基于视觉特征的图像分类检索技术研究

论文摘要

随着电子科学技术的迅猛发展及Internet网速的提高和普及,人们可以方便的获取、交换和传输海量的视频和图像数据。如何从海量的图像数据中快速、准确的检索所需要的数据成为当今急需解决的问题之一。图像检索技术的出现方便了人们检索图像数据,到目前为止,图像检索技术可分为两大类:基于文本的图像检索技术和基于内容的图像检索技术。基于文本的图像检索技术,首先以人工方式对图像提取关键字,用来描述图像包含的内容,然后利用数据库的查询技术通过文本方式来检索对应的图像。基于内容的图像检索技术,首先从图像中提取图像的视觉特征如颜色、纹理、轮廓和形状等特征,然后利用被检索图像和图像库中的相应特征进行度量比较,从而检索出比较相似的图像。特征提取、相似性度量、相关反馈和性能评价是基于内容的图像检索技术中的几个关键技术。由于在基于文本的图像检索中,存在着一些局限,如以人工方式对图像提取关键字工作量太大,许多图像难以用文字准确的表达其内容,人的主观性导致不同人在不同时间不同场合对同一幅图像也有不同的理解等等局限,促使人们更多的关注基于内容的图像检索技术。本文针对基于视觉特征的图像检索的几大关键技术—用户接口、特征提取、相似性度量、相关反馈、高维索引技术和性能评价进行研究、分析并实现了几种比较典型的检索算法,并在此基础上提出了一种改进的基于直方图的图像检索技术。提出该算法的出发点有两个,一是颜色空间采用与人眼视觉特性比较接近的HSV空间,二是引入空间信息,改善了传统直方图缺乏空间信息的不足,得到了比较好的检索效果。另外,通过理论和实验分析证明了基于颜色和纹理特征的图像检索对不同的图像内容具有不同的区分能力,进而本文提出了一种自适应特征的图像检索方法。在前面所做研究的基础上,本文最后使用Delphi 6.0和SQL Server 2000设计了一个可扩展的图像检索系统,为相关研究提供了一个实验平台。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景及意义
• 1.2 研究的历史、现状和发展
• 1.3 图像检索的分类
• 1.4 本文的主要工作及章节安排
• 2 基于视觉特征的图像分类检索简介
• 2.1 人类视觉与机器视觉
• 2.2 基于视觉特征的图像分类检索的体系结构
• 2.3 基于视觉特征的图像分类检索的检索流程
• 2.4 图像内容及检索层次
• 2.4.1 图像内容
• 2.4.2 检索层次
• 2.5 基于视觉特征的图像检索的局限性
• 2.6 相关反馈技术
• 2.7 高维索引方法
• 2.8 性能评价准则
• 2.9 本章小结
• 3 基于颜色特征的图像分类检索技术研究
• 3.1 颜色空间
• 3.1.1 RGB 颜色空间
• 3.1.2 HSV 颜色空间
• 3.1.3 L*a*b*颜色空间
• 3.1.4 YUV 颜色空间
• 3.2 颜色量化
• 3.2.1 固定颜色模板
• 3.2.2 可变颜色模板
• 3.3 颜色特征的提取及其表示方法
• 3.3.1 颜色直方图
• 3.3.2 累积直方图
• 3.3.3 颜色集
• 3.3.4 颜色矩
• 3.3.5 颜色聚合向量
• 3.3.6 颜色相关图
• 3.3.7 颜色熵
• 3.4 相似度度量方法
• 3.4.1 距离测度
• 3.4.2 相似测度
• 3.5 图像检索算法实验分析及对比
• 3.6 一种改进的基于颜色直方图的图像检索方法
• 3.7 本章小结
• 4 基于纹理特征的图像分类检索技术研究
• 4.1 纹理特征概述
• 4.2 纹理特征的提取及其表示方法
• 4.2.1 Tamura 纹理特征
• 4.2.2 灰度共生矩阵
• 4.2.3 Gabor 小波变换
• 4.3 实验结果分析
• 4.4 本章小结
• 5 综合颜色和纹理特征的图像检索
• 5.1 一种自适应特征的图像检索方法
• 5.1.1 自适应特征图像检索方法的由来
• 5.1.2 颜色特征的特点分析及其权重自适应调节
• 5.1.3 纹理特征的特点分析及其权重自适应调节
• 5.1.4 颜色和纹理特征的自适应调节权重的综合算法
• 5.2 实验结果与分析
• 5.3 本章小结
• 6 图像检索系统设计与实现
• 6.1 系统运行环境
• 6.2 系统框架
• 6.3 主要功能模块
• 6.4 系统检索主界面
• 6.5 本章小结
• 7 总结与展望
• 7.1 总结
• 7.2 展望
• 参考文献
• 攻读硕士期间发表的论文及所取得的研究成果
• 致谢