基于内容的图像检索技术研究与嵌入式系统实现

基于内容的图像检索技术研究与嵌入式系统实现

论文摘要

随着多媒体技术及工业视觉的迅速发展,嵌入式的图像信息资源的检索已成为国内外研究的热点。基于各种嵌入式平台建立有效的图像描述和检索机制已成为迫切需要解决的问题,基于内容的图像检索技术应运而生。本文在对基于内容的图像检索技术进行研究分析的基础上,针对国内外现有技术中的不足或局限性,系统而深入地探讨了基于内容的图像检索通用技术中若干重要问题,提出了一套完整的解决方案,并基于嵌入式系统实现,通过大量实验,验证了方案的合理性。本文的研究工作主要有:在图像特征提取方面,详细分析研究了颜色、形状、纹理、空间关系等低层特征和图像语义等高层特征的多种提取方法,并在此基础上提出了若干优化策略:在颜色特征中采取自组织聚类方法优化像素点颜色量化过程,采取加权子块颜色对表法获取像素点空间信息;在基于形状的特征提取中提出了基于模糊C均值聚类分割的HU不变矩法和基于灰度阈值划分的Canny-T算法,并通过实验分析了两种改进分别适用的不同场合。在系统实现方面,实现了一个基于内容图像检索的嵌入式实验系统。该系统实现了基于颜色(颜色直方图、累积直方图)、形状(Sobel、Canny边缘检测下的边缘直方图)特征的经典方法检索以及基于文中的相关改进算法的检索。实验证明,文中的相关改进图像检索方法在一定程度上提高了图像检索的查准率和查全率,具有一定的理论和现实意义。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 研究背景、热点及意义
  • 1.2 技术发展与应用现状
  • 1.3 本文的主要研究工作
  • 1.4 本文的组织结构
  • 第二章 基于内容图像检索相关技术研究
  • 2.1 颜色特征
  • 2.1.1 颜色模型
  • 2.1.2 颜色特征的表达
  • 2.1.3 相似性度量
  • 2.2 形状特征
  • 2.2.1 图像增强、图像分割、图像规格化
  • 2.2.2 形状特征描述
  • 2.2.3 傅立叶描述子
  • 2.2.4 Hu 不变矩
  • 2.3 纹理特征
  • 2.3.1 Tamura 纹理特征
  • 2.3.2 灰度共生矩阵
  • 2.3.3 基于傅立叶变换的纹理特征
  • 2.3.4 基于Gabor 滤波的纹理特征
  • 2.4 空间关系特征
  • 2.5 高层语义特征
  • 2.6 经典图像检索方法的嵌入式应用分析
  • 2.7 经典图像检索中存在的若干不足及改进思路
  • 2.8 本章小结
  • 第三章 基于内容图像检索嵌入式系统实现
  • 3.1 开发环境
  • 3.1.1 搭建硬件开发平台
  • 3.1.2 配置软件开发环境
  • 3.2 系统设计
  • 3.2.1 系统框架
  • 3.2.2 模块功能
  • 3.3 系统流程
  • 3.4 系统部分界面及源码
  • 3.5 系统评价与改进
  • 3.6 本章小结
  • 第四章 基于颜色特征检索技术中存在的若干不足及相关改进
  • 4.1 模糊聚类分析理论基础和模糊C 均值聚类算法
  • 4.1.1 模糊集合
  • 4.1.2 聚类分析
  • 4.1.3 模糊C 均值聚类算法(FCM)
  • 4.2 基于颜色特征图像检索的不足及改进
  • 4.2.1 预处理
  • 4.2.2 聚类类别数初始化
  • 4.2.3 聚类中心初始化
  • 4.2.4 相似性度量
  • 4.2.5 子块直方图颜色对表
  • 4.3 实验结果及分析
  • 4.4 本章小结
  • 第五章 基于形状特征检索技术中存在的若干不足及相关改进
  • 5.1 概述
  • 5.2 基于区域分割的形状特征提取算法改进
  • 5.2.1 模糊C 均值聚类图像分割算法
  • 5.2.2 算法改进
  • 5.2.3 算法相关研究
  • 5.3 基于边缘方向的形状特征提取算法改进
  • 5.3.1 概述
  • 5.3.2 Canny 算子
  • 5.3.3 阈值计算
  • 5.3.4 Canny-T 算法
  • 5.3.5 算法评价
  • 5.4 实验结果及分析
  • 5.5 本章小结
  • 第六章 总结与展望
  • 6.1 总结
  • 6.2 展望
  • 致谢
  • 参考文献
  • 附录1:系统部分原代码
  • 附录2:作者在攻读硕士学位期间发表的论文
  • 相关论文文献

