基于显著度抠像的图像检索研究与实现

论文摘要

随着Internet网络以及多媒体技术的蓬勃发展,信息爆炸也成为人们越来越需要解决的问题,互联网上每天都会产生大量的多媒体信息、。虽然文本检索取得了一些令人满意的成果,但是对于图像的检索仍然存在很大的挑战性,于是基于内容的图像检索成为国内外研究的热点,如何建立高效准确的图像检索系统成为迫切需要解决的问题。抠像技术是一种把图像中的前景物体和背景想分离的技术,被广泛的应用于图像处理以及电影和电视的合成领域。传统的图像抠像方法都需要一定的人工参与,通过涂抹或者是颜色的选择为精确的抠像提供帮助。显著度用来表示一幅图像中的某个像素点吸引人的注意力的程度,用一定的数值量化到一幅图像中便就构成了显著度图,数值较大的区域就是显著区域,数值较小的区域是背景区域。一般在人的视野当中,变化较快较迅速的区域吸引人的注意的可能性也会较大。基本上所有的显著度图提取算法都是基于这样一种假设来设计的,在灰度图中,变化较为剧烈的区域会被赋予较大的显著度值,变化较为平缓的区域会被赋予较小的显著度值,于是就形成了显著度图。本文设计了种算法,利用显著度信息、作为辅助条件,实现了非监督的图像抠像,该算法结果优于其他的非监督的图像抠像算法,和监督的抠像算法的结果相当。在基于内容的图像检索领域,人们的研究重点集中在如何提取出一种对图像放缩、旋转具有不变形的高区分度的底层特征,并取得了丰硕的成果,如sift以及gist在基于内容的图像检索中都得到了广泛的应用。基于sift特征,本文利用词袋模型进行聚类和降维,很大程度的减小了各特征间的相关性,提高了图像匹配的速度和准确度。通过抠像处理,本文可以提取图像中的前景物体的精确空间位置信息,利用空间位置信息以及sift特征,计算出一副图像的全局特征描述符,用于图像之间的匹配和检索。实验表明,本算法在面向对象的图像检索中,有明显的识别率提升。基于本文算法,设计并实现了一个综合颜色、纹理以及轮廓特征的多特征综合的图像检索系统,该系统在实现了图像的导入、浏览以及相册管理等基本功能外,还实现了基于颜色、轮廓以及纹理的单特征检索和这些特征任意组合的多特征综合检索。通过设置相似度的值,可以动态的调整检索结果中的图像个数。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.3 本文组织结构
• 2 基于内容的图像检索基础知识
• 2.1 视觉特征
• 2.1.1 颜色特征
• 2.1.2 轮廓
• 2.1.3 纹理
• 2.2 降维算法
• 2.2.1 卡洛变换
• 2.2.2 聚类
• 2.3 相似性度量
• 2.3.1 欧拉距离
• 2.3.2 直方图交
• 2.3.3 马氏距离
• 3 基于抠像的图像检索技术
• 3.1 生理学理论基础
• 3.1.1 视觉的形成
• 3.1.2 黄斑
• 3.1.3 视觉信息处理模型
• 3.2 显著度的提取
• 3.2.1 显著度及基本提取方法
• 3.2.2 本文显著度提取算法
• 3.2.3 显著度图的块融合与过滤
• 3.2.4 连通区域
• 3.2.5 块过滤与融合
• 3.3 利用显著度图抠像
• 3.3.1 抠像层次预测
• 3.3.2 抠像
• 3.3.3 相关实验
• 3.4 抠橡技术在图像检索中的应用
• 3.4.1 图像特征的提取
• 3.4.2 SVM向量机分类
• 3.4.3 相关实验
• 4 基于内容的图像检索平台的设计与开发
• 4.1 平台开发环境
• 4.2 平台详细设计
• 4.2.1 平台架构
• 4.2.2 数据库存储模块
• 4.2.3 图像管理模块
• 4.2.4 图像浏览模块
• 4.2.5 特征提取模块
• 4.2.6 图像导入模块
• 4.3 图像检索模块的实现
• 4.3.1 基于内容的图像检索可扩展接口
• 4.3.2 单特征图像检索
• 4.3.3 多特征综合检索
• 4.3.4 本文算法的系统实现
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