基于区域模糊特征的图像检索研究和实现

论文摘要

随着计算机技术、多媒体技术的迅速发展以及Internet 的不断扩大,图像信息变得越来越丰富,如何快速地找到需要的图像成为亟待解决的问题。基于内容的图像检索技术旨在搜索出满足人们主观要求的图像,因此得到了广泛研究。模糊集理论能够促进基于内容的图像检索技术发展,使图像检索技术脱离精确的计算,更符合人类的模糊思维。论文着眼于这一点,讨论了融合模糊集理论的图像检索技术,分析比较了模糊聚类算法FCM 和人工免疫网络aiNet 聚类方法各自的特性,最后提出了基于区域模糊特征的图像检索的改进方法,使原有方法在速度和命中准确率上都得到提高,实现的系统也证实了这一点。论文主要作了以下工作: ¨¨系统地总结了基于内容图像检索的几方面关键技术,包括:低层视觉特征的提取算法、图像特征数据库的索引机制、相似性度量方法、图像检索查询方式、相关性反馈技术和图像检索算法性能的评价策略。¨¨讨论了这几种模糊特征提取技术:简单的颜色模糊直方图、基于颜色隶属模型的直方图、颜色和纹理综合模糊直方图方法、模糊形状表达技术。¨¨分析比较了模糊C 均值聚类算法FCM 和人工免疫网络aiNet 聚类算法的特性,通过它们对相对集中数据、稀疏分散数据、环状和螺旋分布数据聚类来进行比较,得到当遇到潜在的类或簇背离超球面结构时,FCM 算法表现不佳,而aiNet 可以很好的发现数据的内在特征,减少数据中的冗余、描述数据结构和聚类形状,表现良好的适应性。¨¨提出并且实现了基于区域模糊特征的图像检索的改进方法。有三点改进:采用量化再累计的方法来减少参与聚类运算的数据,而不影响聚类结果;使用边界矩来表征区域的形状特征;使用邻接表表征区域空间分布特征。实验表明,改进方法在速度和命中准确率上都得到提高。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.1.1 图像检索发展的两个阶段
• 1.1.2 基于内容的图像检索的应用
• 1.1.3 研究的着眼点及意义
• 1.2 国内外研究概况
• 1.3 主要研究内容及组织
• 第二章 基于内容的图像检索技术
• 2.1 图像特征提取技术
• 2.1.1 颜色特征
• 2.1.2 纹理特征
• 2.1.3 形状特征
• 2.2 特征索引技术
• 2.3 相似度度量
• 2.4 用户查询和浏览接口
• 2.5 相关性反馈
• 2.6 图像检索算法的评价策略
• 2.7 本章小结
• 第三章 基于内容图像检索的模糊集理论融
• 3.1 模糊集理论
• 3.2 模糊特征
• 3.2.1 模糊直方图
• 3.2.2 模糊形状特征
• 3.3 模糊特征相似性度量
• 3.3.1 基于距离（Metric-based）的度量方法
• 3.3.2 基于集合理论（Set theoretic）的度量方法
• 3.3.3 基于贴近度（Closeness degree）的度量方法
• 3.3.4 其他
• 3.4 模糊聚类
• 3.4.1 模糊C 均值聚类算法（FCM）
• 3.4.2 人工免疫网络数据聚类算法
• 3.4.3 FCM 与aiNet 方法比较
• 3.4.4 实验与结论
• 3.5 本章小结
• 第四章 基于区域模糊特征的图像检索研究和实现
• 4.1 基于区域模糊特征的图像检索
• 4.1.1 图像分割及特征提取
• 4.1.2 区域特征模糊化
• 4.1.3 相似性度量
• 4.2 算法改进
• 4.2.1 运算数据量的减少及FCM 算法的改进
• 4.2.2 形状特征的提取
• 4.2.3 区域空间分布特征的邻接表表示
• 4.3 系统实现
• 4.3.1 整体框架及主要模块算法
• 4.3.2 运行环境简介
• 4.3.3 算法效果分析
• 4.4 本章小结
• 结论及进一步的工作
• 致谢
• 参考文献
• 附录 A（攻读学位期间发表论文及参加项目目录）
• 附录 B（部分源代码）