A Dissertation Submitted for the Degree of MasterResearch on Image Retrieval Based onNonsubsampled Shearlet Transform And RI- LPQByWang ZhichengHefei University of TechnologyHefei, Anhui, P.R.ChinaApril, 2014合肥工业大学本论文经答辩委员会全体委员审查，确认符合合肥工业大学硕 士学位论文质量要求。答辩委员会签名：（工作单位、职称主席：中国科学技术大学忡人教授委员：合肥工业大学菜切乡教授合肥工业大学 多f 清华副教导师:教授学位论文独创性声明本人郑重声明：所呈交的学位论文是本人在导师指导下进行独立研究工作所 取得的成果 。職所知，除了文中特别加以标注和致谢的内容外，论文中不包含 其他人己经发表或撰写过的研究成果，也不镭为获得合肥工业大学 或其 他教育机构的学位或证书而使用过的材料。对本文成果做出贡献的个人和集体 ， 本人已在论文中作了明确 的说明，并表示谢意。学位论文中表达的观点纯属作者本人观点， 与合肥工业大学无关。学位论文 作者签名 i?叫 签名h期：I千年乌月（b学位论文版权使用授权书本学位论文作者完全了解 合肥工业大学 有关保留、使用学位论文的规 定，即：除保密期内的涉密学位论文外，学校有权保存并向国家有关部门或机构送 交论文的复印件和咆子光盘，允许谁:被查阅或借阅。本人授权 合肥工业大 学 可以将本学位论文的全部或部分内容编入有 关数据库，允许采用影印、缩印 或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书学位论文作者签名：1签名H期：）別牛年呼月（tfj论文作者毕业去向E-m ai 1: 邮政编码:工作单位： 联系电话： 通讯地址:时光如梭，两年多忙碌而充实的硕士研究生学习生活即将接近尾声。在这过 去两年多的时间里，我经历了从一个对图像处理一无所知到有所了解的过程，在 这个过程中，所收获的不仅仅是图像处理专业知识的增长，更重要的是学会了克 服困难与挫折的态度和方法，我所取得点滴进步都离不开老师和同学的关心和帮 助。在此，我衷心的向各位表示最真诚的感谢！首先，我要特别感谢我的导师殷明教授！本文的所有研究工作都是在殷老师 的悉心指导和帮助下完成的，凝聚着殷老师的心血。在硕士学习这段时间里，殷 老师不仅在学习上而且还在生活上，给予了我很大的关心和帮助。殷老师那渊博 的专业理论知识，严谨的治学态度，精益求精工作作风以诲人不倦的高尚师德， 严以律己、宽以待人的崇高风范，朴实无华、平易近人的人格魅力，这些都对我 产生了深刻的影响。不仅使我掌握了本专业的基本知识和学术研究方法、研究态 度，还使我明白了待人接物、为人处世的道理，而这些都将让我终生受益。感谢数学学院的朱功勤教授、唐烁教授、檀结庆教授、朱晓临教授、黄有度 教授、郭清伟副教授、江平副教授等老师在学习和生活中对我的关心和帮助。感谢我的师兄刘卫，感谢张强、王秋实、张琳、左江湧、林贞、吴江敏、孔 冉冉等同学，与你们有益的讨论，使我得到了很多的启发和灵感。感谢11级数学学院的全体同学以及学弟学妹们对我学习与生活上的关心和 帮助。特别感谢我的父母对我学业上的支持，十多年的学习中，父母总是给我默默 的支持，为我撑起了一片晴空。最后，感谢各位评阅专家对本论文提出的宝贵意 见！王治成2014年04月随着互联网、通信技术和存储技术的迅速发展，大量的图片信息不断 涌现。如何高效、准确的从大量的图像中检索出人们所需要的图像是图像 分析和应用领域的一个重要问题。基于内容的图像检索(Content Based Image Retrieval CBIR)技术在进行海量数据检索时是一种非常有效的方法， 而纹理特征则是描述图像的关键要素之一。小波变换具有良好的时频分析能力，已广泛应用于图像检索。但传统 小波变换方向选择性上只能使用有限的方向去捕获边缘特征，不能有效的 表达图像的边缘几何特征。为了灵活的捕捉纹理图像丰富的方向信息，具 有方向选择性和各向异性的多尺度几何方法发展起来。非下采样剪切波 (Nonsubsampled Shearlet Transform NSST)不仅具有各向异性及方向选择 性，而且具有平移不变性。与传统小波相比，具有更多的方向选择，可有 效捕捉图像的边缘信息。与轮廓波相比，能对图像进行稀疏表示且产生最 佳逼近，具有更高的计算效率。Ojansivu提出的旋转不变的局部相位量化(Rotation Invariant Local Phase Quantization RI-LPQ)纹理描述算子， RI-LPQ具有较强的纹理描述效果，已成功用于人脸识别和图像分类。本文 将其用于纹理图像检索。本文研究了非下采样剪切波(NSST)的有关性质及其在图像检索中应用。首 先分析了图像NSST系数的统计特征，利用广义高斯函数对各个方向子带进广义高 斯建模。然后利用局部相位量化描述算子提取图像特征，并对上述图像的两种特 征进行融合，图像之间的相似性使用具有权重系数的测度公式进行纹理图检索。 最后将此方法应用Brodatz图像库，对600幅纹理图像进行图像检索。实验表明： 此方法与传统小波的平均检索相比，获得较好的检索率。