没有合适的资源?快使用搜索试试~ 我知道了~
工程科学与技术,国际期刊19(2016)101全长文章局部纹理基元异或模式:一种新的基于内容的图像检索Anu Balaa,*,Tajinder Kaurba Sant Baba Bhag Singh工程技术学院计算机科学工程系,Padhiana,Jalandhar,Punjab,印度b印度旁遮普邦贾朗达尔Padhiana Sant Baba Bhag Singh工程技术学院信息技术系A R T I C L E I N F OA B S T R A C T文章历史记录:收到日期:2015年2月17日收到日期:2015年2015年6月22日接受2015年8月14日在线发布保留字:基元局部异或模式局部二进制模式直方图纹理图像检索本文提出了一种新的特征描述子--局部纹理基元异或模式(LTxXORP),用于基于内容的图像检索.所提出的方法收集的texton异或模式,它给出了查询图像或数据库图像的结构首先,将RGB(红、绿、蓝)彩色图像转换为HSV(色调、饱和度和值)颜色空间。其次,将V颜色空间划分为大小为2 × 2的重叠子块然后,异或(XOR)的中心像素和它周围的邻居之间的纹理基元图像上最后,基于LTxXORPs和HSV直方图构造特征向量。通过在基准数据库Corel-1 K、Corel-5 K和Corel-10 K上的测试,从查准率、查全率、平均查准率(ARP)和平均检索率(ARR)等方面对该方法进行了性能评估。调查后的结果显示,与最先进的图像检索功能相比,有显着的改善。© 2015 , Karabuk University. Elsevier B. V. 制 作 和 托 管 这 是 CC BY-NC-ND 许 可 证 下 的 开 放 获 取 文 章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。1. 介绍基于内容的图像检索(CBIR)是将图像中的内容作为特征描述符,从图像它通过从图像的视觉内容中自动提取颜色、纹理、形状和空间布局等低层特征,解决了基于文本的图像检索的基本问题一个视觉特征只能考虑单一的感知,而多个视觉特征可以通过不同的感知来感知图像本研究的目的是通过设计有效的视觉特征及其组合算法来提高检索系统的性能。在参考文献1-4中给出了对改进图像检索系统纹理测量图像在某些方向和尺度上的变化特征[5它提取有关表面(如云、织物、砖等)结构排列的重要信息。以及它们与周围环境的关系。大多数情况下,纹理信息考虑的是一组像素的行为,而不是单个像素的性质。自然图像是颜色和纹理马赛克的最佳示例。* 通讯作者。联系电话:+919501681365。电子邮件地址:abala022@gmail.com(A. Bala)。由Karabuk大学负责进行同行审查虽然大多数纹理描述符都是在灰度空间工作的,但为了优化特征的性能,有时它们也可以应用于彩色图像。采用各种策略来提取纹理特征[8]。基于小波变换的相关图是由Moghills等人提出的。[9]用于图像检索。此外,通过使用进化遗传算法(GA)优化量化阈值来改善小波相关图的性能[10]。Birgale等人。[11]和Subrahmanyam等人。[12]结合了CBIR的颜色(颜色直方图)和纹理(小波变换)特征。Subrahmanyam等人提出了一种使用小波和旋转小波(WC+ RWC)进行图像检索的相关图算法[13]。特征,局部二进制模式(LBP)是由Ojala等人提出的,用于描述纹理[14]。Ojala等人提出的LBP特征是旋转变量。然后,旋转变量LBP被转换为旋转不变量,用于纹理分类[15,16]。对于面部表情分析和识别,在[17,18]中使用了LBP特征。Heikkila等人提出了使用LBP的背景建模和检测[19]。Huang等人提出了用于形状定位的扩展LBP[20]。Heikkila等人使用LBP进行感兴趣区域描述[21]。Li和Staunton使用Gabor滤波器和LBP的组合进行纹理分割[22]。Zhang等人提出了用于人脸识别的局部导数模式(LDP)[23]。他们认为LBP是一种无方向的一阶局部模式,是图像中一阶导数的二进制结果。http://dx.doi.org/10.1016/j.jestch.2015.06.0082215-0986/© 2015,Karabuk University.由Elsevier B. V.