基于Harris-Affine特征的图像检索系统研究与实现

论文摘要

随着数码影像设备的广泛普及和网络技术的迅速发展,图像数据量正以惊人的速度不断膨胀,基于内容的图像检索技术因此成为信息领域的一个研究热点。目前多数系统利用图像的全局信息,如灰度、颜色、纹理等,进行匹配进而检索,检索效果一般。在实际应用中,往往存在视角变换、尺度变化和遮挡等干扰,导致匹配与检索效果都不理想。该论文深入研究Harris-Affine算法,详尽阐述其原理及特点,认为Harris-Affine局部区域具有较强视觉不变性,不仅能够应对模糊、光照变化、噪声等常见干扰,而且对视角和尺度变化也具有良好的不变性能。在单幅图像匹配实验中,该算法提取出的区域在匹配过程中表现出了极强的鲁棒性。随后又将其应用于基于内容的图像检索领域,在存在遮挡和大视角变化的情况下,与传统基于全局方法相比,查准率和查全率都得到了较大程度的提高。常规基于内容的图像检索方法在实现过程中,由于数据量巨大,匹配过程繁琐,常常导致检索速度很慢。该文针对此问题,结合文本检索的思想,提出一种基于局部特征的图像检索系统框架。该框架使用模式识别领域中聚类的相关知识,联系文本检索中关键词的概念,引入视觉关键词、词频向量等概念,从而达到进行数据压缩,加速匹配与检索的目的。为了验证上述方法的有效性与实用性,该文在包含有200类,每类5幅图像的1000幅图像数据库中进行实验验证。结果表明,该文所提出的方法及检索框架,不仅在查准率和查全率上有较大提高,而且,查询速度上也能满足用户需求。进而说明,Harris-Affine算法在基于内容的图像检索领域,特别是大视角变换等较强噪声干扰下,仍具有较强鲁棒性,具有较高使用价值。而且,视觉关键词、词频向量等概念的引入,在加速图像匹配与检索的过程中,也发挥了巨大的作用。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景
• 1.2 发展现状
• 1.2.1 基于内容的图像检索技术
• 1.2.2 局部特征提取技术
• 1.3 应用前景
• 1.4 本文工作概要
• 2 Harris-Affine算法原理及特性
• 2.1 局部特征概述
• 2.1.1 Harris角点检测
• 2.1.2 多尺度Harris角点检测
• 2.1.3 Harris-Laplace区域检测算法
• 2.2 Harris-Affine算法原理
• 2.2.1 仿射二阶矩矩阵
• 2.2.2 Harris-Affine特征区域检测原理
• 2.2.3 Harris-Affine特征区域检测步骤
• 2.2.4 相似仿射特征区域的选择
• 2.2.5 Harris-Affine特征区域检测举例
• 2.3 Harris-Affine特征区域性能评价及应用价值
• 2.3.1 性能评价
• 2.3.2 应用价值
• 2.4 本章小结
• 3 向量描述与视觉关键词
• 3.1 特征区域标准化
• 3.2 特征区域向量描述
• 3.2.1 确定主方向
• 3.2.2 梯度方向直方图
• 3.3 相似性度量
• 3.4 K均值聚类
• 3.5 视觉关键词
• 3.6 本章小节
• 4 基于Harris-Affine特征的图像匹配实验系统
• 4.1 约束条件
• 4.2 匹配方法
• 4.3 实验结果
• 4.4 评价标准
• 4.5 结果分析
• 4.6 本章小节
• 5 基于Harris-Affine特征的图像检索系统的实现
• 5.1 需求分析与总体框架设计
• 5.2 系统开发环境
• 5.3 功能模块设计
• 5.3.1 图像库管理模块
• 5.3.2 特征提取及描述模块
• 5.3.3 聚类及词频向量生成模块
• 5.3.4 查询模块
• 5.3.5 结果显示模块
• 5.4 检索实例与结果分析
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