基于视觉感知特性的图像检索研究

论文题目: 基于视觉感知特性的图像检索研究

论文类型: 博士论文

论文专业: 模式识别与智能系统

作者: 沈云涛

导师: 郭雷

关键词: 基于内容的图像检索,感知特性,颜色量化,颜色关注度函数,强边缘块,多尺度,自适应阈值,动态感知因子,模糊隶属度,相似度量

文献来源: 西北工业大学

发表年度: 2005

论文摘要: 随着多媒体采集技术、处理技术以及互联网技术的飞速进步，产生了海量的共享性图像／视频等多媒体数据，在许多领域中都出现了大型图像数据库。如何有效地、快速地从大规模图像数据库中检索出用户需求的图像成为了一个富有挑战且亟待解决的课题。基于内容的图像检索技术(Content-Based Image Retrieval CBIR)应运而生，受到了日益广泛的关注，成为了一个异常活跃的研究领域。 CBIR系统以图像为处理对象，采用计算机、多媒体等技术模仿主观视觉的相似评价过程的模式识别系统。目前，人们对视觉系统识别机制的理解还不够深入；所以，CBIR系统的各个环节都应该尽可能充分地反映人类视觉感知的特点，从而实现整体系统性能的进一步提升。 本文较为深入地研究了基于内容图像检索领域的多项技术；重点研究基于视觉感知特性的CBIR技术，具体工作在量化、底层特征提取和相似度量设计三个方向展开。 本文的主要贡献总结如下： 1．提出了利用彩色-灰度分界曲线的HSV空间量化算法 HSV空间中颜色分布的规律性不强，一般算法采用标量量化的方法，该方法在低饱和度和低亮度区域会出现较多量化误差。针对这一问题，本文依据视觉系统对于颜色感知的特点，总结出HSV空间中颜色分布的规律性；提出采用彩色-狄度分界曲线把HSV空间分割成彩色和灰度两个子空间并分别提取特征的方法，避免／降低了上述的量化错误。具体为：首先，对亮度-饱和度平面进行网格化处理，将网格点的坐标转换至视觉一致的L~*a~*b~*空间，并采用差分求解区域极值的方法确定彩色-灰度分界曲线上的一组点；然后，利用最小二乘法完成曲线函数的拟合；最后，给出了基于该曲线函数的量化算法。彩色-灰度曲线函数的独立性很强，可以与其它量化方法配合使用。 2．提出了一种反映颜色关注度的特征提取算法 根据视觉生理学、心理学的理论和模型，阐明了视觉系统对不同颜色显示出不同的关注程度，指出：用颜色所占的图像面积比重来确定其特征

论文目录:

