基于模糊聚类的图像检索方法研究及其系统实现

论文摘要

随着网络和多媒体技术的飞速发展,互联网上的信息由单一的文本方式逐步发展到以图像、视频、音频、动画等多媒体信息为主的表现方式,数字图像的应用日益广泛,已逐渐成为信息社会的主要资源之一。如何从大量的多媒体信息中查询到用户感兴趣的图像成为一个迫切需要解决的问题。于是基于内容的图像检索(Content—Based Image Retrieval,CBIR)技术逐渐发展起来。首先,本文对基于内容的图像检索领域的技术和现状进行了全面的综述,研究了图像检索中的关键技术,包括:CBIR系统结构、特征提取方法、相似性度量方法以及评价标准等。并对模糊数学理论及模糊C均值聚类算法作了详细介绍。其次,将模糊C均值聚类算法应用到图像检索领域中,并针对存在的聚类时间过久影响检索性能的问题,提出一种基于优化颜色特征及模糊C聚类的图像检索方法。该方法首先提取出图像的优化颜色特征信息;然后采用模糊C均值聚类算法对得到的颜色特征向量进行聚类,得到每个图像类的聚类中心;最后计算查询示例图像和对应图像类的图像之间的相似度,按照相似度的大小返回检索结果。实验表明该方法提取的特征维数少,聚类时间短,检索速度快,具有良好的检索性能。但该方法对一些颜色比较单一但纹理相对比较突出的图像的检索效果并不是太好,针对这一问题,本文提出一种改进算法,综合图像的灰度共生矩阵纹理特征和提取出的优化颜色特征使用模糊C均值聚类算法进行聚类分析并检索。实验表明该方法有效的提高了图像的检索效果。最后,对本文的基于内容图像检索技术的研究进行了总结,并提出了进一步的研究方向。

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 国内外研究现状
• 1.3 基于内容的图像检索面临的问题
• 1.4 本文研究的主要内容和组织结构
• 第二章 基于内容图像检索的关键技术
• 2.1 基于内容图像检索的系统结构及功能模块
• 2.2 图像特征的提取
• 2.2.1 颜色特征提取
• 2.2.2 纹理特征提取
• 2.2.3 形状特征提取
• 2.2.4 空间关系特征提取
• 2.3 图像相似性度量方法
• 2.3.1 常用向量距离
• 2.3.2 Mahalanobis 距离
• 2.3.3 直方图相交
• 2.3.4 二次式距离
• 2.3.5 余弦距离
• 2.4 图像检索算法评价标准
• 2.4.1 查全率（recall）和查准率（precision）
• 2.4.2 匹配百分数（match percentile）
• 2.4.3 排序评价法
• 2.5 小结
• 第三章 模糊数学理论
• 3.1 模糊数学理论的基本概念和原理
• 3.1.1 模糊集的概念
• 3.1.2 模糊集的表示
• 3.1.3 隶属函数的确定
• 3.1.4 模糊关系
• 3.2 模糊C 均值聚类算法
• 3.3 小结
• 第四章 基于优化颜色特征及模糊C 聚类的图像检索
• 4.1 优化颜色特征提取
• 4.1.1 计算优化颜色直方图特征
• 4.1.2 图像分块及分块特征提取
• 4.2 图像检索过程
• 4.3 实验结果与分析
• 4.4 小结
• 第五章 基于颜色和纹理综合特征及模糊C 聚类的图像检索
• 5.1 基于灰度共生矩阵的纹理特征的提取
• 5.2 图像检索过程
• 5.3 实验结果与分析
• 5.4 小结
• 第六章 基于内容图像检索的原型系统
• 6.1 系统开发工具
• 6.2 系统介绍
• 6.2.1 系统界面及功能介绍
• 6.2.2 系统检索流程图
• 6.3 本文算法的检索结果
• 6.3.1 第四章算法检索结果图
• 6.3.2 第五章算法检索结果图
• 6.4 小结
• 第七章 总结与展望
• 7.1 论文总结
• 7.2 工作展望
• 参考文献
• 致谢
• 攻读学位期间发表的论文与参加的项目