基于内容图像检索系统的研究

论文摘要

基于内容的图像检索已经随着多媒体技术的发展，在人们的日常生活中和图像研究中占据重要的地位，它解决了传统基于文本检索的耗对、信息描述不准确、对图像描述工作量大等问题，是多媒体技术中重要的研究课题。但由于图像数据本身的庞大，且随着图像数据的急剧增加，如何快速、有效的从图像数据库中找到相关内容，已成为CBIR技术发展的关键性问题。另外，图像自身的颜色、纹理、形状和空间关系等视觉特征是图像的底层特征，与用户所关心的语义特征即高层特征间难以建立确定的函数关系，检索结果难以令人满意。 本文在小波压缩域进行图像检索，利尾小波压缩域图像检索的聚类特性，采用基于聚类的用户反馈方法，找出统计意义上的底层特征和图像语义的高层意义概念间的联系，使检索结果更好的接近语义层次的要求。记忆过程的建立，充分利用了先验知识，将图片按用户对内容理解归类，缩小了检索范围，简化了检索过程，使检索性能随着检索次数的增加而提高。此外记忆过程还综合了图像三个特征空间的特征值，弥补了各个特征空间描述图像内容的不足，进一步提高检索查全率和有效率，使系统在一轮查询中获得最佳检索结果。三层体系结构图像数据库的建立，通过图像信息表和图像特征表间的关联，实现低维数据代替高维数据的传输、计算和存储。

论文目录

• 第一章 绪论
• 1.1 本课题的研究意义
• 1.2 国内外研究现状
• 1.3 本文的主要研究内容
• 第二章 图像的小波压缩与检索技术
• 2.1 图像的小波压缩
• 2.2 特征提取方法
• 2.2.1 颜色特征提取方法
• 2.2.2 纹理特征提取方法
• 2.2.3 形状特征提取方法
• 2.3 欧式距离判别函数
• 2.4 用户反馈
• 2.5 记忆过程
• 第三章 基于小波压缩、用户反馈和自记忆的图像检索系统
• 3.1 系统设计思想
• 3.2 系统设计
• 3.2.1 系统框架
• 3.2.2 数据流程
• 3.2.3 数据库框架
• 3.3 系统实现
• 3.3.1 小波压缩
• 3.3.2 特征提取
• 3.3.3 欧式距离判别函数计算图片相似度
• 3.3.4 基于聚类的用户反馈
• 3.3.5 系统记忆学习过程
• 第四章 实验及分析
• 4.1 实验介绍
• 4.2 设定窗口值与基于聚类用户反馈检索方法的实验与分析
• 4.3 在小波压缩数据域和原始图像数据域的实验与分析
• 4.4 带记忆过程和无记忆过程的检索系统实验与分析
• 4.5 利用记忆学习综合多种特征值进行检索
• 结论
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录