制作和托管。这是CC BY-NC-ND许可证下的开放获取文章(http:creativecommons.org/licenses/by-nc-nd/4.0/)。出版社:Karabuk University,PressUnit ISSN (印刷版):1302-0056 ISSN(在线):2215-0986 ISSN(电子邮件):1308-2043主 办可 在 www.sciencedirect.com上 在 线ScienceDirect可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页:http://www.elsevier.com/locate/jestch102A. Bala,T.Kaur/Engineering Science and Technology,an International Journal 19(2016)101Fig. 1. 计算LBP。图二. 用于特征提取的纹理基元的形状。基于块的LBP纹理特征作为图像描述的源在参考文献24中被提出用于CBIR。中心对称局部二进制模式(CS-LBP)是众所周知的LBP特征的修改版本,在参考文献25中将其与尺度不变特征变换(SIFT)相结合,用于描述感兴趣区域。Yao和Chen[26]提出了两种类型的局部边缘模式(LEP)直方图,一种是用于图像分割的LEPSEG,另一种是用于图像检索的LEPINV。LEPSEG对旋转和尺度的变化敏感,相反,LEPINV对旋转和尺度的变化本文中LBP和LDP的扩展不能充分处理由于老化、光照、面部表情、姿态、部分遮挡等原因而通常在无限制的自然图像中发生的外部变化范围。为了处理这种困难,已经提出了局部三元模式(LTP)[27]用于不同光照环境下的人脸识别。Subrahmanyam等人提出了各种基于模式的特征,局部最大边缘模式(LMEBP)[28],局部四模式(LTrP)[29]和方向局部极值模式(DLEP)[30],用于自然/纹理图像检索和方向二进制小波图三. 图像的LTxXORP运算符的示例计算见图4。提出了图像检索系统框架。A. Bala,T. Kaur/ Engineering Science and Technology,an International Journal 19(2016)101-112103图五. 从样本图像中提取的LTxXORP特征图。模式(DBWP)[31]、局部网格模式(LMeP)[32]和局部三元同现模式(LTCoP)[33]用于医学图像检索。Gonde等人。[34]已经提出了用于基于内容的图像检索的texton共生矩阵。Vipparthi和Nagar[35]提出了将颜色和局部导数模式集成为ICLDP,用于基于内容的图像检索。Zhang等人提出了二元Gabor模式[36]和单基因LBP[37]这是一种纹理分类应用。现有的各种纹理基元特征都是基于共生矩阵收集灰度图像中相邻像素之间的关系,而没有考虑图像中心像素与其相邻像素之间的关系。在本文中,我们提出了纹理基元图像的中心纹理基元值和它周围的邻居之间的关系。本文的主要工作概括如下。(a)提出了一种新的特征描述子--局部纹理基元异或模式(LTxXORP)用于特征提取,(b)该特征描述子从HSV彩色图像的V平面提取特征用于图像检索,(c)进一步将其与HSV颜色直方图相结合,提高了该方法的性能在基准图像数据库上对所提出的方法进行论文的结构如下:第一部分简要回顾了图像检索的发展和相关工作。在第2节中给出了现有的最先进的图像检索功能的审查。建议的系统框架和查询匹配在第3节中说明。第4节总结了实验结果和讨论。第五部分在上述工作的基础上,提出了结论和未来的研究方向。2. 局部模式2.1. 局部二进制模式(LBP)最初,LBP由Ojala等人提出用于纹理分类[14]。此外,LBP用于其他应用,如面部识别、图像检索、掌纹识别等。并且由于其速度(不需要调整参数)和性能而获得LBP是基于图像中中心像素与其周围邻居之间的关系定义的。在中心像素和其相邻像素之间收集的关系如果相邻像素灰度值大于或等于中心见图6。Corel-1 K数据库的示例图像。N1N 2104A. Bala,T.Kaur/Engineering Science and Technology,an International Journal 19(2016)101像素,则该LBP比特被编码为“1”;否则,它被编码为“0”(参见 由方程式(1)Eq. (2))。