基于目标区域的图像检索技术与实现

论文摘要

随着网络技术的发展,图像数据日益丰富,如何准确、有效地从众多的图像中检索出用户需要的图像,成为一个研究热点。基于内容的图像检索（Content-Based ImageRetrieval,CBIR）技术的出现,弥补了基于文本的图像检索方式的不足。CBIR从图像内容角度提取特征向量,并根据提取的图像特征进行相似性匹配。目前的大部分CBIR都侧重考虑图像的全局特征,忽略了图像的目标信息和背景信息。为了弥补基于全局特征检索带来的不足,出现了基于目标区域的图像检索技术。基于目标区域的图像检索使用目标区域的特征向量进行相似性检索。本文在综合分析了现有的图像检索技术基础上,提出并实现了一种基于目标区域的图像检索方法。首先将彩色图转为灰度图,对灰度图采用边缘检测的方法得到图像的边缘信息,并使用形态学概念加强边缘信息。然后根据边缘的连通获得目标区域。最后,本文使用非均匀量化的颜色信息对目标区域进行优化。针对优化后的目标区域,提取颜色和形状特征,并使用综合区域匹配法对图像的相似性进行计算,得到检索结果。本文根据提出的改进方法设计并实现了一个基于目标区域的图像检索系统,并与SIMPLIcity系统的检索结果做比较。实验结果表明,本文的改进方法可以很好地提取出图像的目标区域,提高了检索的查准率。

论文目录

• 摘要
• Abstract
• 1 引言
• 1.1 图像检索技术的发展
• 1.1.1 传统的图像检索技术
• 1.1.2 基于内容的图像检索技术
• 1.2 CBIR研究现状
• 1.3 CBIR研究方向
• 1.4 本文研究内容和框架结构
• 2 基于内容的图像检索
• 2.1 CBIR概述
• 2.1.1 CBIR系统结构
• 2.1.2 CBIR处理过程
• 2.2 CBIR关键技术
• 2.2.1 图像特征的提取与表达
• 2.2.2 图像特征相似性匹配
• 2.2.3 检索性能评价
• 3 基于目标区域的图像检索
• 3.1 图像分割
• 3.1.1 图像分割概述
• 3.1.2 图像分割算法
• 3.2 目标区域确定
• 3.3 图像特征提取
• 3.3.1 颜色特征及度量
• 3.3.2 形状特征及度量
• 3.3.3 纹理特征及度量
• 3.3.4 空间特征及度量
• 3.4 相似性匹配
• 4 基于目标区域的图像检索改进方法
• 4.1 基于目标区域的图像检索现状
• 4.2 目标区域的确定及优化
• 4.2.1 目标区域的确定
• 4.2.2 目标区域的优化
• 4.3 目标区域特征提取
• 4.3.1 目标区域颜色特征
• 4.3.2 目标区域形状特征
• 4.4 相似性匹配
• 4.5 实验系统和性能分析
• 4.5.1 系统设计与实现
• 4.5.2 测试图库
• 4.5.3 实验结果和性能分析
• 4.5.4 下一步工作
• 5 总结与展望
• 致谢
• 参考文献
• 在学期间发表学术论文及研究成果
• 详细摘要