关键词：图像检索；非下采样剪切波；轮廓波；广义高斯模型；局部相位量化ABSTRACTWith the rapid development of Internet, communication technology and storage technology, a lot of pictures emerge. How to retrieve the required image efficiently and accurately from a large amount of images is an important issue in image analysis and application fields. Content -based image retrieval technology when retrieve huge amounts of data is a very effective method .The texture is one of the key elements characteristic description of the image.Wavelet transform has good time-frequency analysis capabilities , It has been widely used in image retrieval. But the traditional wavelet transform has limited direction selectivity to capture edge features and cannot effectively express the geometric characteristics of the edge of the image. In order to flexible to capture the direction information of texture image, the method of multi-scale geometric which has direction selectivity and anisotropy developed rapidly. Nonsubsampled Shearlet Transform (NSST) exhibits highly directional sensitivity and shift invariance, even it can be sparse representation of the image. In contrast, NSST acquires the natural texture and edge information with the traditional wavelet and has higher computational efficiently with Contourlet. Ojansivu proposed rotation invariant local phase quantization description operator which has a strong effect texture description and has been successfully applied to face recognition and image classification. This article will be used for texture image retrieval.This thesis studies the relevant properties of NSST and its application in image retrieval .It firstly acquires the statistical features of the image NSST coefficients by Generalized Gaussian Distribution Function. Then, image features are directly extracted by Rotation Invariant Local Phase Quantization description operator. Finally, texture images on the Brodatz image database are retrieved by the formula of similarity measure with weight coefficients. The experiment result indicates that compared this method with traditional wavelet and Contourlet, the former obtains better retrieval rate.Key words: Image Retrieval; Nonsubsampled Shearlet Transform; Contourlet; Generalized Gaussian Model; Local Phase Quantization目录第一章绪论11.1从小波分析到多尺度分析11.2基于内容的图像检索方法发展现状和方法21.2.1基于内容的图像检索技术的流程31.2.2图像的内容特征41.3基于小波和多尺度几何分析的图像检索81.4检索的相似性计算和性能评价101.4.1检索的相似性计算101.4.2检索的性能评价111.5本文主要研究的内容12第二章非下采样剪切波理论及其离散实现142.1引言142.2非下采样剪切波剪切波理论142.2.1合成小波理论142.2.2剪切波理论142.2.3剪切波的性质172.2.4离散剪切波变换182.2.5非下采样剪切波21第三章广义高斯分布和旋转不变的局部相位量化243.1引言243.2 r义高斯分布243.2.1广义高斯分布密度函数243.2.2广义