P其中Ig c表示中心像素的灰度值,Ig p表示其相邻像素的灰度值,P表示相邻像素的数量,R表示相邻像素的半径。LBPP,R f1 gc第一章1(一)在计算每个像素(j,k)的LBP图案之后,通过构建如等式(1)所示的直方图来表示(3).1x0H(三)f0其他(二)LBP2j1k1见图7。在Corel-1 K数据库上比较所提出的方法与现有的各种方法的ARP。A. Bala,T. Kaur/ Engineering Science and Technology,an International Journal 19(2016)101-112105见图8。在Corel-1 K数据库上比较所提出的方法与各种现有方法的ARR。图9.第九条。在Corel-1 K数据库上比较所提出的方法与各种距离度量的ARR。106A. Bala,T.Kaur/Engineering Science and Technology,an International Journal 19(2016)101见图10。在Corel-1 K数据库上进行查询检索。0A. Bala,T. Kaur/ Engineering Science and Technology,an International Journal 19(2016)101-112107表1在Corel-1 K、Corel-5 K和Corel-10 K数据库上,所提出的方法在ARP方面具有不同量化级别的结果。数据库量化级别f x,1X射线(四)2.3.局部纹理基元异或模式(LTxXORPs)2其他其中输入图像的大小为N1<$N2。图1显示了给定3 × 3模式下LBP的示例计算这些模式的直方图保存图像中边缘分配的信息。在本文中,七种不同的纹理基元形状被认为是纹理基元图像生成(见图1)。 2)的情况。 将图像分成重叠的2 × 2子块,称为I1。为了便于分析,我们将灰度值的位置视为“A,B,C,D”。子块基于如下给出的纹理基元形状进行编码2.2.纹理子共生矩阵Gonde等人[34]提出了用于图像检索的纹理元共生矩阵。首先将图像分成互不重叠的2 × 2子块,然后收集2 × 2子块内像素灰度值之间的关系,生成纹理基元图像。在计算纹理基元图像之后,对纹理基元图像执行共生矩阵运算以形成最终特征向量生成。图2示出了被考虑用于纹理基元图像生成的纹理基元形状。年,年,年,年,Tv,,x,y,年,年,年,I1IC1DBI1I1AI1 C I1 D I 1 A I 1 A I 1 B I 1 B &&&&&&(五)481216202428323640Corel-1K79.8379.2578.8778.6478.4377.8477.5277.1976.9876.94Corel-5K6060.8260.5160.3859.9959.759.2658.8958.5558.24Corel-10K50.651.0550.7950.4149.9549.5349.2448.9648.7548.56图十一岁 LTxXORP与Corel-5 K上其他现有方法的比较。(a)在精确度方面的分类性能,(b)在召回率方面的分类性能30N1N 2108年。Bala,T.Kaur/Engineering Science and Technology,an International Journal 19(2016)101在计算纹理基元图像之后,我们收集纹理基元图像上的每个像素的中心及其周围邻居,并且在中心纹理基元与其周围邻居纹理基元之间执行XOR操作。局部纹理基元XOR模式编码如下。P3. 拟议的系统框架3.1. 图像检索系统本文将纹理基元和局部二进制模式的概念与异或运算相结合。首先,将RGB图像转换为LTxXORPP,R 20005 - 2005 - 20005-第一章1(六)HSV和V空间被划分为重叠的2 × 2子块。其次,对每个子块执行纹理基元操作,fx1X其他(七)用纹理基元形状值编码以形成纹理基元图像。在计算纹理基元图像之后,在纹理基元其中,gi表示相邻像素gi的纹理基元的形状,Txc表示中心的纹理基元的形状像素g,c,n表示变量之间的XOR运算。最终,给定的纹理基元图像被转换为具有范围从0到2P -1的值的LTxXORP在计算LTxXORP之后,通过构建由等式(1)支持的直方图来表示整个图。