matlab实现图像检索，在用小波变换提取特征后，怎样用B+树实现kmeans聚类，而不用输入k值

Posted 2023-04-27

matlab实现图像检索，在用小波变换提取特征后，怎样用B+树实现kmeans聚类，而不用输入k值，最好有可以实现的代码。谢谢
选用k-means算法，但是规避其需要输入k值的缺点。用B+树对类簇进行，迭代的方式得出聚簇和每个聚簇的中心，B+树的属性值为（聚类中心和图像的距离，图像名称）。

参考技术A 小波特征提取后，直接就可以进行匹配了？？为啥还要

B+树实现kmeans聚类，而不用输入k值
？？？？？？？？？？？？？？？？？？？？？？追问

有一篇文章这么提出的，这样可以提高检索效果吧
《integerating wavelets withclustering and indexing for effective content-based image retrieval》
这是这篇文章，有空可以看一下哦 谢谢

图像隐藏基于小波变换DWT图像水印嵌入提取含各类攻击matlab源码

一、简介

小波变换原理
小波变换是一种信号的时间一尺度(时间一频率)分析方法，一种窗口大小固定不变形状可改变，时间窗和频率窗都可以改变的时频局部化分析方法。它具有多分辨率分析( Multi-resolution Analysis)的特点，且在时频两域都具有表征信号局部特征的能力。
小波分析方法在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辦率和较低的频率分辦率，所以被誉为“数学显微镜”。正是这种特性，使小波变换具有对信号的自适应性。
小波分析被看成调和分析这一数学领域半个世纪以来的工作结晶，已经广泛地应用于信号处理、图像处理、量子场论、地震勘探、语音识别与合成、音乐、雷达、CT成像、彩色复印、流体湍流、天体识别、机器视觉、机械故障诊断与监控、分形以及数字电视等科技领域。
原则上讲，传统上使用傅里叶分析的地方，都可以用小波分析取代。小波分析优于傅里叶变换的地方是在时域和频域同时具有良好的局部化性质。

这样小波变換对不同的频率在时域上的取样步长是调节性的:在低频时，小波变换的时间分辨率较低，而频率分辦率较高；在高频时，小波变换的时间分辨率较高，而類率分辨率较低。这正符合低频信号变化缓慢而高频信号变化迅速的特点。
这便是它优于经典傅里叶变换与短时傅里叶变换的地方。

二、源代码

clear  all
close all
clc;
%%
I = imread('1.png');
% I = double(rgb2gray(I));
% I = im2double(I);
[WS,map,alpha] = imread('水印01.png');  %读取水印图像
W=double(255-alpha);    %alpha 为透明度，此图不透明alpha=0
[mw,nw]=size(W);
W=logical(W);
figure,subplot(121),imshow(I);title('载体图像')
subplot(122),imshow(W);title('水印图像')
%%
ntimes=20;rngseed=59433;
%添加水印
Iw = (setdwtwatermark(I,W,ntimes,rngseed));
 
%计算水印图像的峰值信噪比
mn=numel(I);
Imax=max(I(:));
% psnr=10*log10(mn*double(Imax)^2/sum((im2double(I(:))-im2double(Iw(:))).^2));
peaksnr=psnr(im2uint8(Iw),I);
%提取水印
Wg=getdwtwatermark(Iw,W,ntimes,rngseed);
nc=sum(Wg(:).*W(:))/sqrt(sum(Wg(:).^2))/sqrt(sum(W(:).^2));
figure,subplot(121),imshow(Iw);title('嵌入水印后的载体图像')
subplot(122),imshow(Wg),title(['从载体图像中提取出的水印，NC=',num2str(nc)]);
%%水印攻击实验
function dwtwatermarkattack(action,Iw,W,ntimes,rngseed)
%action;水印攻击类型
%Iw：嵌入水印的图像
%W:原始水印，用来计算相关性
%ntimes,rngseed:水印算法秘钥
%模拟水印攻击
switch lower(action)
    case 'filter'
        Ia=imfilter(Iw,ones(3)/9);
    case 'gaussian noise'
        Ia=imnoise(Iw,'gaussian');
    case 'resize'
        Ia=imresize(Iw,0.5);
        Ia=imresize(Ia,2);
    case 'noise'
        Ia=imnoise(Iw,'salt & pepper',0.01);
    case 'crop'
        Ia=Iw;
        Ia(50:400,50:400,:)=randn();
    case 'rotate'
        Ia=imrotate(Iw,45,'nearest','crop');
        Ia=imrotate(Ia,-45,'nearest','crop');
    case 'motion filter'  %运动模糊
        PSF = fspecial('motion',20,15);
        Ia = imfilter(Iw,PSF,'conv','circular');
    case 'gaussian filter' %高斯模糊       
        G = fspecial('gaussian', [5 5], 2);
        Ia = imfilter(Iw,G,'same');
end
unction Iw =setdwtwatermark(I,W,ntimes,rngseed)
%W水印图像，二值图，且长宽相等
%ntimes:秘钥1，Arnold置乱次数
%rngseed:秘钥2，随机数种子
%Iw:添加了水印后的图像
type=class(I);
% I=double(I);
% IR = I(:,:,1);  IG = I(:,:,2);  IB =( I(:,:,3));
% I=IB;
IHSV=rgb2hsv(I);
IH=IHSV(:,:,1); IS=IHSV(:,:,2); IV=IHSV(:,:,3);
I=IV*255;
[mI,nI]=size(I);
[mW,nW]=size(W);
if mW~=nW
    error('SETDWTWATERMARK:ARNOLD','ARNOLD置乱要求水印图像长宽必须相等！')
end
%%
%对载波图像进行水印分解
[ca1,ch1,cv1,cd1]=dwt2(I,'haar');
[ca2,ch2,cv2,cd2]=dwt2(ca1,'haar');
 
%%
%对水印进行置乱
Wa=W;
H=[1,1;1,2]^ntimes; 
for i=1:nW
    for j=1:nW
        idx=mod(H*[i-1;j-1],nW)+1;
        Wa(idx(1),idx(2))=W(i,j);
    end
end
 
%%
%小波数字水印的嵌入
cd2w=cd2;
rng(rngseed);
idx=randperm(numel(cd2),numel(Wa));%随机打乱一个数字序列
for i=1:numel(Wa)
    c=cd2(idx(i));
    z=mod(c,nW);
    if Wa(i)
        if z<nW/4
            f=c-nW/4-z;
        else
            f=c+nW*3/4-z;
        end
    else 
        if z<nW*3/4
            f=c+nW/4-z;
        else
            f=c+nW*5/4-z;
        end
    end
    cd2w(idx(i))=f;
end

三、运行结果

完整代码添加QQ1575304183