多特征合成的图像检索系统的设计与实现

论文摘要

随着Internet上数字图像的种类和数量的飞速增长,寻求高效的基于内容的图像检索技术成为目前主要的研究方向之一。人是现代信息社会的主体,有关人的图像是现代商业和日常生活中最常用的图像种类之一,广泛的存在于各大图像库中。本文将人脸检测技术引入基于内容的图像检索领域,构建了一个多特征合成的图像检索系统。在特征选择方面,本文采用领域相关视觉特征与通用视觉特征相结合的方法。其中领域相关视觉特征专用于人的图像的检索,提高人的图像的检索率。在系统设计方面,在传统的CBIR系统结构的基础上引入图像筛选,先利用肤色信息将人的图像与非人的图像分类,然后只对那些满足筛选条件的图像进行图像匹配过程中的相似度计算。实验结果表明该设计方法可以有效减少人的图像参与匹配的计算时间,提高检索速度。在特征提取阶段,首先采用一种基于肤色检测和分块面部特征验证的方法,提取肤色特征及人脸特征。将肤色特征作为图像的筛选特征;人脸检测过程检测到的人脸个数、面积百分比作为领域相关特征——人脸特征,然后以区域为粒度分别提取区域的通用视觉特征,包括颜色、形状、纹理及空间特征。所有这些特征都具有缩放、旋转、平移不变性的特点,因此该系统可以较准确的检索出经过缩放、平移及旋转变换的图像。在特征匹配阶段,先采用分类加权的方法对以区域为粒度的通用视觉特征进行组合来计算区域相似度,然后使用一种整合区域匹配方法来计算图像间的相似度。如果被检图像是人的图像,则人脸特征参与相似度计算。最后按相似度大小排序返回查询结果,完成图像检索。实验结果证明本系统具有良好的检索性能,且对人的图像的检索具有较快的速度和较高的检索率。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 图像检索的背景和研究意义
• 1.2 国内外研究现状
• 1.3 本文的研究工作
• 1.3.1 主要研究内容
• 1.3.2 本文的组织结构
• 第二章 系统框架及图像预处理
• 2.1 系统框架
• 2.2 颜色空间选择
• 2.2.1 RGB颜色空间
• 2.2.2 CIE颜色空间
• 2.2.3 HSI颜色空间
• 2.3 图像分割
• 2.3.1 本系统使用的分割算法
• 2.3.2 结果分析
• 第三章 视觉特征提取与特征数据库
• 3.1 图像筛选特征
• 3.2 领域相关视觉特征——人脸特征
• 3.2.1 一种基于肤色分割和分块面部特征验证的人脸检测法
• 3.2.2 人脸特征表达
• 3.3 通用领域视觉特征
• 3.3.1 颜色特征
• 3.3.2 纹理特征
• 3.3.3 形状特征
• 3.3.4 空间特征
• 3.4 特征数据库
• 第四章 图像匹配
• 4.1 特征向量归一化
• 4.2 区域相似度度量
• 4.3 图像相似度度量
• 第五章 实验结果及分析
• 5.1 图像库
• 5.2 性能评价方法
• 5.2.1 查全率（Recall）与查准率（Percision）
• 5.2.2 排序评价方法
• 5.3 实验结果分析
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