结合LBP和Brushlet的自适应图像检索

doi:10.3969/j.issn.1000-3428.2013.02.048

计算机工程 ›› 2013, Vol. 39 ›› Issue (2): 233-236. doi: 10.3969/j.issn.1000-3428.2013.02.048

结合LBP和Brushlet的自适应图像检索

杨晓慧^1,2，姚雪彦 ¹

(1. 河南大学数学与信息科学学院应用数学研究所，河南开封 475004；2. 西安电子科技大学智能感知与图像理解教育部重点实验室，西安 710071)

收稿日期:2011-11-23 修回日期:2012-01-26 出版日期:2013-02-15 发布日期:2013-02-13
作者简介:杨晓慧(1978－)，女，副教授，主研方向：图像检索，模式识别；姚雪彦，硕士研究生
基金资助:
国家自然科学基金资助项目(60802061)；智能感知与图像理解教育部重点实验室开放基金资助项目“图像检索中相关反馈技术研究”(IPIU012011004)

Adaptive Image Retrieval Combined with LBP and Brushlet

YANG Xiao-hui ^1,2, YAO Xue-yan ¹

(1. Institute of Applied Mathematics, School of Mathematics and Information Sciences, Henan University, Kaifeng 475004, China; 2. Key Laboratory of Intelligent Perception and Image Understanding, Ministry of Education, Xidian University, Xi’an 710071, China)

Received:2011-11-23 Revised:2012-01-26 Online:2013-02-15 Published:2013-02-13

摘要/Abstract

摘要： 针对时域和频域纹理特征的优点和互补性，提出一种结合局部二值模式(LBP)和Brushlet域系数统计特征的自适应纹理图像检索方法。利用Brushlet变换得到各个子带的能量作为频域特征，提取图像的LBP直方图作为空域特征，并采用改进的Canberra距离进行度量，使用闭环反馈实现图像的自适应检索。实验结果表明，与LBP方法和Brushlet方法相比，该方法的平均检索率分别提高8.93%和18.66%。

关键词: 图像检索, Brushlet变换, 局部二值模式, 闭环反馈, 空域特征, 变换域特征

Abstract: By considering advantages and complementary of spatial and frequency textures features, an adaptive texture image retrieval method is presented combined with Local Binary Pattern(LBP) feature and Brushlet domain coefficient statistical feature. Frequency feature is described as energy feature of every Brushlet subband. Spatial feature is LBP histogram. Similarity between images is measured by improved Canberra distance. Further, closed-loop feedback is introduced to adjust weights adaptively for image retrieval. Experimental results show that average recall rate of this method based on fused features is 8.93% and 18.66% higher than LBP method and Brushlet domain method respectively.

Key words: image retrieval, Brushlet transform, Local Binary Pattern(LBP), closed-loop feedback, spatial domain feature, transform domain feature

中图分类号:

TN911.73

杨晓慧, 姚雪彦. 结合LBP和Brushlet的自适应图像检索[J]. 计算机工程, 2013, 39(2): 233-236.

YANG Xiao-Hui, TAO Xue-Pan. Adaptive Image Retrieval Combined with LBP and Brushlet[J]. Computer Engineering, 2013, 39(2): 233-236.

