25、基于自适应四角小波变换的纹理图像内容检索技术

基于自适应四角小波变换的纹理图像内容检索技术

1. 引言

近年来，多媒体尤其是数字图像库的使用增长迅速，因此从数据库中高效访问图像变得尤为重要。图像检索主要有两种基本方法：基于文本的图像检索和基于内容的图像检索（CBIR）。

基于文本的检索在许多图像搜索应用中效果不佳，原因如下：
- 它在人类感知和系统理解之间造成了巨大的语义鸿沟。
- 随着数字图像数据库规模的不断扩大，传统的基于文本的搜索方法难以从大型数据库中准确检索图像。
- 对大型数据库进行图像标注以提高检索性能是不现实的，而且也很难完美表达图像的颜色、纹理、形状和对象等特征。
- 基于文本的搜索还会增加全球图像共享的语言障碍。

为克服这些问题，CBIR应运而生。CBIR在数字图像处理中起着至关重要的作用，它主要利用颜色、纹理和形状等视觉特征进行图像搜索，并基于这些特征对图像进行索引。开发CBIR系统的主要目标是提高检索准确性，而具有高精度且计算时间短的方法被认为是最佳的。

纹理是许多真实世界图像（如云、树、织物、砖块、头发等）的重要特征，它代表了图像表面的粗糙度，是处理图像表面属性的低级视觉特征。本文介绍的技术采用了“四角小波（Tetrolet）”的概念，它是“哈尔（Harr）”小波的一种特殊情况。该技术对图像进行所有可能的旋转和反射分析，并设计了一种基于四角小波变换的策略，使图像检索过程具有旋转不变性。

图像检索算法的性能通过平均检索精度（Average Retrieval Precision，ARP）和平均检索召回率（Average Retrieval Recall，ARR）来衡量：
- 精度（Precision）：$P_i =