（译文 页数：16 字数：6594）一种基于纹理的图像检索的新算法
摘要：本文提出了一种新颖的图像检索算法，这种算法使用梯度幅度描述（GAD），目的在于在内维尔过滤器的基础上提升小波的自适应性。为了衡量几何和视觉相似性的图像，提出了合成排序梯度方向直方图（ SSGDH ），作为一种新的梯度计算的小波系数的特征向量。与以前的方法比较，其优势在于几何变化的耐用性和对人类视觉感知的最佳锐度匹配。
目录
1.导言
2.自适应提升方案和梯度幅度描述
3.实验和分析
4.结论
1.导言
由于全球网络和先进的信息技术的迅速扩展，图像数据库在各领域的应用有爆炸性的增长。搜索的传统方法，例如关键字索引或简单的浏览的效率很低。然而，信息技术的发展为基于内容的图像检索开辟了道路。它是一种常见的词组，以显示自动图像检索的过程中提取的大量的距离测量应该是什么内容（颜色，纹理，形状）。目前图像检索的挑战是寻找一些能够使得它独特，准确的重要的特征。纹理特征有很重要的意义，因为许多自然场景可以被看作是不同材质组成的。所以，我们仅限于纹理的灰度图像。
如今，基于小波的图像检索方法已被广泛的研究。传统的小波总是被选定为工具，以分解图像，其小波/缩放功能是固定的。虽然作为一个预处理，但小波是检索过程的一个非常重要的步骤，因为检索结果直接决定于特征图像转化的质量。如果我们使用传统的小波，无处不在的噪音污染带来的一些微小的变化可能会被视为图像的细节。这种误解可能会导致代表原始图像的不良子图象。由于噪声污染，两个同样的图像可能会被认为是不同的。以前的方法如果添加去噪这一步，将增加算法的复杂性。2003年，PJ Oonincx等人提出了自适应小波的图像检索方案。“自适应”指的是根据不同消失矩阵自动选择最合适的过滤器，命名为可重复使用运载器。虽然它们是用来消除不同的检索背景，但“自适应”提供了一个想法，就是可以将去噪和分解同时进行。
| 