(八)、形象在纹理基元XOR图像和HSV颜色空间中生成直方图。最后,通过连接直方图来生成特征向量。图4示出了所提出的图像检索系统及其算法的流程图 如下所示演算法:输入:图片;输出:检索结果:1. 加载RGB图像并转换为HSV。HLTxXORP j1k1(八)2. 计算V颜色空间的纹理基元图像3. 收集纹理基元图像的每个像素的LTxXORP4. 计算LTxXORP的直方图。图3示出了给定图像的LTxXORP的详细表示。5. 计算H、S和V颜色空间的直方图6. 通过连接所有直方图来构造特征向量图12. 在Corel-5 K数据库上比较各种ARP和ARR方法。A. Bala,T. Kaur/ Engineering Science and Technology,an International Journal 19(2016)101-112109图十三. Corel-5 K数据库1 1纪第2章110A. Bala,T.Kaur/Engineering Science and Technology,an International Journal 19(2016)101-1127. 将查询图像与数据库中的图像进行比较,比利时 法郎 fQ, i相似距离测度8. 根据最佳匹配对图像进行重新排序d距离测量:DQ,Ii11fDBji Q,i(十二)图5示出了使用所提出的特征提取方案提取的特征图。哪里 f DB 是第i个功能的 数据库中的第j个图像4. 实验结果DB.3.2. 查询匹配特征向量为查询图像Q是表示作为f Q1,f Q 2,f Q1,f Q 2,f Q 1,f Q1,f Q 2,f Q 1,f Q2,f Q 1,f Q 1,f Q 2,fQ 1,f Q 2,f Q 1,f Q . f QLg是特征提取后获得的。类似地,数据库中的每个图像用特征向量fDBj=fDBj1,fDBj2,fDB j =fDBj Lg;j=1,2,fDBj,DB表示。目标是选择与查询图像相似的n个最佳图像。这涉及到选择-通过测量查询图像和数据库DB中的图像之间的距离来确定n个最匹配的图像。为了匹配图像,我们使用如下四种不同的相似性距离度量。LG通过在基准数据库上进行三个实验来测试该方法的有效性。 用于评估的数据库是Corel-1 K、Core-5 K和Corel-10 K。在实验#1、#2和#3中,使用来自Corel数据库[38]的图像。Corel数据库包含大量的图像,内容丰富,从动物到户外运动到自然图像。这些图像由区域专业人员预先分类为不同的类别,每个类别的大小为100一些专家认为,Corel数据库满足了评估图像检索系统的所有必要条件,因为它的大小和混合内容。在所有实验中,数据库中的每幅图像都被用作查询Manhattandistancemeure:DQ,IfDBjfQ,i第一章11 2Euclideanddistancemeasure:DQ,I1DBjfQ,I第一章1LG fDBji(九)(十)形象 对于每个查询,系统收集n个数据库图像X =(x1,x2,. 、.、xn),其中最短图像匹配距离使用等式(1)计算。(12). 如果检索到的图像xi = 1,2,.,n属于相同的如果系统已经适当地识别了可预测图像,则我们说系统无法找到可预测图像。所提出的方法的性能进行评估,堪培拉距离度量:DQ,I1第一章1DB机 fQ,i平均查准率/平均检索查准率(ARP)、平均查全率/平均检索率(ARR)的关系如下:F图14. LTxXORP与Corel-10 K上其他现有方法的比较。(a)在精确度方面的分类性能,(b)在召回率方面的分类性能。DB回忆: (15)精密度:PDB1A. Bala,T. Kaur/ Engineering Science and Technology,an International Journal 19(2016)101-112111对于查询图像Iq,精度定义如下:在Corel-1 K数据库上与现有技术的方法在精确度、ARP、召回率和ARR图9示出检索到的相关图像数量q检索到的图像总数(十三)在 Corel-1 K 数 据 库 上 , 根 据 ARP 分 析 了 所 提 出 的 方 法(LTxXORP)与各种相似距离度量从图 9,观察到d1距离测量优于DB平均检索精度:ARP检索精度第一章1检索到的相关图像数量q数据库中相关图像的总数(十四)在Corel-1 K数据库上的ARP方面的其他距离测量。