基于分形域的图像检索

论文摘要

信息时代的一个突出特点是信息量的爆炸式增长和信息传播的网络化,要对海量信息进行检索,就必须有一个高效快速的搜索引擎。本论文通过对基于压缩域的图像检索技术研究的调研,选择了“基于分形域的图像检索”这一极具挑战性的课题进行研究。着重研究了改进的基于块统计特性分形编码算法,分形索引理论依据,以及完全基于分形域的图像检索。文中对传统的分形编码算法进行了概述,并通过对定义域块和值域块的统计特性分析,提出了改进的基于块统计特性分形编码算法。实验表明:运用改进的算法进行图像分形编解码有较快的编码速度和较高的解码图像质量。由于并非所有的图像特征（形状、灰度直方图等）都可以用来提取良好索引。通过对分形编解码算法和分形迭代函数进行分析,提出了分形码字（分形迭代函数）能够作为有效图像特征提取良好索引的理论依据,即分形码字具有以下性质:两图像相似,分形码字也相似,两图像不相似,分形码字也不相似;分形码字相似,解码图像也相似;分形码字不相似,解码图像也不相似,并从理论上给予证明。其次分形码字的维数过高,不宜直接作为索引来检索图像。本文提出完全从分形码字中提取鲁棒性（旋转、平移等不变性）索引（Scale 索引——分形码字中Scale 参数的直方图和Hu invariant moment 索引——分形码字中均值参数组成的近似图像Hu invariant moment）的方法。在Microsoft Visual C++ 6.0 环境下实现了基于分形域的图像检索系统（FBIRS）,选用10 类（人脸、妇女、花草树木、建筑物、山水等）近2000 幅图像进行实验。在图像检索中,图像数据库是非常重要的,这里选用ADO（ActiveXdata object）技术来检索图像。实验结果表明:（1）使用两个索引的加权和（Scale和Hu invariant moment 索引的加权和）比使用单独索引（Scale 索引或者Huinvariant moment 索引）有更好的检索结果。（2）文中提出的索引（Scale 和Hu invariant moment 索引）对图像的旋转、平移等干扰容错性能好,能有效地提高图像比对在搜索引擎中的可适性,并且有较快的速度。

论文目录

• 第一章 前言
• 1.1 图像数据的特点
• 1.2 基于内容的图像检索技术的提出和应用
• 1.3 基于压缩域的图像检索技术
• 1.4 基于分形域的图像检索
• 1.5 研究内容及论文安排
• 第二章 改进的分形压缩编码
• 2.1 一般的分形图像压缩
• 2.2 改进的匹配定义域块搜索方法和编解码算法
• 2.3 算法流程图以及部分源代码
• 2.3.1 算法流程图（见图三）
• 2.3.2 部分源代码
• 第三章 分形索引理论依据
• 3.1 分形索引理论依据
• 3.2 分形索引理论依据的证明
• 第四章 分形索引的产生
• 4.1 建立第一个索引------Scale Index
• 4.2 建立第二个索引------Hu moment invariants Index
• 第五章 比较技术
• 第六章 图像检索
• 6.1 服务器端图像数据库的建立
• 6.2 客户端进行图像检索的过程
• 6.3 FBIRS 系统的检索流程图（见图四）
• 6.4 FBIRS 系统界面和使用方法
• 第七章 实验结果
• 7.1 分形图像压缩的实验结果
• 7.2 基于分形域的图像检索实验结果
• 第八章 总结和展望
• 8.1 主要工作
• 8.2 论文的创新点
• 8.3 展望
• 参考文献
• 致谢
• 硕士期间发表的论文和参加的科研项目
• 论文独创性声明
• 论文使用授权声明