基于小波纹理特征及脉冲耦合分类器的图像检索方法研究

论文摘要

基于内容的图像检索在多媒体数据库应用中是一个很重要的研究领域，而纹理作为图像的一个重要信息，对图像检索具有重要的意义。脉冲耦合神经网络（PCNN）是新一代的人工神经网络，在数据处理上具有很多优势。本文对基于内容的图像检索的一些技术进行了介绍，主要围绕图像检索的两个核心问题特征提取、匹配策略和方法展开讨论，提出了一种基于小波纹理特征的脉冲耦合神经网络图像检索方法，即运用Gabor小波提取图像的纹理特征，并充分运用PCNN的强自适应聚类（无监督学习）和强自适应分类能力（有监督学习），有效实现对纹理模式的聚类和分类，使得仅在类内进行模式匹配，并建立一个较好的索引树结构，实现了大型图像库的实时检索；由于PCNN的强自适应聚类和强自适应分类能力，使得这种纹理检索方法具有非常好的检索性能。最后，通过对Brodatz纹理图像库检索的实验结果及与Gabor-Euclid的方法和灰度共生矩阵方法的比较验证了本文方法的有效性。

论文目录

• 第一章 绪论
• 1.1 研究背景
• 1.2 研究内容
• 第二章 基于内容的图像检索简介
• 2.1 图像检索问题及其研究概况
• 2.2 纹理特征的提取
• 2.2.1 纹理分析
• 2.2.2 图像纹理特征的提取方法
• 2.3 常用的相似性度量的方法
• 2.4 图像检索的有效性
• 2.5 国内外的相关研究
• 2.6 本章小结
• 第三章 脉冲耦合神经网络的原理及特性
• 3.1 人工神经网络概述
• 3.2 脉冲耦合神经网络的结构模型
• 3.3 脉冲耦合神经网络的工作原理
• 3.3.1 单个神经元的运行行为
• 3.3.2 神经元的集体运行行为
• 3.4 脉冲耦合神经网络的基本特性
• 3.5 本章小结
• 第四章 基于小波纹理特征的脉冲耦合神经网络图像检索算法
• 4.1 算法的提出
• 4.2 基于Gabor小波特征向量的提取
• 4.2.1 Gabor变换
• 4.2.2 Gabor小波变换
• 4.2.3 纹理特征的描述
• 4.3 基于PENN的特征聚类与分类
• 4.3.1 基于PCNN的特征聚类
• 4.3.2 基于PCNN的特征分类
• 4.4 结合脉冲耦合神经网络聚类分类的检索方法
• 4.5 本章小结
• 第五章 实验结果与分析
• 5.1 检索精度的比较
• 5.2 检索实时性的比较
• 5.3 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 未来工作的探索
• 参考文献
• 致谢
• 在读期间的研究成果