图10示出了所提出的方法在Corel-1 K数据库上的查询结果。4.2. Corel-5 K数据库1dB(十六)Corel-5 K数据库包含5000个自然图像,Average Retreival Rate:平均回收率第一章14.1.Corel-1 K数据库在本实验中,使用Corel-1 K数据库[38]。对于实验,我们选择了1000张图像,这些图像是从10个不同的域中收集的,每个域有100张图像。所提出的方法的性能是根据ARP和ARR来测量的,如等式2所示(13图6显示了Corel-1 K数据库的示例在Corel-1 K数据库上的ARP方面的各种方法的性能在图7中描绘。图8示出了所提出的方法和其他现有方法在Corel-1 K数据库上的ARR方面的检索结果。从图7和图8中可以看出,所提出的方法显示了重大进展不同的类别。每个类别包含100张图片。这50个类别是自然图像,如动物,人,海滩,建筑物,公共汽车等。建议的图像检索系统的性能进行评估的基础上,精度,召回率,ARP和ARR。表1描述了所提出的方法在Corel-1 K、Corel-5 K和Corel-10 K数据库上以ARP对灰度图像的各种量化级别进行图像检索的结果从表1中可以看出,量化级别4和8在Corel-1 K、Corel-5 K和Corel-10K数据库上的ARP方面优于其他量化级别。在Corel-5 K数据库上,各种方法在平均精确度和平均召回率方面的分类性能分别在图11此外,还根据Corel-5 K数据库上的ARP和ARR来评估各种方法的性能。ARP和ARR结果分别在图12a和b图十五岁在Corel-10 K数据库上比较各种ARP和ARR方法。112A. Bala,T.Kaur/Engineering Science and Technology,an International Journal 19(2016)101从表1、图11和图12中可以明显看出,与最先进的方法相比,所提出的方法在Corel-5 K数据库的评估措施方面有了显著的发展。图13描述了Corel-5 K数据库上LTxXORP的查询检索结果4.3. Corel-10 K数据库Corel-10 K数据库包含100个不同类别的10,000张自然图像。每个类别包含100张图片。基于查准率、查全率、ARP和ARR对该系统的性能进行了评价在Corel-10 K数据库上,各种方法在平均精确度和平均召回率方面的分类性能分别在图14a在Corel-10 K数据库上进行了ARP和ARR测试,并对各种方法的性能进行了评估。ARP和ARR结果分别在图15a和b中示出。从图14和图15中可以明显看出,所提出的方法在Corel-10 K数据库上的评估措施方面与最先进的方法相比有了显著的发展5. 结论提出了一种新的用于基于内容的图像检索的特征描述子--局部纹理元异或模式(LTxXORP)。提出的方法收集文本基元异或模式,该模式给出查询图像或数据库图像的结构。 基于LTxXORPs和HSV直方图构造特征向量。通过在基准数据库Corel-1K、Corel-5 K和Corel-10 K上的测试,从查准率、查全率、平均查准率(ARP)和平均查准率(ARR)等方面对该方法进行了性能评价。实验结果表明,与现有的图像检索方法相比,该方法有明显的改进。确认作者要感谢副主编和匿名审稿人提出的有见地的意见和有益的建议,以提高质量,这些都已纳入本文。引用[1] S.K. Vipparthi,S.K.基于多联合直方图的图像索引和检索建模,Comput。电动Eng. 40(8)(2014)163doi:10.1016/j.compeleceng.2014.04.018。[2] M.Subrahmanyam , Q.M.JonathanWu , R.P.Maheshwari , R.Balasubramanian , Modified Color Motif Co-occurrence Matrix for ImageIndexing and Retrieval,Comput. 39(3)(2013)762-774。[3] Z. 唐,X.Zhang,X.Dai,J.Yang,T.吴,鲁棒图像散列函数使用局部颜色特征,国际电子通讯杂志。(AE 67(2013)717-722。[4] Y. Rui,T.S.黄,图像检索:当前技术,有前途的方向和开放的问题,J。Commun.图像代表。