基于内容的图像检索研究

论文摘要

随着多媒体技术因特网络的迅速发展，图像来源不断扩大，大容量高速存储系统为图像的海量存储提供了基本保障，各行各业对图像的使用越来越广泛，图像信息资源的组织、管理和检索显得日益重要。为提高图像资源的利用率，如何有效地、快速地从大规模的图像数据库中检索出需要的图像是目前一个急需解决的重要问题，基于内容的图像检索技术和基于语义的图像检索技术正是解决这一问题的有效途径。本文介绍了基于内容的图像检索的背景、应用、研究的现状和发展趋势以及现有的图像检索系统；详细阐述了基于内容的图像检索研究的各个关键技术。并在深入研究相关反馈技术的基础上，主要围绕图像内容的多义性展开详细的研究。图像的可能性隶属度可以表示出图像的多义性。在分析图像可能性隶属度的基础上设计了一种基于可能性聚类的自适应相关反馈的图像检索方法。该方法首先利用可能性聚类算法将图像库中的图像分类，这样查询仅在已分好的类中进行，然后通过相关反馈技术在线理解用户的查询意图，自动调整相似度测量准则以符合用户需求。基于对象的图像检索就是根据图像中是否包含某个(或某些)对象来决定其是否为用户所需。基于人脸对象的图像检索具有极大实用价值，它的关键技术之一是人脸识别。人脸识别可以描述为：在已知的人脸样本库中，利用图像处理和模式识别技术从静态或动态场景中，识别或验证一个或多个人脸。对此本文也研究了人脸检测与人脸识别的方法、分类器的设计以及多分类器融合的识别方法。并且根据粗糙神经网络可以缩短训练时间和优化网络拓扑结构的特性，提出了一种基于粗糙神经网络的多特征领域多分类器融合的人脸识别方法。

论文目录

• 摘要
• ABSTRACT
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 研究背景与意义
• 1.1.1 传统技术在图像检索中的局限性
• 1.1.2 基于内容的图像检索
• 1.1.3 基于人脸对象的图像检索
• 1.2 应用前景
• 1.3 研究现状
• 1.4 本文的主要研究工作
• 1.5 本文的构成
• 第2章 基于内容图像检索的概述
• 2.1 图像检索技术的发展阶段
• 2.1.1 基于文本标注的图像检索阶段
• 2.1.2 基于内容的图像检索阶段
• 2.1.3 基于相关反馈技术的检索阶段
• 2.1.4 基于图像压缩域特征的检索技术
• 2.2 基于内容的图像检索技术的特点
• 2.3 基于内容的图像检索系统的构成
• 2.4 图像内容分类
• 2.5 基于内容的图像检索的关键技术
• 2.5.1 图像物理特征提取研究
• 2.5.2 图像语义特征
• 2.5.3 图像查询方式和相似性度量研究
• 2.5.4 图像检索算法的评价准则
• 2.6 小结
• 第3章 PCA算法和相关反馈算法与图像检索
• 3.1 PCA算法
• 3.1.1 聚类与聚类方法
• 3.1.2 模糊聚类
• 3.1.3 PCA算法
• 3.2 基于 PCA算法的图像分类方法
• 3.3 相关反馈算法与图像检索
• 3.3.1 相关反馈技术的背景及其结构
• 3.3.2 相关反馈技术的分类
• 3.4 基于 PCA的自适应相关反馈图像检索方法
• 3.5 实验
• 3.6 结论
• 第4章 人脸图像识别的关键技术
• 4.1 人脸识别技术的发展阶段
• 4.2 人脸识别的框架
• 4.3 人脸识别的关键技术
• 4.3.1 人脸检测技术
• 4.3.2 人脸识别技术
• 4.4 分类器设计
• 4.5 结论
• 第5章 基于粗糙神经网络的人脸对象的图像检索
• 5.1 人脸特征抽取
• 5.2 构造分类器
• 5.2.1 粗糙集理论的基本概念
• 5.2.2 人工神经网络的基本概念和基本特征
• 5.2.3 人脸识别中主要使用的神经网络
• 5.2.4 构造分类器
• 5.3 多特征领域多分类器融合的人脸识别方法
• 5.3.1 人脸识别系统的体系结构
• 5.3.2 多分类器融合的策略
• 5.4 实验
• 5.5 小结
• 结论
• 参考文献
• 致谢
• 附录A 攻读学位期间所发表的学术论文目录