秦智康，张衡阳

(空军工程大学 信息与导航学院，陕西 西安 710077)

1 引 言

图像搜索在电子商务、医学影像、图像处理等领域都有重要地位。近年来，硬件技术的快速发展和计算机能力的增长为移动互联网爆炸式增长提供了条件，也导致互联网能获取大量图像数据。由于空间和时间的限制，图像以压缩格式表示。主流的图像检索系统分两个阶段运行：索引和搜索。在索引阶段，使用一组图像特征属性(例如颜色、形状、纹理和布局)来表示数据库的每个图像。提取的特诊存储在特征数据库中[1]。在搜索阶段，当用户进行查询时，计算查询信息的特征向量。根据相似性标准将该向量与特征数据库中的向量进行比较，再将最相似的图像返回。学术界和工业界一直研究如何更高效地实现图片检索，孙世然等采用图像信息熵来提取图片的纹理特征，同时利用Gabor滤波器进一步提升了特征准确性，从而改进了检索的准确率[2]。许喆等采用局部哈希的策略对图像特征点进行聚类操作，并利用映射链投票来降低复杂度，提升检索精度[3]。王力采用Hadoop分布式系统采集图像SURF特征,并利用K-Means聚类方法将相似度高的图片进行聚合，提高了处理速度[4]。文献[5]采用多特征融合的图像检索算法，结合全局和局部特征来提升检索的成功率。文献[6]利用颜色直方图和GWLBP结合，实现了图像的良好分类，提升了检索效率。

目前为止，对于图像搜索的研究在变换域中关于纹理特征的利用还不够充分[7]，大多采用固定的参数实现纹理特征的提取[8-12]，本文研究工作将重点放在变换域中的特征提取，并利用自适应的方法动态调整变换域的参数，从而更加适用于更多类型的图片。……