    • [1].基于内容语义的医学图像检索综述[J]. 科技视界 2020(04)
    • [2].基于多示例学习的图像检索方法[J]. 网络安全技术与应用 2019(04)
    • [3].基于机器学习的大规模船舶图像检索机制[J]. 舰船科学技术 2019(18)
    • [4].基于大数据的图像检索关键技术[J]. 电子技术与软件工程 2018(09)
    • [5].个性化图像检索和推荐[J]. 北京邮电大学学报 2017(03)
    • [6].特定区域的舰船图像检索研究[J]. 舰船科学技术 2020(12)
    • [7].基于深度学习的青藏高原畜牧业多目标动物图像检索研究[J]. 软件 2020(07)
    • [8].基于图像场景和语义信息的图像检索[J]. 中国高新科技 2018(01)
    • [9].基于深度学习与拓展查询的商标图像检索方法[J]. 网络新媒体技术 2018(01)
    • [10].分组排序多特征融合的图像检索方法[J]. 计算机研究与发展 2017(05)
    • [11].基于自反馈的动态权值图像检索方法[J]. 沈阳航空航天大学学报 2013(06)
    • [12].以计算机为基础的色彩图像检索方法与研究[J]. 计算机光盘软件与应用 2013(12)
    • [13].基于颜色特征与纹理特征的图像检索[J]. 硅谷 2012(06)
    • [14].基于盲取证的医学图像检索及语义表达研究综述[J]. 电脑知识与技术 2012(22)
    • [15].网络图像检索行为与心理研究[J]. 中国图书馆学报 2011(05)
    • [16].基于遗传算法的图像检索中特征权重自动调整[J]. 计算机工程与应用 2008(02)
    • [17].图像检索研究进展[J]. 南京工业职业技术学院学报 2008(02)
    • [18].基于兴趣点局部分布特征的图像检索研究[J]. 微型电脑应用 2019(12)
    • [19].基于内容的医学图像检索研究进展[J]. 激光与光电子学进展 2020(06)
    • [20].海量图像检索系统关键技术研究[J]. 信息与电脑(理论版) 2020(14)
    • [21].基于内容的医学图像检索综述[J]. 信息与电脑(理论版) 2020(15)
    • [22].基于内容的医学图像检索方法综述[J]. 重庆理工大学学报(自然科学) 2018(12)
    • [23].全局和局部特征的图像检索(英文)[J]. Journal of Central South University 2018(02)
    • [24].反馈机制的大规模舰船图像检索[J]. 舰船科学技术 2018(08)
    • [25].基于改进特征的图像检索方法研究[J]. 西北工业大学学报 2018(04)
    • [26].基于多图学习的情感图像检索研究[J]. 大连民族大学学报 2016(05)
    • [27].大数据分析技术在海量激光图像检索中的应用[J]. 数码世界 2020(01)
    • [28].基于移动Agent的图像检索[J]. 数码世界 2018(09)
    • [29].基于轻量级神经网络的服装图像检索[J]. 科学技术创新 2020(31)
    • [30].基于半监督学习的一种图像检索方法[J]. 计算机应用研究 2013(07)

    标签:;  ;  ;  ;  

    基于内容的图像检索技术研究与嵌入式系统实现
    下载Doc文档

    猜你喜欢