基于颜色和纹理特征的图像检索研究

基于颜色和纹理特征的图像检索研究

论文摘要

随着多媒体、网络技术的飞速发展,图像应用的日益广泛,基于内容的图像检索CBIR(Content Based Image Retrieval)成为当前多媒体检索研究的热点之一。该技术提取图像的颜色、纹理、形状等特征,然后将待查询图像的特征与图像库中图像的特征进行匹配,并将和待查询图像特征相同或相似的图像返回给用户。如何有效准确的表达图像特征是基于内容的图像检索技术的核心问题。本文首先对基于内容的图像检索的相关技术进行了介绍,然后针对基于颜色和纹理特征以及综合颜色纹理特征的图像检索进行了深入研究。在空间域,提出了一种基于HVS加权颜色特征的图像检索算法。该算法首先对图像进行分块,提取各分块的主色作为颜色特征,然后利用人类视觉特性,对所获取的颜色特征进行加权处理,获得加权“主色”颜色特征。在纹理特征方面,提出了一种基于灰度-差分基元共生矩阵的检索算法,该方法既吸取了统计方法中共生矩阵的优点,又结合了结构分析方法中的纹理基元,使提取的纹理特征更加精细。在此基础上,提出一种综合利用所提出图像颜色和纹理特性的图像检索算法。实验结果验证了所提出方法的有效性。在小波域,颜色特征方面,提出了一种基于分块的HSV分量低频子带颜色特征提取方法。该方法首先根据人眼对图像的关注度对图像进行分块,然后对每一块的HSV分量的小波分解低频子带的颜色特征进行提取,并通过加权获得图像的颜色特征。在图像纹理特征提取方面,提出一种基于高频子带灰度-差分基元共生矩阵的二阶统计量和各子带方向特征的纹理特征提取方法,并且通过分析各尺度子带的重要性程度而给其分别加权,使得检索结果更加理想。在此基础上,提出一种综合利用所提出图像颜色和纹理特性的图像检索算法,提高了图像的检索精度。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 研究课题的背景和意义
  • 1.2 基于内容的图像检索研究现状
  • 1.3 本文的主要工作
  • 第二章 基于内容的图像检索技术概述
  • 2.1 基于内容的图像检索的系统结构
  • 2.2 特征提取方法
  • 2.2.1 颜色特征
  • 2.2.1.1 颜色空间模型
  • 2.2.1.2 特征提取方法
  • 2.2.2 纹理特征
  • 2.2.2.1 统计分析方法
  • 2.2.2.2 结构分析方法
  • 2.2.3 形状特征
  • 2.3 相似性度量
  • 2.4 性能评价标准
  • 2.5 本章小结
  • 第三章 基于空间域颜色和纹理特征的图像检索
  • 3.1 引言
  • 3.2 基于HVS 加权颜色特征的图像检索算法
  • 3.2.1 颜色特征的提取
  • 3.2.1.1 颜色空间的转换
  • 3.2.1.2 颜色空间的量化
  • 3.2.1.3 “主色”颜色特征提取
  • 3.2.2 基于HVS 的加权“主色”颜色特征
  • 3.2.2.1 基于图像中心加权特征
  • 3.2.2.2 加权“主色”颜色特征
  • 3.2.2.3 相似度计算
  • 3.3 基于灰度-差分基元共生矩阵的图像检索算法
  • 3.3.1 灰度共生矩阵及纹理基元
  • 3.3.2 灰度-差分基元共生矩阵
  • 3.3.3 特征向量的确定
  • 3.3.4 相似性度量
  • 3.3.4.1 特征值归一化
  • 3.3.4.2 相似度计算
  • 3.4 综合颜色和纹理特征的检索算法
  • 3.4.1 综合特征
  • 3.4.2 综合颜色和纹理特征的图像检索算法
  • 3.5 实验结果和分析
  • 3.6 本章小结
  • 第四章 基于小波域颜色和纹理特征的图像检索
  • 4.1 引言
  • 4.2 小波变换简介
  • 4.2.1 小波分析的产生
  • 4.2.2 连续小波变换
  • 4.2.3 离散小波变换
  • 4.2.4 多分辨率分析和Mallat 算法
  • 4.3 基于提升方案的整数小波变换及其特性
  • 4.4 基于小波的颜色检索算法
  • 4.4.1 图像的分块加权策略
  • 4.4.2 基于小波的分块图像颜色特征提取
  • 4.4.3 图像颜色特征的提取算法
  • 4.4.4 相似度计算
  • 4.5 基于小波的纹理检索算法
  • 4.5.1 基本思想
  • 4.5.2 图像小波变换高频子带能量分布统计
  • 4.5.3 小波域的灰度-差分基元共生矩阵及特征向量
  • 4.5.3.1 小波域的灰度-差分基元共生矩阵
  • 4.5.3.2 特征向量的确定
  • 4.5.4 图像小波子带纹理的方向特征
  • 4.5.5 纹理特征的综合及归一化处理
  • 4.5.5.1 综合纹理特征向量
  • 4.5.5.2 特征值归一化
  • 4.5.6 纹理特征的相似度计算
  • 4.6 小波域颜色和纹理特征的综合
  • 4.6.1 颜色和纹理特征的归一化
  • 4.6.2 综合颜色和纹理特征的图像检索算法
  • 4.7 实验结果和分析
  • 4.8 本章小结
  • 第五章 总结与展望
  • 5.1 总结
  • 5.2 展望
  • 参考文献
  • 致谢
  • 攻读硕士学位期间撰写和发表的学术论文
  • 相关论文文献

    标签:;  ;  ;  ;  ;  

    基于颜色和纹理特征的图像检索研究
    下载Doc文档

    猜你喜欢