10(1999)39-62。[5] A.W.M. Smeulders,M.担心,S。Santini,A.古普塔河,巴西-地Jain,基于内容的图像检索在早期结束时,IEEE Trans. Pattern Anal. 马赫内特尔22(12)(2000)1349-1380。[6] J.R.史密斯,S。F.张志文,基于颜色和纹理的图像检索,北京大学出版社,2000。[7] B.S. Manjunath,W.Y.马,纹理特征的浏览和检索的图像数据,IEEE Trans.模式肛门。马赫内特尔18(8)(1996)837[8] M.科卡雷峰Biswas,B.N. Chatterji,使用旋转小波滤波器的纹理图像检索,J.模式识别。Lett. 28(2007)1240-1249。[9] H.A. T.T.莫格什Khajoie,A.H.鲁希,一种基于小波相关图的图像索引和检索新算法,国际会议图像处理,K.N.图西理工大学,德黑兰,伊朗2(2003)497[10] M.T. Saadatmand,H.A. Moghanshan,增强的小波相关图方法用于图像索引和检索,IEEE Int。Conf. 图像处理,K.N. 图西大学技术,德黑兰,伊朗(2005年)541-544。[11] L. Birgale,M.Kokare,D.Doye,基于内容的图像检索的颜色和纹理特征,国际。Conf. Comput. Gra fics,Image Visual.,华盛顿,USA(2006)146[12] M. Subrahmanyam,A.B. Gonde,R.P. Maheshwari,用于图像索引和检索的颜色和纹理特征,IEEE Int. Adv. Comput. 会议,印第安纳州帕蒂亚尔(2009)1411-1416。[13] M. Subrahmanyam,R.P. Maheshwari,R. Balasubramanian,使用小波和旋转小波滤波器进行图像索引和检索的相关图算法,Int. J. Signal Imag.系统工程4(1)(2011)27-34。[14] T. Ojala,M.Pietikainen,D.Harwood,基于特征分布分类的纹理度量的比较研究,J.模式识别。29(1)(1996)51-59。[15] T. Ojala,M. Pietikainen,T. Maenpaa,多分辨率灰度和旋转不变的纹理分类与 局部 二进 制模 式, IEEE Trans. 模式肛门 。 马赫 内特 尔 24 (7 )(2002)971-987。[16] M. Pietikainen,T. Ojala,T. Scruggs,K.W.鲍耶角Jin,K.霍夫曼等人,基于特征分布的人脸识别综述,J. 模式识别。33(1)(2000)43-52。[17] T. Ahonen,A.Hadid,M.Pietikainen,局部二进制模式的人脸描述:人脸识别的应用,IEEE Trans. 模式肛门。马赫内特尔 28(12)(2006)2037-2041。[18] G. Zhao,M.Pietikainen,使用局部二进制模式的动态纹理识别及其在面部表情中的应用,IEEE Trans. 模式肛门。马赫内特尔29(6)(2007)915-928。[19] M. Heikkila,M. Pietikainen,一种基于纹理的背景建模和运动目标检测方法,IEEE Trans. 模式肛门。马赫内特尔28(4)(2006)657 - 662。[20] X. Huang,S.Z.Li,Y.王,基于扩展局部二进制模式的统计方法的形状定位,Proc. 中间截留Conf. 图像图表。(2004)184[21] M. Heikkila,M.皮蒂凯宁角Schmid,局部二进制模式的兴趣区域描述,J.模式识别。42(2009)425-436。[22] M. Li,R.C.Staunton,最佳Gabor滤波器设计和局部二进制模式用于纹理分割,J.模式识别。29(2008)664-672。[23] B. Zhang, Y. Gao,S.赵,J.刘,局部导数模式与局部二进制模式:高阶局部模式描述符的人脸识别,IEEE Trans. Image Proc.19(2)(2010)533-544.[24] 诉Takala,T.Ahonen,M.Pietikainen,使用局部二进制模式进行图像检索的基于块的方法,LNCS 3450(2005)882-891。