FROM:?http://blog.csdn.net/leixiaohua1020/article/details/16883143

模糊顏色和紋理直方圖（Fuzzy Color and Texture Histogram，FCTH）

?

本文節選自論文《基于半監督和主動學習相結合的圖像的檢索研究》

FCTH 特征可從 3 個模糊單元的組合求得結果。先將圖像劃分成若干分塊，在第一個模糊單元中以 HSV 顏色空間的三個信道為輸入，經模糊系統最終產生 10-bin 的直方圖。在第二個模糊單元修改每個顏色的色調后，經模糊系統最終產生 24-bin 的直方圖。以上兩個模糊單元在顏色描述子的章節中已詳細作了解釋，且模糊顏色描述子與 CEDD中所提的顏色描述子是同一個概念，在此不再累述。在第三個模糊單元中，將圖像分塊經 Harr 小波變換成一組紋理元素，模糊系統以這些紋理元素集為輸入將 24-bin 直方圖轉換成 192-bin 的直方圖。最后是描述 FCTH 特征提取的實現。

2.1.3.2.1. 模糊紋理分割

模糊系統如圖 2-8 所示，展示了模糊紋理直方圖的求解過程，圖像分塊經 Harr 小波變換得到三個紋理元素f_LH,f_HL和f_HH。這三個紋理元素作為模糊系統的輸入，可得到 8-bin 直方圖，8bins 對應的區域分別是：(0)低能量線性區，(1)低能量水平激活區，(2)低能量垂直激活區，(3)低能量水平和垂直激活區，(4)高能量線性區，(5)高能量水平激活區，(6)高能量垂直激活區，(7)高能量水平和垂直激活區。

事實證明f_LH,f_HL和f_HH等紋理元素能有效辨別圖像的紋理。

2.1.3.2.2. FCTH 的實現

首先定義與提取顏色信息相關的單元為顏色單元，與提取紋理信息相關的單元為紋理單元，如圖 2-9 所示，紋理單元所在的模糊系統產生了 8 個區間，顏色單元所在的模糊系統產生了 24 個獨立區間，這樣最終的直方圖將產生 8*24=192bin 區域。為了塑造這個直方圖，衡量圖像的細節與計算要求，先將圖像分割成 1600 個分塊。如果定義紋理單元的bin為N并且顏色單元的bin為M，那么該圖像分塊的直方圖位置將為：N*24+M。

整個 FCTH 的實現模型如圖 2-9 所示，分為紋理單元模塊與顏色單元模塊。

?

a) 在紋理單元模塊中，每個圖像分塊經 Harr 小波變換得到三個紋理元素f_LH,f_HL和f_HH的值，經模糊關聯系統分類可將該圖像分塊歸類于 8-bin 直方圖中的一種。假設該圖像分塊被歸類到第二 bin 中，則它對應的紋理應為低能量水平激活區。

b) 在顏色單元模塊中，每個圖像分塊被轉化到 HSV 顏色空間。信道色調 H，飽和度 S，亮度V組成模糊系統的輸入，得到輸出為10-bin的直方圖。假設輸出結果為第4bin，對應的顏色為紅色。第二個模糊系統（24-bin 模糊關聯）將原先的每個色調再次分割成 3 色調，改變亮度 V 為兩個模糊區間，得出輸出為 24-bin 直方圖。再假設輸出結果為第 4bin，此時對應的顏色卻為深紅色。合并這三個模糊系統最終可將該圖像分塊歸類為 27bin(1*24+3)。

c) 反復對圖像的所有分塊執行上(a)，(b)兩個步驟，得到整張圖像的直方圖，直方圖會歸一于{0-1}區間內，而每個直方圖可量化為 3 比特。

?

2.1.3.2.3. FCTH 特征的相似度量

為了計算 FCTH 特征向量的相似性距離我們選擇使用 Tanimoto 系數。

總結

以上是生活随笔為你收集整理的FCTH（Fuzzy Color and Texture Histogram）算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。