基于内容的图像检索和Sift算法的应用

基于内容的图像检索和Sift算法的应用

论文摘要

基于内容的图像检索(CBIR)是多媒体信息检索领域的一项新兴技术。和传统的利用文本标注的检索方式相比,它具有对图像内容描述充分、客观性强、自动高效等优点,有着极为广阔和应用空间,受到广泛关注并逐渐成为多媒体应用技术领域的研究热点。Sift算法是David Lowe于2004年正式完整提出的一种新型局部特征描述子。Sift特征独特性好,信息量丰富,并对尺度缩放、旋转、视角变化、遮挡、噪声和亮度变化等大部分干扰都具有很好的鲁棒性。在相关实验中,Sift算子己被证实其匹配性能明显高于同类型的局部特征。Sift算法在场景匹配、目标识别等领域有很大的利用价值,对其在图像检索领域应用的研究也已经开始。本文首先对CBIR系统所涉及的各个模块进行了大量调研,并对各项技术的原理和细节进行了细致的阐述,尤其对特征提取、多特征融合和相关反馈等关键技术更是从实现的高度给出了解决方案。其次,本文调查了Sift算法的提出背景,深入研究了算法原理及实现细节,对其在图像匹配、目标识别和定位等领域的应用进行了认真研究并提出了一整套解决方案。作为对以上两部分的研究成果的总结,本文分别实现了CBIR实验系统和Sift目标识别平台,并利用这些系统对以上研究进行了性能测试和验证。本文的第三个研究重点是Sift算法在图像检索领域的应用。文章先针对两个已有案例进行了深入研究,并在此基础上对Sift在图像检索中的应用进行了可行性分析和总结。最后,构建了Sift检索系统并利用它对不同类型的图像进行检索实验,实验结果很好的支持了以上述结论。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 引言
  • 1.1 CBIR 技术概述
  • 1.2 图像的语义层次模型
  • 1.3 CBIR 系统组成
  • 1.4 CBIR 原型系统
  • 1.5 CBIR 技术的应用
  • 1.6 本文的主要工作
  • 1.6.1 主要工作
  • 1.6.2 章节安排
  • 第二章 特征提取技术
  • 2.1 颜色特征
  • 2.1.1 颜色空间模型
  • 2.1.2 颜色直方图
  • 2.1.3 颜色矩
  • 2.1.4 主色调直方图法和颜色集
  • 2.2 纹理特征
  • 2.2.1 灰度共生矩阵
  • 2.2.2 Tamura 纹理特征
  • 2.2.3 自回归纹理模型
  • 2.2.4 小波变换
  • 2.3 形状特征
  • 2.3.1 傅立叶描述子
  • 2.3.2 形状不变矩
  • 2.3.3 形状特征小结
  • 2.4 空间位置关系
  • 2.4.1 基于图像分割的方法
  • 2.4.2 基于图像子块的方法
  • 2.5 小结
  • 第三章 CBIR 技术的其它课题
  • 3.1 匹配与相似性度量
  • 3.2 多特征融合
  • 3.2.1 内部特征归一化
  • 3.2.2 外部特征归一化
  • 3.2.3 综合特征的相似性度量
  • 3.2.4 相关反馈
  • 3.3 图像特征的索引技术
  • 3.3.1 维数缩减技术
  • 3.3.2 多维索引技术
  • 3.4 CBIR 系统性能评价
  • 3.4.1 评价准则(Evaluation criteria)
  • 3.4.2 标准图像集和图像相关性
  • 3.5 小结
  • 第四章 SIFT 算法及其在图像匹配中的应用
  • 4.1 SIFT 算法技术细节
  • 4.1.1 构建尺度空间
  • 4.1.2 特征提取
  • 4.1.3 特征匹配
  • 4.2 SIFT 算法的应用
  • 4.3 SIFT 算法扩展
  • 4.3.1 PCA-SIFT
  • 4.3.2 GLOH
  • 4.4 实验
  • 第五章 SIFT 算子应用于图像检索
  • 5.1 SIFT 算子用于图像检索的分析
  • 5.2 SIFT 检索系统及实验
  • 5.2.1 系统设计与实现
  • 5.2.2 实验设计
  • 5.2.3 结果与分析
  • 5.3 小结
  • 第六章 回顾与展望
  • 6.1 工作总结
  • 6.2 展望
  • 参考文献
  • 致谢
  • 攻读硕士学位期间已发表或录用的论文
  • 相关论文文献

