基于区域特征的图像检索技术研究

论文摘要

随着互联网和多媒体技术等技术的不断发展,如何从海量的图像中准确地找到满足用户需求的图像,成为了图像检索领域迫切需要解决的关键问题。本论文研究了基于区域综合特征的图像检索关键技术,主要工作内容和创新性成果如下:（1）提出了一种融合区域信息与边缘检测的图像分割算法。该算法首先将彩色图像转换成灰度图像,利用Otsu阈值分割法对灰度图像进行区域分割,提取图像闭合连通的轮廓及确定出一个最佳的阈值,该阈值作为下一步Canny算子的高门限值。然后,利用Canny算子提取出原灰度图像的边缘图。最后,将获得的区域轮廓图和边缘图按一定的准则进行融合,得到最终分割结果。实验结果表明,该分割算法不仅较好地分割出了目标的各区域,并且过滤掉了大部分不必要的不规则细节边缘点,使得到的轮廓线较清晰。（2）提出了一种基于目标区域综合特征的图像检索方法。该方法利用本文提出的图像分割算法提取可能的目标区域,然后在用户确定的图像目标区域中分别提取36维的颜色特征、4维的纹理特征和7维的形状特征,并进行区域匹配。最后,按照相似度从大从小的顺序将对应的图像显示给用户。实验结果表明,在查准率-查全率上,该方法的性能不仅优于单一特征的方法,而且比基于全局综合特征的图像检索性能更好。（3）开发了一个图像检索系统。本文利用Visual C++6.0构建了一个小型图像检索系统,对文中所提到基于目标区域的图像检索方法进行了验证。

论文目录

• 摘要
• Abstract
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 引言
• 1.2 研究背景及意义
• 1.3 国内外研究现状
• 1.3.1 基于全局特征的图像检索
• 1.3.2 基于区域特征的图像检索
• 1.4 本文的主要研究内容
• 第2章 图像区域分割方法
• 2.1 引言
• 2.2 图像分割的定义
• 2.3 常用图像分割方法
• 2.3.1 基于边缘检测的图像分割法
• 2.3.2 基于区域的图像分割法
• 2.3.3 基于模型驱动的图像分割法
• 2.4 融合区域信息与边缘检测的图像分割算法
• 2.4.1 算法基本思想
• 2.4.2 图像分割过程
• 2.4.3 时间复杂度分析
• 2.4.4 实验结果及分析
• 2.5 小结
• 第3章 图像特征分析及相似性匹配
• 3.1 引言
• 3.2 颜色特征
• 3.2.1 颜色空间
• 3.2.2 颜色特征描述
• 3.3 纹理特征
• 3.3.1 纹理特征描述法分类
• 3.3.2 灰度共生矩阵法
• 3.4 形状特征
• 3.4.1 形状特征描述法分类
• 3.4.2 形状不变矩法
• 3.5 相似性匹配
• 3.5.1 Minkowski 测度
• 3.5.2 直方图相交距离
• 3.5.3 Quadratic 测度
• 3.5.4 Mahalanobis 测度
• 3.6 检索性能评价标准
• 3.7 小结
• 第4章 基于目标区域综合特征的图像检索
• 4.1 引言
• 4.2 确定目标区域
• 4.3 提取目标区域颜色特征
• 4.4 提取目标区域纹理特征
• 4.5 提取目标区域形状特征
• 4.6 特征匹配
• 4.7 实验结果及分析
• 4.7.1 检索结果
• 4.7.2 检索性能比较分析
• 4.8 小结
• 第5章 图像检索原型系统的设计与实现
• 5.1 系统概述
• 5.2 数据库设计
• 5.3 用户界面设计
• 5.4 小结
• 结论
• 参考文献
• 附录A （攻读学位期间所发表的学术论文目录）
• 致谢