基于内容图像数据库检索中的关键技术研究

论文摘要

随着互联网的快速发展及各种数字化设备的普及,现代社会中的多媒体信息的数量在迅猛增长,多媒体信息管理的研究得到了越来越多的关注。图像数据库系统在多媒体信息管理的研究中占有特别重要的地位,因为图像不仅是视频的基础,而且图像数据库技术可广泛应用于:多媒体信息系统、数字图书馆、数字博物馆、医学、地理信息数据库、电影工业、视频点播、公共安全及国防等众多领域。因此,如何有效、快速地从大规模图像数据库中检索出所需的图像是目前一个相当重要又具有挑战性的研究课题。基于内容的图像检索技术研究正是为了解决如何有效地从图像数据库中检索出相关图像的问题。近年来,此项技术已成为国内外广泛关注的研究热点。本文主要围绕基于内容图像库检索中图像特征的提取这一关键技术展开研究,系统地探讨了图像底层视觉特征的提取技术,覆盖的内容主要包括图像的颜色特征、形状特征、纹理特征以及颜色的空间分布特征。研究的内容属于目前图像处理和信息检索领域的研究重点,具有相当的理论意义和实际应用价值。本文的主要研究成果总结如下:1.深入分析和研究了基于内容图像检索领域的一些关键技术,如:颜色、形状和纹理等底层图像特征、图像特征间的相似性度量准则、图像数据库的索引机制以及图像检索算法的评价方法等。并且,通过在同一测试环境下的实验,对一些经典算法进行了比较。2.提出了一种基于显著兴趣点颜色及空间分布的图像检索算法。此算法首先使用自适应滤波器对图像进行平滑,然后使用经典的兴趣点检测算法发现兴趣点。由于自适应滤波器具有平滑细节,增强边缘的功能,因此,这种方法能使兴趣点大多存在于图像的显著边缘上。接着设计了一种基于显著兴趣点的环形颜色直方图,它不但利用了兴趣点周围区域的颜色来代表图像的特征,而且考虑了显著兴趣点的空间分布结构。这样,一方面使图像的形状特征与其周围区域的颜色特征有机地结合起来,另一方面又可使颜色产生空间分布信息。图像的相似性度量就是基于这种特征进行的,实验结果表明,这种算法比文献中的经典算法更加有效。3.为了克服传统角检测器在发现兴趣点时不能完全描述图像全局视觉感兴趣的特征的缺点,提出了一种基于小波突出点的图像检索算法。基本思想是把小波突出点作为图像中用户关注的视点线索,通过它们找到视觉重要的全局区域,利用全局区域的颜色特征及空间分布进行图像检索。该方法具

论文目录

• 第一章 绪论
• 1.1 课题的背景与研究意义
• 1.2 国内外研究热点与现状
• 1.3 经典CBIR 系统介绍
• 1.4 本文研究的主要内容
• 1.5 本文主要的研究成果
• 第二章 基于内容图像检索的预备知识与关键技术
• 2.1 概述
• 2.2 颜色视觉
• 2.2.1 颜色基础
• 2.2.2 颜色模型
• 2.2.2.1 RGB 模型
• 2.2.2.2 HSI 模型
• 2.2.2.3 HSV 模型
• 2.2.2.4 CIEL*a*b*和CIEL*u*v*模型
• 2.3 图像检索中常用的底层视觉特征描述方法
• 2.3.1 颜色特征
• 2.3.1.1 全局颜色特征
• 2.3.1.2 空间颜色特征
• 2.3.2 纹理特征
• 2.3.2.1 Tamura 纹理特征
• 2.3.2.2 自回归纹理特征
• 2.3.2.3 小波变换
• 2.3.2.4 其它纹理特征
• 2.3.3 形状特征
• 2.3.3.1 傅立叶形状描述符
• 2.3.3.2 形状无关矩
• 2.3.3.3 基于内角的形状特征
• 2.3.3.4 其它形状特征
• 2.4 图像检索中常用的相似性度量方法
• 2.4.1 视觉相似性模型
• 2.4.2 距离度量模型
• 2.5 图像数据库的索引机制
• 2.5.1 传统的高维索引技术
• 2.5.2 三角不等式索引
• 2.5.3 基于自组织特征影射网（SOM）的索引
• 2.6 图像检索算法的评价准则
• 2.6.1 查准率和查全率
• 2.6.2 命中准确率
• 2.6.3 排序值评测法
• 2.6.4 ANMRR
• 2.7 小结
• 第三章 基于显著兴趣点颜色及空间分布的图像检索方法
• 3.1 概述
• 3.2 相关工作
• 3.3 本章算法的主要思想和创新点
• 3.4 本章算法的详细介绍
• 3.4.1 自适应平滑滤波器和显著兴趣点的提取
• 3.4.2 基于显著兴趣点的环形颜色直方图的抽取
• 3.4.3 相似性度量准则
• 3.4.4 模拟实验结果
• 3.5 小结
• 第四章 基于小波突出点的图像检索方法
• 4.1 概述
• 4.2 相关工作
• 4.3 本章算法的主要思想和创新点
• 4.4 本章算法的详细介绍
• 4.4.1 小波突出点的提取
• 4.4.1.1 小波变换
• 4.4.1.2 小波突出点的提取
• 4.4.2 基于小波突出点的颜色特征描述
• 4.4.2.1 颜色量化
• 4.4.2.2 基于小波突出点的环形颜色直方图的设计
• 4.4.3 相似性度量准则
• 4.4.4 模拟实验结果
• 4.5 小结
• 第五章 基于显著封闭边界的图像检索方法
• 5.1 概述
• 5.2 相关工作
• 5.3 本章算法的基本思想和流程
• 5.4 本章算法的详细介绍
• 5.4.1 边缘检测
• 5.4.2 碎片的构建和边缘权重及长度的计算
• 5.4.2.1 碎片的预处理
• 5.4.2.2 检测碎片的平滑
• 5.4.2.3 缝隙的填充
• 5.4.3 显著封闭边界的提取
• 5.4.3.1 显著封闭边界的表示
• 5.4.3.2 边缘比算法
• 5.4.4 显著封闭边界的特征描述
• 5.4.5 距离度量与相似性检索
• 5.4.5.1 显著封闭边界的直方图距离
• 5.4.4.2 基于角度直方图和幅度直方图的联合检索
• 5.4.6 模拟实验结果
• 5.5 小结
• 第六章 基于小波纹理信息分布熵的图像检索方法
• 6.1 概述
• 6.2 相关工作
• 6.3 本章算法的基本思路和流程
• 6.4 本章算法的具体实现技术
• 6.4.1 图像的离散小波变换
• 6.4.2 图像的小波信息熵表示
• 6.4.3 图像的小波纹理信息分布熵的抽取算法
• 6.4.4 相似性度量
• 6.4.5 模拟实验结果与分析
• 6.4.5.1 计算复杂性分析
• 6.4.5.2 检索性能分析
• 6.5 小结
• 第七章 总结与展望
• 7.1 本文的主要研究成果
• 7.2 后续工作与展望
• 参考文献
• 致谢
• 攻博期间的研究论文和参加的科研项目