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：颜色特征论文; 纹理特征论文; 共生矩阵论文; 小波变换论文; 图像检索论文;
