基于纹理特征图像检索的研究与实现

基于纹理特征图像检索的研究与实现

论文摘要

随着计算机网络和多媒体技术的发展,越来越多的图像信息出现在人们的生活中,那么如何在海量图像数据中找出所需要的图像成为研究热点。基于内容的图像检索技术应运而生,它不同于传统基于文本的检索,实际上是一种模糊查询技术,通过对图像提取一定的特征,找出在特征空间中与查询要求接近的图像。本文主要对基于纹理的图像检索技术进行了深入研究。首先对基于内容图像检索技术的基本原理和框架进行了概要介绍。然后对纹理特征的提取进行了深入的研究,重点研究的是灰度共生矩阵方法和包含颜色信息的三维共生矩阵方法,之后研究了基于内容图像检索的关键技术,包括相似性度量和相关反馈,最后设计并实现了一个基于纹理的图像检索系统,对系统的性能进行了评价,并提出了下一步的研究方向。在系统的实现部分,本文采用了一种边计算边排序的方法进行结果图像的相似程度排序。并为系统添加了相关反馈机制,通过调整权值进行重新检索后使用新的规则进行排序显示。通过对Corel图像库进行实验的结果表明,将三维共生矩阵法和本文设计的相关反馈机制相结合,能够使系统检索结果更符合用户需求。

论文目录

  • 摘要
  • ABSTRACT
  • 1 引言
  • 1.1 研究目的及意义
  • 1.2 基于内容图像检索技术的发展及现状
  • 1.3 论文主要工作和内容安排
  • 2 基于内容图像检索的基本原理
  • 2.1 基于内容图像检索系统的基本框架
  • 2.2 基于内容图像检索的特点
  • 2.3 基于内容图像检索方法的分类
  • 2.3.1 外部图例查询
  • 2.3.2 内部图例查询
  • 2.3.3 草图查询
  • 2.3.4 综合检索方法
  • 2.4 图像特征
  • 2.4.1 颜色特征
  • 2.4.1.1 RGB颜色模型
  • 2.4.1.2 HSI颜色模型
  • 2.4.2 形状特征
  • 2.4.3 纹理特征
  • 2.4.4 空间关系特征
  • 2.4.5 语义特征
  • 2.5 图像检索系统的评估标准
  • 2.6 小结
  • 3 纹理特征提取
  • 3.1 纹理概述
  • 3.2 基于灰度共生矩阵的纹理特征提取
  • 3.3 基于三维共生矩阵的纹理特征提取
  • 3.4 傅里叶功率谱纹理描述
  • 3.5 Laws纹理能量方法
  • 3.6 小结
  • 4 检索系统的关键技术
  • 4.1 相似性度量
  • 4.1.1 向量空间模型
  • 4.1.2 集合理论模型
  • 4.1.3 多特征组合的相似性度量结构
  • 4.2 相关反馈技术研究
  • 4.3 距离度量函数
  • 4.4 小结
  • 5 基于纹理的图像检索系统设计与实现
  • 5.1 系统总体设计
  • 5.1.1 开发环境
  • 5.1.2 系统要求
  • 5.1.3 系统框架
  • 5.1.4 数据库技术
  • 5.2 系统的实现
  • 5.2.1 图像导入模块
  • 5.2.2 特征提取模块
  • 5.2.3 图像检索模块
  • 5.2.4 相关反馈技术
  • 5.2.5 遇到的问题及解决方法
  • 5.3 实验结果及结论
  • 5.3.1 实验结果
  • 5.3.2 检索系统的性能评价
  • 5.4 小结
  • 6 总结与展望
  • 参考文献
  • 个人简介
  • 导师简介
  • 获得成果目录清单
  • 致谢
  • 相关论文文献

    • [1].多光谱图像纹理特征数据挖掘方法仿真[J]. 计算机仿真 2020(02)
    • [2].基线动态对比增强磁共振成像纹理特征对直肠癌放化疗病理反应状态的预测价值[J]. 肿瘤影像学 2020(02)
    • [3].一种基于纹理特征匹配的快速目标分割算法[J]. 软件导刊 2017(03)
    • [4].像他 是他 不似平常 谈谈拍摄艺人照的经验[J]. 人像摄影 2017(02)
    • [5].基于耳蜗谱图纹理特征的声音事件识别[J]. 声学技术 2020(01)
    • [6].PET/CT融合图像肺纹理特征在肺癌诊断中的应用[J]. 中国继续医学教育 2020(25)
    • [7].纹理特征与面向对象结合的高分影像耕地提取应用[J]. 安徽农业科学 2018(19)
    • [8].基于角度纹理特征模型的道路提取方法[J]. 影像技术 2013(06)
    • [9].一种基于运动和纹理特征的深度图提取方法[J]. 南京工程学院学报(自然科学版) 2012(04)
    • [10].灰度共生矩阵纹理特征的运动目标跟踪方法[J]. 南京理工大学学报(自然科学版) 2010(04)
    • [11].音乐声的音色感知特征与图像的纹理特征的关联研究[J]. 复旦学报(自然科学版) 2020(03)
    • [12].磁共振后扣带回纹理特征分析在老年健康人群、轻度认知障碍与阿尔茨海默病患者鉴别诊断中的价值[J]. 解放军医学院学报 2020(07)
    • [13].基于波段运算和纹理特征的高分一号多光谱数据云检测[J]. 遥感信息 2018(05)
    • [14].一种基于鲁棒局部纹理特征的背景差分方法[J]. 计算机工程与科学 2017(08)
    • [15].基于灰度共生矩阵的纹理特征值提取[J]. 科技视界 2013(22)
    • [16].一种基于纹理特征的图像检索方法的实现[J]. 青海师范大学学报(自然科学版) 2012(04)
    • [17].高光谱影像纹理特征编码分形特征研究[J]. 武汉大学学报(信息科学版) 2009(04)
    • [18].开采沉陷遥感监测中多维纹理特征影像分类方法[J]. 煤田地质与勘探 2008(06)
    • [19].基于纹理特征和随机森林的恶意代码分类研究[J]. 湖北工业大学学报 2020(02)
    • [20].面向活体人脸检测的时空纹理特征级联方法[J]. 模式识别与人工智能 2019(02)
    • [21].应用色彩纹理特征的人脸防欺骗算法[J]. 计算机科学 2019(10)
    • [22].基于纹理特征的恶意代码检测方法测试[J]. 云南电力技术 2018(01)
    • [23].基于灰度共生矩阵纹理特征的输电导线识别[J]. 云南电力技术 2015(02)
    • [24].利用无人机图像颜色与纹理特征数据在小麦生育前期对产量进行预测[J]. 麦类作物学报 2020(08)
    • [25].基于纹理特征的穿梭分析系统动物检测算法[J]. 佳木斯大学学报(自然科学版) 2014(03)
    • [26].基于纹理特征的数字图书馆文档图像识别[J]. 图书馆学刊 2012(08)
    • [27].基于颜色和纹理特征的图像检索技术研究[J]. 河北工业大学学报 2008(06)
    • [28].基于间隙度纹理特征的海底目标检测方法[J]. 兵工学报 2015(S2)
    • [29].结合多尺度纹理特征的高光谱影像面向对象树种分类[J]. 北京林业大学学报 2020(06)
    • [30].健康志愿者心肌磁共振纹理特征初探[J]. 四川大学学报(医学版) 2019(04)

    标签:;  ;  ;  ;  

    基于纹理特征图像检索的研究与实现
    下载Doc文档

    猜你喜欢