基于形状和空间关系的图像检索方法研究

论文摘要

随着网络的飞速发展,各行各业对图像的使用越来越广泛,图像信息资源的管理和检索也显得越来越重要。对图像而言大部分情况下往往不能用一个或几个简单的关键词来进行标注;如此海量的图片也使得人工标注成为不可行的方法,为了更好的使用图像信息,有效的图像检索就显得十分必要,于是提出了基于内容的图像检索（CBIR,Content-based Image Retrieval）。基于内容的图像检索是利用图像本身的性质如颜色,纹理,形状,空间关系等,并借助图像处理技术、模式识别技术和计算机视觉技术来进行检索。目前,基于单个特征的图像检索研究较多,但效果并不理想,所以基于两种特征相结合进行图像检索受到越来越多的关注。论文在研究基于形状和空间关系特征检索的国内外研究现状、发展趋势和应用情况基础上,鉴于物体的形状及其空间关系既是图像的核心内容,也是人们识别图像、分类图像的重要依据,并且基于这两种特征的图像检索被证明是可行的,提出了基于形状和空间关系的图像检索方法。在研究图像的形状和空间关系的基础上,找到一种能同时描述两种特征的描述子,通过特征提取,特征描述和相似性匹配进行检索。文章采用了傅立叶描述子和奇异值分解两种方法对所提取特征进行描述,并用距离匹配和奇异值匹配两种方法进行相似度匹配,并分别对检索结果用查全率、查准率和时间复杂度进行了比较。实验结果表明用奇异值分解方法优于傅立叶描述子法,奇异值匹配方法优于距离匹配法,检索的查全率,查准率更高。论文还提出了一种图像相似度测量的方法——改进的DP匹配法,并用大量试验证明该方法的有效性。根据上述的检索方案,本文设计了一个简单的图像检索系统,该系统具有可视性好,检索直观、方便的优点,可以支持浏览查询和示例查询。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景及意义
• 1.1.1 概述
• 1.1.2 基于内容的图像检索的关键技术
• 1.1.3 检索系统简介
• 1.1.4 基于内容图像检索的基本技术
• 1.2 应用领域及未来研究方向
• 1.2.1 应用领域
• 1.2.2 未来方向
• 1.3 基于形状特征和空间关系的图像检索国内外研究现状
• 1.3.1 基于形状特征的图像检索国内外研究现状
• 1.3.2 基于空间关系的图像检索的国内外研究现状
• 1.4 本文研究的目的和意义
• 1.5 本文研究的主要内容和本文结构
• 1.5.1 研究的主要内容
• 1.5.2 本文结构
• 第2章 图像库的建立及图像预处
• 2.1 图像库的建立
• 2.2 图像预处理
• 2.2.1 滤波增强
• 2.2.2 图像分割
• 第3章 图像特征提取与描述
• 3.1 形状特征提取与描述
• 3.1.1 形状的表达与描述
• 3.1.2 形状检索目前存在的问题
• 3.2 空间关系特征提取与描述
• 3.2.1 空间关系概述
• 3.2.2 空间关系的表达
• 3.2.3 空间关系描述
• 3.2.4 图像的空间关系特征描述
• 3.2.5 基于空间关系的图像检索算法
• 3.2.6 基于空间关系检索存在的不足
• 3.3 本文提出的特征提取与描述
• 3.3.1 特征提取
• 3.3.2 特征描述
• 3.4 本章小结
• 第4章 图像相似度匹配的研究及创新
• 4.1 相似度匹配算法介绍
• 4.2 本文创新的匹配算法
• 4.2.1 DP 匹配方法
• 4.2.2 奇异值匹配方法
• 4.3 匹配评价标准
• 4.3.1 时间复杂度分析
• 4.3.2 评价的几个度量方法
• 4.4 本章小结
• 第5章 图像处理与检索系统的实现
• 5.1 软件的设计
• 5.1.1 开发环境
• 5.1.2 运行环境
• 5.1.3 基本功能
• 5.2 系统框架图
• 5.3 系统界面和基本操作
• 5.4 实验结果
• 5.4.1 DP 匹配
• 5.4.2 傅立叶描述与奇异值描述对比结果
• 5.4.3 距离匹配与奇异值匹配对比结果
• 5.4.4 本文方法与只用形状特征检索结果对比
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 攻读硕士期间发表的论文
• 致谢