基于小波矩的图像内容识别技术研究

论文摘要

图像的应用已经深入人们生活的方方面面,如何从纷繁复杂的图像中获得所需要的信息已经成为一个光靠人工难以完成的任务,让计算机对人们所需要的图像进行自动检索的关键就是图像内容的识别。图像的内容包括颜色、纹理、形状等视觉特征。小波分析因其具有良好的时频局部化特性,已经在图像特征的表达中被广泛应用。不变矩的几何变换不变性特点,使其在模式识别、计算机视觉和图像重构中被广泛使用。小波矩是小波分析和不变矩的结合,它拥有小波分析和不变矩各自的优点,具有较大的工程应用价值。本文的研究工作围绕小波矩和图像内容识别技术展开,给出了基于小波矩的图像内容识别算法。主要研究工作包括：1、介绍了常用的图像识别系统,比较、分析它们各自的优缺点和应用范围。分析了图像颜色、纹理、形状特征的提取,并对典型的图像特征提取方法进行探讨,对不同图像特征的优缺点进行了分析。2、为了解决小波分析用于图像内容识别中缺乏平移、旋转和缩放不变性的的缺点,将小波分析和图像的不变矩结合起来,利用小波矩来进行图像特征的提取,设计了小波矩的算法软件,编制了基于小波矩的图像特征提取软件。3、以典型图像为研究对象,对其进行加噪、旋转,并用本文算法提取其图像特征,与Zernike矩图像特征进行比较,结果表明：小波矩图像特征具有较好的图像旋转不变性和抗噪能力。4、建立了实验图像库,提取图像的小波矩特征,利用欧氏距离来度量图像的相似度。实验证明：基于小波矩的图像特征提取方法具有可行性和先进性,对带有噪声的图像,小波矩方法比Zernike矩方法有着更高的查全率和查准率。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 国内外研究现状
• 1.2.1 图像内容识别研究现状
• 1.2.2 小波矩的研究现状
• 1.3 本文的主要内容
• 第2章 图像内容识别技术
• 2.1 基于颜色特征的图像内容识别
• 2.1.1 颜色模型
• 2.1.2 颜色特征的表达
• 2.1.3 颜色关联图方法
• 2.1.4 基于颜色特征的图像内容识别存在的主要问题
• 2.2 基于纹理特征的图像内容识别
• 2.2.1 纹理特征的描述
• 2.2.2 利用灰度共生矩阵统计量的纹理描述方法
• 2.2.3 基于纹理特征的图像内容识别存在的主要问题
• 2.3 基于形状特征的图像内容识别
• 2.3.1 形状特征的描述
• 2.3.2 基于形状特征的图像内容识别存在的问题
• 2.4 三种特征图像内容识别的比较
• 第3章 小波矩
• 3.1 不变矩基本理论
• 3.1.1 几何矩
• 3.1.2 径向矩
• 3.1.3 Legendre矩
• 3.1.4 Zernike矩
• 3.2 小波矩的构造
• 3.2.1 利用小波变换模极大值的小波矩构造
• 3.2.2 基于小波逼近系数的小波矩构造
• 3.2.3 极坐标下的小波矩构造
• 3.3 小波矩的特点
• 第4章 基于小波矩的图像内容识别
• 4.1 基于小波矩的图像内容识别的算法
• 4.2 归一化预处理
• 4.3 小波基的选取
• 4.3.1 常用小波函数
• 4.3.2 小波基的选取原则
• 4.4 相似性度量方法
• 第5章 图像检测
• 5.1 小波矩算法软件设计
• 5.2 小波矩不变性实验
• 5.3 小波矩的图像内容识别实验
• 结论
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文