图像检索关键技术研究

论文摘要

随着通信及多媒体技术的迅速发展,检索和浏览海量的多媒体数据成为日益迫切的问题。基于内容的图像检索（CBIR,Content-based Image Retrieval）是其中最基础、最重要的一个方向。本文主要是对基于区域的图像检索和匹配方法的关键技术进行了研究。基于低层特征的图像检索中,几个关键步骤包括特征提取,图像分割和图像匹配。本文首先提取了图像的颜色和纹理特征共6维特征向量,然后用模糊C均值算法对这些特征向量进行聚类从而实现对图像的分割,也对FCM算法进行了改进。针对某几类前景和背景的颜色和纹理比较分明的图像,本文将分割出的某些颜色和纹理较相似的区域合并,总体上分割结果比较令人满意,基本上可以很清楚地分开前景和背景。在图像匹配阶段,本文概要阐述了一些常用的图像匹配方法,并讨论了IRM匹配方法的图像检索效果。为了提高检索效率,本文针对某几类背景普遍比较大而且颜色纹理较为单一的图像对IRM匹配方法作了少许改进。

论文目录

• 摘要
• Abstract
• 致谢
• 第一章 绪论
• 1.1 引言
• 1.2 CBIR的研究现状及热点
• 1.2.1 国内外研究现状
• 1.2.2 研究热点
• 1.3 图像检索存在的问题
• 1.4 本论文的工作及章节安排
• 第二章 图像特征提取
• 2.1 图像特征提取概述
• 2.2 图像的颜色特征
• 2.2.1 颜色直方图
• 2.2.2 颜色矩
• 2.2.3 颜色集
• 2.2.4 颜色聚合向量
• 2.3 纹理特征
• 2.3.1 Tamura纹理特征
• 2.3.2 基于小波变化的纹理特征
• 2.3.3 自回归纹理模型
• 2.4 形状特征的提取
• 2.4.1 图像分割方法
• 2.4.2 形状不变矩
• 第三章 图像分割
• 3.1 图像分割方法概述
• 3.2 基于FCM聚类的图像快速分割算法
• 3.2.1 概述
• 3.2.2 加权FCM算法
• 3.2.3 基于直方图加权的FCM算法
• 3.2.3.1 基于一维直方图加权的FCM算法
• 3.2.3.2 基于二维直方图加权的FCM算法
• 3.2.4 基于二维直方图加权和塔形分解的FCM算法
• 3.2.4.1 二维直方图的构造和塔形分解
• 3.2.4.2 塔形加权FCM聚类的图像快速分割算法
• 3.3 图像分割结果
• 第四章 图像匹配
• 4.1 图像匹配距离度量方法
• 4.2 IRM匹配
• 4.2.1 区域匹配
• 4.2.2 IRM图像匹配
• 4.2.3 IRM匹配结果分析
• 4.3 改进算法
• 4.3.1 图像的改进算法
• 4.3.2 改进算法匹配结果
• 4.4 结果评价
• 4.4.1 图像检索有效性
• 4.4.2 各算法检索性能比较
• 4.5 未来主要研究方向及展望
• 4.5.1 综合的多特征检索技术
• 4.5.2 高层概念和低层概念的关联
• 4.5.3 高维索引技术
• 4.5.4 性能评价准则
• 4.5.5 内容描述标准
• 4.5.6 用户查询接口
• 第五章 结束语
• 参考文献