn)原始圖像和殘差圖像之間的PSNR值對于選定的不同數(shù)量的DCT系數(shù)而言不會發(fā)生顯著變化。

三、塊級DCT信息和GLCM參數(shù)的CBIR

（一）DC特征向量構(gòu)造

通過計算每個DCT塊的DC系數(shù)的量化直方圖的統(tǒng)計參數(shù)來構(gòu)造DC特征向量。DC直方圖被定義為所有DCT塊的DC系數(shù)的出現(xiàn)或頻率，然后將DC直方圖量化為LL個bin/interval（本例中L L=8），并從每個修改的bin/interval或group中，計算出一些統(tǒng)計值，如平均值和標(biāo)準(zhǔn)偏差以形成DC特征向量。令H（b）為DC直方圖的DC系數(shù)的頻率，則概率P（b）直方圖可以定義為：

五、結(jié)束語

本文提出了本文提出了一種基于塊級DCT信息和殘差圖像的GLCM參數(shù)的CBIR檢索方法。通過基于DC特征的分量和GLCM參數(shù)串聯(lián)起來，以有效地形成低維特征向量，其中基于DC和GLCM的特征向量被單獨歸一化。