基于纹理特征的图像检索方法

论文摘要

随着多媒体技术的发展和应用,图像检索技术成为人们的研究热点。基于内容的图像检索技术是根据图像视觉内容的特征进行相似性匹配而实现的一种检索方法,目前研究较多的是基于图像颜色、纹理、形状、空间位置关系信息等低级的视觉特征进行的检索方法。本文作者针对图像的纹理信息,研究基于频率域的检索方法,提出了一种基于自适应提升小波的纹理图像检索算法,解决了小波域图像检索算法中存在的问题。首先,在获取图像的过程中,由于噪声影响,在图像中产生的很多细微突变,采用传统小波变换,可能会将之误认为是图像本身细节,导致分解后的子带图像不能很好的表征原图像特性。为此,本文算法设计了一个名为梯度幅值描述子的选择子并利用Neville滤波器组对图像进行自适应分解,较好的解决了由于图像噪声造成的对图像的不适当分解的问题,能得到与干净图像基本相同的分解结果,降低所提取特征受噪声的影响程度。其次,图像检索的结果不但要满足人类视觉不变性,还要具有图像的几何不变性。为此,本文算法设计了一个新的名为合成排序梯度直方图的特征向量,该向量能同时满足上述两方面要求。实验证明,本文算法具有良好的缩放、旋转和镜像不变性,检索结果能较好地符合人的视觉感受。最后,设计开发了一套基于纹理特征检索的图像检索系统,其目标是一个实验性的框架系统,主要是作为各种检索算法的测试平台,可以很方便地定制不同的检索算法。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 图像检索发展历程
• 1.2.1 基于文本的图像检索模式及特点
• 1.2.2 基于内容的图像检索模式及特点
• 1.2.3 基于内容的图像检索需要解决的问题
• 1.3 图像检索应用领域
• 1.4 本文研究内容
• 1.5 本文的结构
• 第二章 基于内容的图像检索方法研究现状
• 2.1 引言
• 2.2 空间域图像检索算法
• 2.2.1 基于颜色的图像检索方法
• 2.2.2 基于形状的图像检索算法
• 2.2.3 基于纹理的图像检索方法
• 2.3 频率域图像检索方法
• 2.3.1 常用方法简介
• 2.3.2 频率域图像检索方法优缺点
• 2.4 本章小结
• 第三章 小波分析理论
• 3.1 引言
• 3.2 传统小波变换
• 3.2.1 小波变换和小波函数
• 3.2.2 小波函数性质
• 3.2.3 多分辨分析与Mallat算法
• 3.3 提升小波变换
• 3.4 提升小波与传统小波结果比较
• 3.5 本章小结
• 第四章 基于自适应提升小波的纹理图像检索算法
• 4.1 引言
• 4.2 基于自适应提升小波的图像分解
• 4.2.1 二维提升小波
• 4.2.2 Neville滤波器组
• 4.2.3 自适应提升与GAD选择子
• 4.3 合成排序梯度直方图
• 4.4 相似性度量方法
• 4.4.1 相似性度量方法介绍
• 4.4.2 相似性度量方法比较
• 4.5 本章小结
• 第五章 实验结果及分析
• 5.1 引言
• 5.2 实验系统介绍
• 5.3 性能评价方法
• 5.3.1 用户评价
• 5.3.2 指标评价
• 5.3.3 图表表示
• 5.4 实验结果与性能分析
• 5.4.1 噪声敏感性实验
• 5.4.2 几何不变性实验
• 5.4.3 视觉一致性实验
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 本文工作总结
• 6.2 工作展望
• 附录 A: 本文插图索引
• 参考文献
• 致谢
• 攻读硕士学位期间主要的研究成果