基于内容和语义的物品图像检索

论文摘要

伴随着网络和电子商务的发展,人们不再仅仅满足于通过文字描述来检索物品,而更希望通过图像来检索物品,因此基于内容和语义的物品图像检索成为研究热点。本文针对行李物品检索课题,研究了图像底层特征提取、高层语义建立以及图像检索应用系统框架结构,在检索算法和系统框架建立方面都取得了相应的研究成果,主要内容如下：在图像底层特征的提取方面,本文全面分析了图像对象的颜色、纹理、形状、关键点等特征在图像检索中的作用,选取改进的HSV空间分块颜色直方图和SIFT关键点作为图像匹配的底层特征,并将SIFT关键点进行投影降维,使之与其它特征相级联检索图像；实验结果证明了该算法的有效性和鲁棒性。在图像高层语义建立方面,本文根据物品的属性和特点,定义相关的语义概念集,提取图像颜色特征、Gabor特征、边缘梯度直方图和轮廓特征等表征物品的语义概念；使用支持向量机构建语义分类器；建立以先验概率模型修正分类器分类结果的处理机制；实验结果证明了语义提取方法的准确性。在行李图像检索中,本文将基于语义的图像检索和基于内容的图像检索结合起来,进而提高图像检索的速度和准确率。系统测试检索准确率达到90.3%,每张图像平均检索时间2秒；实验结果证明了本文所提出的检索算法的有效性。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 课题研究背景和意义
• 1.1.1 研究背景以及国内外研究现状
• 1.1.2 课题研究的意义
• 1.2 行李检测系统的概述
• 1.3.论文的主要成果和结构
• 1.3.1 主要研究成果
• 1.3.2 论文组织结构
• 第二章 图像检索的底层特征
• 2.1 颜色特征
• 2.2 纹理特征
• 2.3 形状特征
• 2.4 关键点特征
• 第三章 基于语义的图像检索
• 3.1 引言
• 3.2 语义概念的底层特征
• 3.2.1 LUV颜色空间直方图
• 3.2.2 Gabor特征
• 3.2.3 边缘直方图特征
• 3.3 高层语义概念提取概述
• 3.4 SVM分类器在提取语义概念中的应用
• 3.4.1 SVM主要思想
• 3.4.2 利用SVM构造多类分类器
• 3.4.3 行李检索系统中SVM的应用
• 3.5 基于K均值聚类算法的颜色语义
• 3.6 实验结果分析
• 3.7 本章小结
• 第四章 基于内容的图像检索
• 4.1 引言
• 4.2 行李物品图像预处理
• 4.3 本文采用的图像检索底层特征
• 4.3.1 改进HSV颜色直方图
• 4.3.2 SIFT特征
• 4.4 基于内容的图像特征匹配
• 4.4.1 特征的归一化
• 4.4.2 特征的匹配方法
• 4.4.3 行李图像检索系统底层特征匹配
• 4.5 实验结果和分析
• 4.6 本章小结
• 第五章 系统综合功能分析
• 5.1 系统的功能组成
• 5.1.1 系统界面
• 5.1.2 系统的数据库
• 5.1.3 调用的开源库
• 5.1.4 系统运行环境
• 5.2 系统实验数据
• 5.3 本章小结
• 第六章 总结与展望
• 6.1 论文总结
• 6.2 工作展望
• 参考文献
• 致谢
• 攻读硕士学位期间已发表学术论文