基于内容的图像数据库检索的技术研究

论文摘要

图像数据检索是当今信息时代人们广泛关注的热点问题,主要包括对图像内容的描述、图像数据库管理、图像匹配等内容。本文从图像数据不同特性出发,讨论了基于视觉内容的图像检索方法,提出包括基于主色调多特征向量、综合灰度颜色和空间特征、综合颜色和纹理特征、基于形状特征等多种图像检索算法。随着图像数据库规模的越来越大,如何提高图像检索的效率已成为迫切研究的问题。颜色信息是图象中最为明显有区别性的信息,但采用单一的图像特征向量对图像数据库进行查询不能很好地解决查询中准确率和效率之间的矛盾关系。为此本文提出了一种利用多种特征向量的彩色图像检索方法。该方法基于HSV颜色模型提取示例图像的颜色特征与图像库中图像的颜色特征时,提取不同维数的特征向量。在图像匹配时对不同维数的特征向量采用不同的距离计算方法。并且通过设置阈值实现分层检索图像数据库。从而提高了图像检索的效率。由于颜色直方图只记录了全局的颜色统计信息,未包含颜色的空间分布信息并又混入了不感兴趣物体的颜色信息。针对上述的问题,本文提出一种综合图像的颜色信息、灰度信息和空间信息提取图像的特征向量的方法,首先将图像从RGB空间转化为HSV空间,并进行非均匀量化为32种代表色:其次将彩色转化为灰度图像:然后将图像划分成互有重叠的8块,分别求出每块图像的颜色直方图、灰度直方图;采用这16个直方图做为图像的特征向量对图像进行检索。纹理是图像的一个非常重要的特征,但是单纯依靠纹理特征进行图像检索,其应用范围较窄,还需综合考虑图像的颜色及其分布等其它视觉信息。本文提出一种结合图像颜色空间分布信息及其纹理特征的图像检索新方法。该方法基于图像的颜色连通区域,结合图像的颜色构成和分布信息,提取图像的多个颜色分量的共生基元矩阵纹理特征。然后,利用针对该特征的图像相似性度量函数实现基于内容的图像检索。基于形状的图像检索一直以来是图像内容检索的一个难点问题,本文提出了一种新的针对图像形状的检索方法。首先,用Canny算子对图像进行平滑处理,提取图像边界方向直方图特征。其次,用改进的不变矩来描述图像形状的区域特征,改进后的不变矩特征不受图像的缩放、平移和旋转的影响。最后,为了克服不变矩只关心对象区域,而对图像边界忽视的缺点,提出了改进的不变矩与边界方向特征相结合的方法,使得检索取得更好的效果。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景与意义
• 1.1.1 研究背景
• 1.1.2 研究意义
• 1.2 论文选题及主要工作
• 第2章 基于内容图像检索相关技术综述
• 2.1 基于内容图像检索的研究热点
• 2.2 图像内容的分析和表示
• 2.2.1 颜色特征
• 2.2.2 纹理特征
• 2.2.3 形状特征
• 2.3 图像检索的其它共性问题
• 2.3.1 图像的相似性测度
• 2.3.2 检索效果评价
• 2.3.3 查询方式
• 2.4 用户反馈人机合作技术
• 2.5 图像检索的其他研究内容
• 2.5.1 高维索引技术
• 2.5.2 图像数据管理国际标准
• 2.6 典型的基于图像内容检索系统简介
• 2.7 小结
• 第3章 基于颜色特征的图像检索
• 3.1 引言
• 3.2 颜色的表示
• 3.2.1 RGB颜色空间
• 3.2.2 HSV颜色空间
• 3.2.3 RGB空间向HSV空间的转化
• 3.3 HSV空间中颜色的非均匀量化
• 3.3.1 256种颜色量化方法
• 3.3.2 72种颜色量化方法
• 3.3.3 32种颜色量化方法
• 3.3.4 不同维数颜色特征向量构造
• 3.4 一种综合多维特征向量的分层图像检索算法
• 3.4.1 图像的相似性度量方法
• 3.4.2 分层图像检索算法
• 3.5 一种综合颜色和空间特征图像检索算法
• 3.5.1 灰度的特征提取
• 3.5.2 颜色的特征提取
• 3.5.3 图像的分块方法
• 3.5.4 图像特征向量提取
• 3.5.5 图像内容的相似匹配算法
• 3.6 实验结果
• 3.7 小结
• 第4章 基于纹理特征的图像检索
• 4.1 引言
• 4.2 灰度共生矩阵
• 4.3 灰度—基元共生矩阵
• 4.3.1 基元阵
• 4.3.2 灰度—基元共生矩阵
• 4.4 颜色连通区域集
• 4.4.1 图像的分块主颜色
• 4.4.2 颜色连通区域
• 4.5 基于颜色基元共生矩阵图像检索算法
• 4.5.1 颜色基元共生矩阵纹理特征提取
• 4.5.2 相似性度量函数
• 4.5.3 实验结果
• 4.6 LBP算法概述
• 4.6.1 基本LBP算法
• 4.6.2 uniform形式的LBP算法
• 4.6.3 分块的LBP算法
• 4.7 自适应LBP算法及其相似性度量
• 4.7.1 改进的Tamura粗糙度
• 4.7.2 自适应LBP算法
• 4.7.3 相似性度量
• 4.7.4 实验结果
• 4.8 小结
• 第5章 基于形状特征的图像检索
• 5.1 引言
• 5.2 图像预处理
• 5.2.1 图像分割
• 5.2.2 图像边缘检测
• 5.3 改进的Hu不变矩
• 5.3.1 Hu不变矩
• 5.3.2 Hu不变矩的改进
• 5.3.3 离心率
• 5.3.4 特征向量归一化
• 5.4 综合改进的Hu矩和边界方向的图像检索算法
• 5.4.1 边界方向直方图
• 5.4.2 图像特征结合
• 5.4.3 算法总结
• 5.5 实验结果
• 5.6 小结
• 第6章 基于内容的图像检索实验系统
• 6.1 系统运行环境
• 6.2 系统框架
• 6.3 图像数据库
• 6.3.1 数据种类
• 6.3.2 图像数据存储方案
• 6.3.3 数据表
• 6.4 图像入库
• 6.5 图像查询
• 6.6 小结
• 第7章 结论及展望
• 7.1 全文工作总结
• 7.2 展望
• 参考文献
• 攻读博士学位期间发表学术论文情况
• 致谢
• 论文创新点摘要