基于底层特征的图像检索

论文摘要

随着计算机科学技术的发展、Internet的应用普及以及多媒体数据库的迅速增加,我们拥有了海量的数字图像和视频信息。为了有效的管理和检索这些信息,基于内容的图像检索（Content-Based Image Retrieval）即基于底层特征的图像检索技术应运而生,并成为图像领域研究的热点问题之一。本论文围绕基于内容图像检索中的一些关键技术,进行了深入的研究,主要内容包括:（1）本文提出了一种基于图像彩色边缘块划分的检索方法。首先,利用CANNY算子对24位真彩色图像进行边缘提取,进而对处理后图像网状分区,然后在每个网格中进行颜色和纹理直方图特征的提取。仿真实验表明,该方法可以很好的描述图像中感兴趣区域的颜色和纹理特征,使检索的查全率和查准率都有所提高。（2）本文以性能优越的回归型支持向量机（SVR）理论为基础,结合重要的图像边缘信息,提出了一种鲁棒的多特征彩色图像检索新方法。该方法首先利用回归型支持向量机（SVR）理论,对原始图像进行去噪处理及彩色边缘提取;然后将整个彩色边缘划分成局部网格区域,并分别计算出每个网格区域的颜色直方图和纹理直方图;最后综合利用上述网格区域的颜色直方图和纹理直方图计算图像间内容的相似度,并进行彩色图像检索。实验结果表明,该方法不仅能够准确、快速的检索出用户所需图像,尤其对噪声图像效果特别明显。（3）本文以性能优越的伪Zernike矩理论为基础,结合重要的图像颜色信息,提出了一种结合伪Zernike矩与颜色特征的图像检索方法。实验结果表明,该方法不仅能够准确、快速的检索出用户所需图像,而且对光照、锐化、模糊等噪声攻击均具有较好的鲁棒性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 基于内容的图像检索技术所面临的挑战
• 1.2.1 图像检索的表达
• 1.2.2 图像特征的提取
• 1.2.3 图像索引的组织
• 1.2.4 图像特征的相似性度量
• 1.3 基于内容的图像检索技术应用领域
• 1.4 基于内容的图像检索技术的发展情况
• 1.5 本文的研究内容
• 第二章 基于内容的图像检索关键技术
• 2.1 引言
• 2.2 颜色模型的选择
• 2.2.1 RGB 颜色模型
• 2.2.2 HSV 颜色模型
• 2.2.3 YUV 颜色模型
• 2.2.4 CIE1976L*A*B*颜色模型
• 2.3 图像特征的提取
• 2.3.1 颜色特征的提取
• 2.3.2 形状特征的提取
• 2.3.3 纹理特征的提取
• 2.4 图像相似性度量
• 2.4.1 欧式距离
• 2.4.2 直方图相交距离
• 2.4.3 二次式距离
• 2.5 检索性能的评价
• 2.5.1 查全率和查准率
• 2.5.2 排序评价方法
• 2.5.3 标准查准率与查全率
• 第三章 一种基于彩色边缘块划分的图像检索方法
• 3.1 引言
• 3.2 图像预处理及相关原理
• 3.2.1 边缘检测
• 3.2.2 图像的网状分块
• 3.2.3 颜色空间及量化
• 3.3 检索算法
• 3.3.1 特征的提取
• 3.3.2 相似性的度量
• 3.3.3 算法流程
• 3.4 实验结果和分析
• 3.5 结束语
• 第四章 一种鲁棒的多特征彩色图像检索新方法
• 4.1 引言
• 4.2 回归型支持向量机（SVR）简介
• 4.3 基于SVR 的图像去噪与彩色边缘提取
• 4.3.1 基于SVR 的图像去噪
• 4.3.2 基于SVM 的彩色边缘提取
• 4.4 彩色边缘的网格划分
• 4.5 多特征彩色图像检索
• 4.5.1 彩色图像的量化处理
• 4.5.2 特征的提取
• 4.5.3 相似性的度量
• 4.6 仿真实验与结论
• 第五章 结合伪 Zernike 矩与颜色特征的图像检索方法
• 5.1 引言
• 5.2 伪Zernike 矩介绍
• 5.2.1 伪Zernike 矩的计算
• 5.2.2 伪Zernike 矩的性质
• 5.2.3 伪Zernike 矩的特点
• 5.2.4 伪Zernike 矩的不变性分析
• 5.3 伪Zernike 矩的提取
• 5.4 颜色特征的提取
• 5.4.1 颜色空间的选择及量化
• 5.4.2 分块颜色矩的提取
• 5.5 相似性度量
• 5.6 算法流程
• 5.7 仿真实验分析
• 5.8 结论
• 第六章 总结与展望
• 6.1 已完成工作与创新点
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文及科研