[25] M. 海克特湾皮蒂凯宁角Schmid,基于局部二值模式的感兴趣区域描述,模式识别。42(2009)425-436。[26] C.- H. Yao,S.-Y. 陈,平移、旋转和缩放彩色纹理的检索,模式识别。36(2003)913-929。[27] X.坦湾Triggs,增强的局部纹理特征集在复杂光照条件下的人脸识别,IEEETrans. 图像处理。19(6)(2010)1635[28] M. Subrahmanyam,R.P. Maheshwari,R. Balasubramanian,局部最大边缘二进制模式:一种新的图像检索和目标跟踪描述符,信号处理。92(2012)1467-1479。[29] M. Subrahmanyam,R.P.马赫什瓦里河Balasubramanian,Local tetra patterns:anew feature descriptor for content based image retrieval,IEEE Trans. 图像处理。21(5)(2012)2874-2886。[30] M. Subrahmanyam,R.P. Maheshwari,R.杨文,方向局部极值模式:一种新 的基 于内 容 的图 像 检索 描述 符 。 多 重 计 时。 告 知。 Retr. 1 ( 3 )(2012)191-203.[31] M. Subrahmanyam,R.P. Maheshwari,R.张文,基于方向二进小波的医学图像检索方法,北京大学出版社,2001。Med. 系统 36(5)(2012)2865-2879。[32] M. Subrahmanyam,Q.M.吴建民,局部网格模式与局部二值模式:生物医学图像索引与检索,IEEE J。BioMed. 健康信息。8(3)(2014)929-938。[33] M. Subrahmanyam,Q.M. Jonathan Wu,局部三元共现模式:用于MRI和CT图像检索的新特征描述符,Neurocomputing 119(7)(2013)399-412。[34] A.B. Gonde,R.P. Maheshwari,R. Balasubramanian,Texton共生矩阵:图像检索的一种新特征,IEEE INDICON,加尔各答,印第安纳州。(2010)1[35] S.K. Vipparthi,S.K.陈晓,基于颜色和局部导数模式特征的图像检索,北京大学出版社,2001。B 96(3)(2015)251-263。doi:10.1007/s40031-014-0153-5。[36] L. Zhang , Z.Zhou , H.Li, Binary Gabor pattern : an efficient and robustdescriptorfor texture classification,Proc. ICIP(2012)81-84。[37] L. Zhang,L. Zhang,Z. Guo,L. Zhang,Monogenic-LBP:一种旋转不变纹理分类的新方法,Proc. ICIP(2010)2677[38] Corel1000和Corel10000图像数据库[联机]。http://wang. ist.psu.edu/docs/related.shtml>.
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- 保险服务门店新年工作计划PPT.pptx
- 车辆安全工作计划PPT.pptx
- ipqc工作总结PPT.pptx
- 车间员工上半年工作总结PPT.pptx
- 保险公司员工的工作总结PPT.pptx
- 报价工作总结PPT.pptx
- 冲压车间实习工作总结PPT.pptx
- ktv周工作总结PPT.pptx
- 保育院总务工作计划PPT.pptx
- xx年度现代教育技术工作总结PPT.pptx
- 出纳的年终总结PPT.pptx
- 贝贝班班级工作计划PPT.pptx
- 变电值班员技术个人工作总结PPT.pptx
- 大学生读书活动策划书PPT.pptx
- 财务出纳月工作总结PPT.pptx
- 大学生“三支一扶”服务期满工作总结(2)PPT.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功