图像处理中插值与检索算法研究

论文摘要

本文主要讨论图像处理中的插值与检索算法,具体研究内容如下:（1）图像插值有着广泛的应用背景,被大量应用在图像的放缩、旋转等几何操作中。对于图像的放缩操作,较成熟的插值算法有最邻近插值、双线性插值以及样条插值等。最邻近插值方法简单、易实现、速度快,然而会在新的图像中产生锯齿形边缘和方块效应;双线性插值利用源像素点周围邻近的几个像素点的线性平均权值来计算目标像素点值,具有一定的边缘平滑作用,但会使图像的细节产生退化,丢失重要的边缘特征;三次样条插值放缩后的图像具有较高的光滑性,但计算量大、且易造成边缘模糊。以上这些方法都是在假设图像像素和周围像素呈线性关系的基础上进行的,但事实上图像的有些纹理之间或像素间呈突变性质,具有非线性关系。因此,对这些具有不连续灰度特性的像素如果采用常规的插值算法,一般会使图像的轮廓和纹理模糊,降低图像质量。本文在对传统插值算法研究的基础上,提出了一种改进的边缘插值算法,实验结果表明:相比传统算法,本文算法不仅提高了图像的峰值信噪比（PSNR）,而且较好地保留了原图像的细节信息和清晰的边缘。（2）基于内容的图像检索（Content-Based Image Retrieval,CBIR）是一种利用图像视觉特征信息（如颜色、纹理、形状等）进行的图像检索技术,它综合了图像处理、数据库、信息检索、计算机视觉等多学科,CBIR已成为国内外研究的一个热点。本文深入研究了图像颜色特征提取和相似性匹配,通过把彩色图像分块来设置不同区域的权值来突出图像的主体部分,并结合彩色图像的主色调来设置图像颜色权值的方法,提出了一种基于RGB颜色模型的分层彩色图像检索方案,该方法既满足了彩色图像的检索需要,同时提高了查准率和查询效率。此外,本文借助分形理论,深入研究了基于纹理特征的图像检索技术。最后,本文设计并实现了一个基于本文算法的CBIR软件系统。

论文目录

• 摘要
• Abstract
• 引言
• 1 图像处理的基本理论概述
• 1.1 图像处理的研究范畴与意义
• 1.2 图像表示
• 1.2.1 图像数字化的精度
• 1.2.2 图像的分类
• 1.3 常见的颜色模型
• 1.3.1 RGB和CMY颜色模型
• 1.3.2 HSV颜色模型
• 1.3.3 Lab颜色模型
• 1.4 颜色模型之间的转换
• 1.4.1 RGB模型转换为HSV模型
• 1.4.2 RGB模型转换为Lab模型
• 1.5 本文研究内容和章节安排
• 2 图像放缩技术
• 2.1 图像放缩简介
• 2.2 常见插值算法
• 2.2.1 Lagrange插值
• 2.2.2 插值余项
• 2.2.3 分段Lagrange插值
• 2.2.4 Newton插值
• 2.2.5 Hermite插值
• 2.2.6 三次样条插值
• 2.3 常见图像插值算法
• 2.3.1 最邻近插值
• 2.3.2 双线性插值
• 3 改进的图像放缩技术
• 3.1 Chen算法简介及分析
• 3.1.1 图像插值回顾
• 3.1.2 Chen算法简介
• 3.1.3 对Chen算法的分析
• 3.2 改进的插值算法
• 3.3 实验结果
• 3.4 小结
• 4 图像检索技术
• 4.1 图像检索技术简介
• 4.2 基于颜色特征的彩色图像检索
• 4.2.1 统计直方图
• 4.2.2 累积直方图
• 4.3 图像相似性度量方法
• 4.3.1 直方图相交法
• 4.3.2 直方图匹配法
• 4.3.3 中心矩法
• 4.4 本文算法
• 4.5 本文算法分析
• 4.6 实验结果与分析
• 4.6.1 本方法与张方法及直方图方法的比较
• 4.6.2 对于区域权值的实验
• 4.6.3 对于颜色权值的实验
• 4.7 小结
• 4.8 基于本章算法的图像检索软件系统实现
• 4.8.1 CBIR系统框架
• 4.8.2 图像数据库
• 4.8.3 CBIR系统界面实现
• 5 基于纹理的图像检索
• 5.1 分形图像压缩理论简介
• 5.2 本文的分形编码方法
• 5.2.1 定义域块的搜索方法
• 5.2.2 分形编码的表示方法
• 5.2.3 编码算法的基本步骤
• 5.3 改进的图像匹配算法
• 5.4 实验结果与分析
• 5.4.1 图像检索中编码算法的实验
• 5.4.2 图像检索中匹配算法的实验
• 5.4.3 进一步提高检索速度的方案
• 5.5 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