基于纹理和形状特征的图像检索技术研究

论文摘要

多种特征综合应用的图像检索是当前基于内容图像检索的热点。本文从图像的纹理和形状特征出发,总结了基于纹理特征和形状特征的图像检索的研究现状和发展趋势,分析和概括了图像检索的基本原理、关键技术和检索结果的评价方法。针对人眼的视觉特性,提出了一种结合纹理和形状特征的图像检索算法:借鉴方块编码思想定义图像的纹理基元,并构造了一种基于纹理基元的共生矩阵,在此基础上,提取有意义的统计量来描述图像的纹理特征;采用纹理基元直方图来表征图像的形状特征;然后结合两种特征设计实现了一个基于纹理和形状特征的图像检索原型系统,对算法的有效性进行了验证。由于图像数据库中图像的向量空间维数一般都比较高,所以本文对新近出现的各种高维索引方法进行了研究和比较,并针对其中的VA-file方法在MATLAB环境下进行了仿真实验。实验结果表明,在高维检索中,VA-file方法能够通过降低系统的I/O复杂度提高查询性能,与顺序查询相比,将VA-file的检索方法用于基于内容的图像检索可以显著提高性能。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的背景与研究意义
• 1.2 国内外相关研究
• 1.2.1 纹理特征
• 1.2.2 形状特征
• 1.3 图像检索面临的主要问题
• 1.4 本文的研究工作
• 第二章 基于内容的图像检索关键技术
• 2.1 图像特征
• 2.1.1 颜色特征的描述
• 2.1.2 纹理特征的描述
• 2.1.3 形状特征的描述
• 2.1.4 语义特征的描述
• 2.2 常用的相似性度量方法
• 1距离和L₂ 距离'>2.2.1 L₁距离和L₂距离
• 2.2.2 直方图交
• 2.2.3 二次式距离
• 2.2.4 马氏距离
• 2.2.5 非几何的相似度方法
• 2.3 图像数据库的索引机制
• 2.3.1 维数缩减技术
• 2.3.2 高维索引技术
• 2.4 图像检索中的相关反馈技术
• 2.5 图像检索性能的评价方法
• 2.5.1 准确度和检索率
• 2.5.2 命中准确率
• 2.5.3 排序值评测法和检索率
• 第三章 纹理和形状特征的提取
• 3.1 纹理特征的提取
• 3.1.1 灰度共生矩阵
• 3.1.2 纹理基元提取
• 3.1.3 基于纹理基元的共生矩阵
• 3.2 相似性度量
• 3.3 形状特征的提取
• 3.4 相似性度量
• 3.5 实验结果与分析
• 第四章 高维图像数据库索引技术
• 4.1 高维数据索引结构
• 4.1.1 k-d 树
• 4.1.2 R 树
• 4.1.3 网格结构
• 4.1.4 四叉树结构
• 4.2 VA-FILE 方法
• 4.2.1 VA-file 索引结构
• 4.2.2 基于VA-file 上的k-近邻查询算法
• 4.3 实验结果与分析
• 4.3.1 实现过程
• 4.3.2 实验结果
• 第五章 原型检索系统设计与实现
• 5.1 系统设计
• 5.2 特征提取和描述模块
• 5.2.1 图像预处理
• 5.2.2 特征提取
• 5.3 匹配模块
• 5.4 数据库模块
• 5.5 查询模块
• 5.6 实验结果与分析
• 第六章 总结与展望
• 6.1 本文的研究工作总结
• 6.2 进一步的工作
• 致谢
• 参考文献
• 在读期间的研究成果