石丽怡+唐普霞

摘 要： 针对传统的图像挖掘算法对小差异性图像特征挖掘精度不高的难题，提出一种基于不变矩特征提取的海量小差异图像高精度挖掘算法，通过构建图像的边缘检测和种子点分割模型，再采用小波降噪进行抗干扰处理，通过曲面约束进行相似图像的解释散点特征提取，根据海量小差异图像的旋转平移和尺度的不变性，实现对小差异图像的特征分辨和高精度挖掘。实验测试结果表明该算法能提高海量小差异图像挖掘的精度。

关键词： 图像挖掘； 不变矩； 特征提取； 图像降噪

中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）01?0053?04

Abstract： Since the traditional image mining algorithm has low feature mining precision for the small?difference images， the massive small?difference images high?precision mining algorithm based on moment invariant feature extraction is proposed. The edge detection and seed point segmentation model was constructed for the image， and performed for anti?interference processing with the wavelet denoising. The similar image splashes feature is extracted by means of surface constraint to realize the small?difference images feature distinguishing and high?precision mining according to the rotation translation and scaling inva?riance of the massive small?difference images. The test results show that the algorithm can improve the mining accuracy of the massive small difference images.

Keywords： image mining； invariant moment； feature extraction； image denoising

0 引 言

随着数字图像处理技术的发展，图像作为一种主要的信息载体，可提供很多潜在信息。图像数据挖掘技术在军事目标识别、故障诊断、人脸识别等领域具有较高的应用价值[1]。在图像挖掘过程中，海量的小差异图像会产生大量的相似挖掘目标，对于这类图像的挖掘，需要分辨出小差异图像之间的特征差异性，这给准确挖掘带来较大困难。图像数据挖掘等相关技术在故障分析、目标识别等军事和民用领域中应用意义重大，相关的算法研究受到人们的重视[2?3]。

对海量小差异图像挖掘的原理主要通过对图像的规则重构和信息特征提取，进行图像特征关联，根据训练样本集进行训练，实现图像的分类识别。当前较多方法中对图像特征提取和挖掘主要采用的是图像角点特征匹配算法、图像高阶谱特征提取算法和图像纹理分割算法等[4?5]，通过对图像的纹理信息、角点信息和谱信息进行提取和分割，利用知识库进行图像的挖掘识别，取得了一定的研究成果。……