摘要

Abstract

第一章 绪论

1.1 图像检索的应用和技术背景

1.2 图像检索的发展阶段

1.2.1 基于关键词的图像检索

1.2.2 基于内容的图像检索

1.3 国内外的研究现状

1.3.1 科研成果和研究机构

1.3.2 相关标准

1.3.3 研究热点

1.4 研究内容及创新点

1.4.1 主要研究内容和结构安排

1.4.2 论文的创新点

第二章 CBIR的基本知识及关键技术

2.1 图像检索系统的基本知识

2.1.1 CBIR系统的基本框图

2.1.2 图像检索系统的分类

2.1.3 图像检索系统的应用

2.1.4 常见查询方式

2.1.5 典型的图像检索系统

2.2 CBIR关键技术概述

2.3 底层特征

2.3.1 颜色特征

2.3.2 纹理特征

2.3.3 形状特征

2.4 相似度量

2.4.1 常用度量方法

2.4.2 视觉相似性

2.5 相关反馈

2.6 索引机制

2.7 性能评估

2.8 小结

第三章 利用视觉特性的HSV空间量化

3.1 颜色量化技术

3.1.1 概述

3.1.2 相关研究

3.2 颜色空间

3.2.1 颜色空间的分类

3.2.2 HSV颜色空间

3.2.3 L~*a~*b~*颜色空间

3.3 本章算法的核心思想

3.4 基于彩色-灰度分界曲线的量化算法

3.4.1 HSV空间的颜色分布

3.4.2 彩色-灰度分界曲线函数

3.4.3 量化方案

3.5 实验

3.5.1 数据准备

3.5.2 实验结果与讨论

3.6 小结

第四章 反映颜色关注度的底层特征

4.1 反映感知特性的底层特征

4.1.1 CBIR中的感知特性

4.1.2 底层特征的限制

4.1.3 底层特征的感知特性

4.2 颜色感知理论及结论

4.2.1 灰度视觉及结论

4.2.2 彩色视觉及结论

4.3 本章算法的核心思想

4.4 颜色关注度

4.4.1 亮度关注度增量函数

4.4.2 色度关注度增量函数

4.4.3 颜色关注度函数

4.5 基于颜色关注度的底层特征

4.5.1 预处理

4.5.2 基于颜色关注度的直方图

4.6 实验

4.6.1 数据准备

4.6.2 实验结果

4.6.3 讨论

4.7 小结

第五章 基于强边缘块特征的时域多分辨率视频分割算法

5.1 相关研究及本章算法的核心思想

5.1.1 相关研究

5.1.2 本章算法的核心思想

5.2 基于强边缘块的底层特征

5.3 多分辨率自适应的镜头分割

5.3.1 多分辨率算法流程

5.3.2 镜头位置分析

5.3.3 最优尺度

5.3.4 自适应阈值

5.4 实验

5.4.1 数据准备

5.4.2 实验结果与讨论

5.5 小结

第六章 反映感知特性的动态相似度量

6.1 相似度量的基本特点

6.2 相关研究与本章算法的核心思想

6.2.1 广义和狭义的相似度量

6.2.2 相关研究

6.2.3 本章算法的核心思想

6.3 基于动态感知因子的相似度量

6.3.1 Minkowski距离的缺陷分析

6.3.2 动态感知因子和度量算法

6.4 本章算法的优化方案

6.4.1 优化方案Ⅰ

6.4.2 优化方案Ⅱ

6.5 实验

6.5.1 数据准备

6.5.2 实验结果

6.5.3 讨论

6.6 小结

参考文献

攻读博士期间取得的科研成果

致谢语

发布时间: 2007-03-29

参考文献

• [1].面向视觉感知理解的目标检测、跟踪与识别方法研究[D]. 赵黎明.浙江大学2018
• [2].基于视觉感知的裸眼三维计算显示技术研究[D]. 王鹏.北京邮电大学2018
• [3].3D显示视觉感知特性研究[D]. 张地.北京邮电大学2017
• [4].视觉感知计算模型若干问题的研究及其应用[D]. 于江波.北京交通大学2007
• [5].生物视觉感知启发下的目标检测与识别技术研究[D]. 李彦胜.华中科技大学2015
• [6].基于视觉感知的图像处理方法研究[D]. 向遥.中南大学2011
• [7].视觉感知启发的对象发现关键技术研究[D]. 马钟.西北工业大学2015
• [8].照明对物体表面纹理的视觉感知影响的研究[D]. 王会会.浙江大学2017
• [9].基于生物视觉感知机制的图像理解技术研究[D]. 胡德昆.电子科技大学2012
• [10].视觉感知中的闭合轮廓提取方法研究[D]. 李燕.北京交通大学2011

相关论文

• [1].基于内容图像检索关键技术研究[D]. 韦娜.西北大学2006
• [2].基于内容的图像检索与过滤关键技术研究[D]. 段立娟.中国科学院研究生院（计算技术研究所）2002
• [3].科学数据库中基于内容图像检索技术研究[D]. 唐俊华.中国科学院研究生院（计算技术研究所）2004
• [4].图像语义检索和分类技术研究[D]. 易文晟.浙江大学2007
• [5].图像检索中自动标注与快速相似搜索技术研究[D]. 王斌.中国科学技术大学2007
• [6].图像检索中若干问题的研究[D]. 刘伟.浙江大学2007

标签：基于内容的图像检索论文;  感知特性论文;  颜色量化论文;  颜色关注度函数论文;  强边缘块论文;  多尺度论文;  自适应阈值论文;  动态感知因子论文;  模糊隶属度论文;  相似度量论文;