降维方法在图像检索中的应用

论文摘要

随着信息技术的不断发展,图像数据呈现出几何级数的增长趋势。那么如何从海量的多媒体数据库中按照内容检索到用户真正需要的数据就成为一个热点问题。目前,基于内容的图像检索(CBIR)技术研究正是这一研究领域的一个研究方向。本文以基于内容的图像检索技术为基础,重点讨论了图像低层特征的提取,将p层四叉树的图像分块策略和非线性降维方法—LLE方法应用于图像特征的提取之中,提出了一种新的基于区域的图像特征提取方法。本方法在提取图像颜色特征的同时还充分考虑了图像的空间信息,并且通过LLE方法降维后,新方法所提取的特征向量具有更好的检索性能。具体工作如下：1、对图像库中的每幅图像按照p层四叉树的分块策略进行划分,然后对每个分块计算其自身的低阶颜色矩和阈值作为分块的图像特征,综合每个分块的特征从而得到图像的总体特征描述。2、针对上述所提取的图像特征维数高的缺点给出了相应的改进方法,新的方法将LLE降维方法应用于图像特征的降维之中,有效的降低了数据的存储空间及运算复杂度。3、对新设计的方法做了数值实验。结果表明,本文提出的算法具有较好的检索性能,与理论研究目标基本保持一致。

论文目录

• 中文摘要
• Abstract（英文摘要）
• 第一章 绪论
• §1.1 研究背景
• §1.2 国内外研究现状
• §1.3 研究意义
• §1.4 本文主要工作和组织安排
• 第二章 特征提取
• §2.1 颜色空间及其量化
• §2.1.1 RGB颜色空间
• §2.1.2 HSV颜色空间
• §2.1.3 HSV颜色空间的量化
• §2.2 图像的特征
• §2.2.1 颜色特征
• §2.2.2 颜色矩
• §2.3 图像的阈值
• §2.4 特征提取
• 第三章 数据降维
• §3.1 降维的定义
• §3.2 降维的方法
• §3.3 本征维数
• §3.4 局部线性嵌入（LLE）法
• §3.5 参数选取
• 第四章 特征匹配
• §4.1 计量定理
• §4.2 常用的匹配算法
• §4.3 特征向量归一化
• §4.3.1 高斯内部归一化
• 第五章 系统设计与实验结果分析
• §5.1 系统设计
• §5.1.1 实验结果分析
• 第六章 展望
• 参考文献
• 攻读硕士学位期间取得的学术成果
• 致谢