周培斌

（山西医科大学第一医院，山西太原030001）

网络多媒体环境中复杂图像的采集易受网络环境干扰而产生椒盐噪声影响图像质量，因此需要对这类图像进行模板匹配[1]。以往多维像素特征分布重构模型的构建利用模板匹配方式，使用这种方法无法提取椒盐噪声干扰图像的纹理特征，存在运算量大、图像内容不能区分以及匹配率低的问题[2]。

为解决以上问题，提出基于纹理特征的网络多媒体图像模板匹配方法。

1 图像纹理特征分割与提取

使用小波多尺度滤波方法进行椒盐噪声干扰图像特征匹配，首先计算采样信息长度，计算公式为：

式（1）中，c表示网络多媒体图像的边缘轮廓特征量；x表示椒盐噪声干扰图像轮廓像素集；d(xi,xj)表示多媒体图像序列；k1、k2分别表示图像关键特征点和像素特征点[3-5]。

依据椒盐噪声干扰图像纹理特征，分割相邻节点的图像特征，获取轮廓线，该轮廓线的计算公式如式（2）所示。

式（2）中，,…,表示受到椒盐噪声干扰的图像像素参数；λj表示离散像素序列；σi表示受到椒盐噪声干扰的图像纹理均值；z表示图像标准偏差[6-7]。依据该轮廓线，完成图像纹理特征分割[8]。

以椒盐噪声干扰下的图像为研究对象，使用基于模板匹配的椒盐噪声干扰图像自动分割方法[9]，通过对椒盐噪声干扰图像的边缘轮廓特征量的初始化，提取图像特征点。

结合边缘轮廓特征和椒盐噪声干扰图像纹理特征，可获取干扰图像轮廓线，该轮廓线的计算公式如式（3）所示。……