http://www.ecice06.com/CN/Y2013/V39/I2/233

参考文献

[1] Smeulders A W M, Worring M, Santini S, et al. Content- based Image Retrieval at the End of the Early Years[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000, 22(12): 1349-1380.
[2] Zhang Baochang, Gao Yongsheng, Zhao Sanqiang, et al. Local Derivative Pattern Versus Local Binary Pattern: Face Recognition with High-order Local Pattern Descriptor[J]. IEEE Transactions on Image Processing, 2010, 19(2): 533-544.
[3] Guo Zhenhua, Zhang Lei, Zhang D. Rotation Invariant Texture Classification Using LBP Variance(LBPV) with Global Matching[J]. Pattern Recognition, 2010, 43(3): 706-719.
[4] Guo Zhenhua, Zhang Lei, Zhang D. A Completed Mode- ling of Local Binary Pattern Operator for Texture Classification[J]. IEEE Transactions on Image Processing, 2010, 19(6): 1657-1663.
[5] Do M N, Vetterli M. Wavelet-based Texture Retrieval Using Generalized Gaussian Density and Kullback-Leibler Distance[J]. IEEE Transactions on Image Processing, 2002, 11(2): 146-158.
[6] 焦李成, 侯彪, 王爽. 图像多尺度几何分析理论与应用[M]. 西安: 西安电子科技大学出版社, 2008.
[7] Meyer F G, Coifman R R. Brushlet: A Tool for Directional Image Analysis and Image Compression[J]. Applied and Computational Harmonic Analysis, 1997, 4(2): 147-187.
[8] 王中晔, 杨晓慧, 牛宏娟. Brushlet域复特征纹理图像检索算法[J]. 计算机仿真, 2011, 28(5): 263-266, 282.
[9] Kokare M, Chatterji B N, Biswas P K. Comparison of Similarity Metrics for Texture Image Retrieval[C]//Proc. of Conference on Convergent Technologies for Asia-Pacific Region. Kharagpur, Indian: [s. n.], 2003.
[10] 杨晓慧, 贾建, 焦李成. 基于活性测度和闭环反馈的非下采样Contourlet 域图像融合[J]. 电子与信息学报, 2010, 32(2): 422-426.
[11] 练秋生, 李芹, 孔令富. 融合圆对称轮廓波统计特征和LBP的纹理图像检索[J]. 计算机学报, 2007, 30(12): 2198-2204.

[1]	徐正梅, 刘华明, 毕学慧, 王亚. 基于特征优化的无参考光场图像质量评价[J]. 计算机工程, 2023, 49(7): 242-250.
[2]	何悦, 陈广胜, 景维鹏, 徐泽堃. 基于深度多相似性哈希方法的遥感图像检索[J]. 计算机工程, 2023, 49(2): 206-212.
[3]	彭红艳, 李杰, 石贞奎, 李先贤. 一种基于区块链可验证的加密图像检索方案[J]. 计算机工程, 2022, 48(2): 25-33,39.
[4]	黄坤, 钱军浩, 王江文. 基于改进FREAK的图像匹配算法[J]. 计算机工程, 2020, 46(8): 250-257.
[5]	顾岩, 赵崇宇, 黄平. 基于高阶统计信息的深度哈希学习模型[J]. 计算机工程, 2020, 46(7): 260-267,276.
[6]	陈文兵,毛军杰,陈允杰,周林义. ILBP算子在浓雾天气形势图识别中的应用[J]. 计算机工程, 2019, 45(5): 199-204,209.
[7]	代亚兰,何朗,黄樟灿. 基于稀疏自编码的无监督图像哈希算法[J]. 计算机工程, 2019, 45(5): 222-225,236.
[8]	田学东,柴彦立,王海彬. 基于犹豫模糊特征的古籍汉字图像检索方法[J]. 计算机工程, 2019, 45(3): 217-224.
[9]	曾梦琪, 马蔚吟, 李力. 基于混合相似度的高效图像检索方案[J]. 计算机工程, 2019, 45(11): 262-268.
[10]	杨兴宇,阮怀林. 基于局部二值模式特征的新型干扰识别算法[J]. 计算机工程, 2018, 44(7): 285-290,296.
[11]	陈新荃,陈晓东,蒋林华. 基于Spark平台的人脸图像检索系统[J]. 计算机工程, 2018, 44(2): 251-256.
[12]	张芬,孔祥维,宁斐,贾则. 基于网络搜索量的扩展属性图像检索[J]. 计算机工程, 2017, 43(9): 276-280,287.
[13]	吴运达,张涛,侯晓丹,徐琛. 基于异常点检测的通用无监督隐写取证算法[J]. 计算机工程, 2017, 43(11): 239-244,251.
[14]	赵艳艳,沈西挺. 基于同步更新的背景检测显著性优化[J]. 计算机工程, 2017, 43(10): 264-267.
[15]	喻强,聂洪玉,张晶晶. 基于等距环局部二值模式的特征描述子[J]. 计算机工程, 2017, 43(1): 274-279,286.

选择文件类型/文献管理软件名称

选择包含的内容

结合LBP和Brushlet的自适应图像检索

Adaptive Image Retrieval Combined with LBP and Brushlet

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

结合LBP和Brushlet的自适应图像检索

Adaptive Image Retrieval Combined with LBP and Brushlet

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价