    • [1].基于SIFT算法的图像配准研究[J]. 计算机与数字工程 2016(11)
    • [2].结合投影误差校正的快速SIFT图像拼接[J]. 光学精密工程 2017(06)
    • [3].基于窄基线的SIFT特征匹配目标识别[J]. 电子世界 2017(16)
    • [4].基于改进SIFT算法的无人机图像拼接研究[J]. 西昌学院学报(自然科学版) 2017(03)
    • [5].基于改进SIFT的图像匹配研究[J]. 科技创新与应用 2016(05)
    • [6].基于SIFT的岩石薄片图像拼接[J]. 微型机与应用 2017(06)
    • [7].改进背景差分法在SIFT算法中的应用研究[J]. 龙岩学院学报 2017(02)
    • [8].图像局部特征自适应的快速SIFT图像拼接方法[J]. 中国光学 2016(04)
    • [9].一种基于sift算法和变换矩阵的实时视频拼接系统[J]. 信息通信 2014(02)
    • [10].基于SIFT算法的交通标志识别[J]. 制造业自动化 2012(05)
    • [11].结合SIFT校正的视频对象鲁棒水印[J]. 计算机工程 2011(12)
    • [12].基于SIFT特征的人耳识别[J]. 计算机应用 2009(06)
    • [13].基于SIFT自然特征点的户外增强现实系统设计[J]. 嘉应学院学报 2019(06)
    • [14].基于SIFT特征矢量图的快速图像拼接方法[J]. 吉林大学学报(理学版) 2017(01)
    • [15].基于分数阶微分和SIFT算法的图像匹配方法研究[J]. 半导体光电 2016(06)
    • [16].结合SIFT特征和神经网络池的物体分类方法[J]. 电子技术应用 2017(07)
    • [17].基于SIFT特征的视频稳像算法[J]. 兵工自动化 2016(04)
    • [18].新型三维形貌测量系统SIFT算法改进研究[J]. 传感技术学报 2014(11)
    • [19].基于改进SIFT算法的图像配准[J]. 电脑迷 2017(10)
    • [20].基于SIFT的低空遥感图像拼接[J]. 制造业自动化 2013(03)
    • [21].基于改进SIFT算法的图像匹配方法[J]. 计算机仿真 2011(07)
    • [22].一种改进的SIFT算法及其在医学图像配准中的应用[J]. 厦门大学学报(自然科学版) 2010(03)
    • [23].SIFT算法在雷达图像匹配中的应用[J]. 信息与电子工程 2010(04)
    • [24].基于局部SIFT分析的手背静脉识别[J]. 光电子.激光 2009(05)
    • [25].基于SIFT特征图像检索的分布式应用[J]. 贵州师范学院学报 2016(09)
    • [26].基于改进SIFT算法的图像配准[J]. 电子设计工程 2017(06)
    • [27].基于SIFT算法在图像配准上的应用研究和实现[J]. 电子技术与软件工程 2016(05)
    • [28].基于爬山搜索的高斯模糊不变SIFT算子[J]. 计算机应用与软件 2016(06)
    • [29].基于SIFT算法的鞋印图像配准的研究[J]. 机械工程师 2015(10)
    • [30].一种基于图像插值的SIFT算法研究[J]. 信息技术 2014(06)

    标签:;  ;  ;  ;  

    基于内容的图像检索和Sift算法的应用
    下载Doc文档

    猜你喜欢