基于边缘结构特征的图像信息检索

论文摘要

本文提出了一种用边缘结构特征检索图像的方法。特征矢量是通过计算局部边缘图中的像素空间分布矩阵得到的。本文提出的算法能够有效的提取嵌入在边缘中的信息。实验证明，这种结构描述子可以有效捕捉边缘信息，提高的检索性能。 本文通过对边缘图进行几何划分，将图像表示成一组表示形状点空间关系的不变量特征集合。其特点是，边缘提取不作为目标分割的手段，而仅视为反映图像几何结构分布的低层次特征。该方法避免了因图像理解而要求的目标分割的困难，同时有效地反映了图像的空间结构分布。图像划分尺度的选择一直是个难题，本文提出了在局部最大熵准则下选择优化的尺度方法。从划分后的边缘子图中选择若干点，提取形状点之间的关系作为不变性特征矢量。本方法有效地减少了灰度信息冗余，对于包含一般性无约束场景或具有复杂结构的图像识别提供了一种可靠的基于结构的图像内容描述方法。 实验证明，这样选择的图像划分和特征提取是有意义的，能有提高检索的有效性。

论文目录

• 0 前言
• 1 基于内容的图像检索
• 1.1 图像分割
• 1.2 特征提取
• 1.2.1 颜色特征的提取
• 1.2.2 纹理特征的提取
• 1.2.3 边缘特征的提取
• 1.2.4 形状特征的提取
• 1.2.5 兴趣点特征的提取
• 1.3 图像索引和相似性度量
• 1.3.1 图像索引
• 1.3.2 相似性度量
• 1.3.3 相似性学习—相关反馈
• 1.4 系统评估
• 1.5 图像检索系统实例
• 1.6 小结
• 2 图像划分和特征提取
• 2.1 图像划分
• 2.1.1 基于灰度图像熵的图像分割方法
• 2.1.2 基于局部最大信息熵的块划分方法
• 2.2 特征提取
• 2.3 特征聚类
• 2.4 分块编码
• 3 图像检索和索引的方法
• 3.1 相似度检测
• 3.2 文本检索技术应用于图像检索的方法
• 3.2.1 文本检索在图像检索中的应用
• 3.2.2 图像数据的索引
• 3.3 小结
• 4 基于边缘特征的图像检索方法实验
• 5 结论与展望
• 参考文献
• 致谢