基于DCT域的图像特征描述及其在图像检索中的应用

论文摘要

随着PC技术、多媒体技术和网络技术的高速发展,数字图像逐渐成为信息的主要载体,并且在各行各业都得到广泛深入的应用。随之也逐渐形成了各种图像数据库。如今,大部分的数字图像资源是以压缩形式进行存储和传输的,而且压缩编码标准大部分是以DCT为基础的。为了更好的管理和使用图像数据库,研究基于DCT域的图像特征提取方法,并应用于图像检索技术中具有代表性。归纳、总结了现有基于DCT域的图像检索技术的研究现状,根据基本的视觉特征和DCT系数的特性对DCT域的特征描述方法进行分类:DC系数的平均灰度特征描述、AC系数的频带、方向统计特性的特征描述和纹理统计特征描述。介绍矩阵奇异值分解的理论、特性和在图像处理中的应用。提出了一种在DCT域获取图像的代数特征——SV特征矢量进行图像检索的方法。该方法把DCT系数的频带、方向统计特性与数学中的奇异值分解方法相结合,首先,在图像解压到量化的DCT域时,提取两个粗糙纹理矩阵I1 ,I 2。然后,分别对I1 ,I 2进行奇异值分解,根据图片库的特点选取部分或全部奇异值表征图像的主要信息。为了降低了算法对灰度值变化的敏感性,对原有欧式距离进行改进。最后,试验了该特征提取技术在检索处理图像库、纹理图像库和相似图像库的效果。实验表明,SV特征值并不影响其所对应的粗略图像矩阵对原图像的描述,这种方法不仅对图像的光照、几何变换、锐化、高斯模糊、噪声等具有很好的不变性,而且对相似图像和纹理图像都具有较好的检索效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• §1-1 选题的背景、目的及意义
• §1-2 DCT 域图像特征描述的有关研究现状
• 1-2-1 基于DCT 域提取边缘特征的图像检索
• 1-2-2 基于DCT 域频带、方向特性的图像检索
• 1-2-3 基于DCT 域纹理统计特征的图像检索
• §1-3 论文的主要工作
• 第二章 DCT域系数分析及图像特征描述
• §2-1 JPEG 压缩标准
• 2-1-1 JPEG 概述及基本原理
• 2-1-2 JPEG 算法介绍
• §2-2 DCT 域系数特性
• 2-2-1 DCT 的数学运算
• 2-2-2 DCT 域的区域的能量集中性
• §2-3 DCT 域的图像特征描述及应用
• 2-3-1 DC 系数的图像特征描述
• 2-3-2 AC 系数的图像特性描述
• 2-3-3 DCT 域的纹理统计特征描述
• §2-4 DCT 域图像特征描述的发展方向
• §2-5 矩阵奇异值在图像处理中的应用
• 2-5-1 矩阵奇异值的数学理论和特性
• 2-5-2 矩阵奇异值的应用
• 第三章 基于内容的图像检索模型
• §3-1 CBIR 背景
• §3-2 CBIR 的基本框架
• §3-3 CBIR 的关键技术
• 3-3-1 图像特征的提取
• 3-3-2 图像相似度的度量
• 3-3-3 相关反馈技术
• 3-3-4 索引技术
• 3-3-5 性能评判指标
• §3-4 CBIR 的发展及应用
• 第四章 基于 DCT域奇异值分解的图像检索
• §4-1 算法的理论依据
• §4-2 算法描述
• 4-2-1 重组DCT 系数构造粗糙图像
• 4-2-2 奇异值分解
• 4-2-3 计算SV 特征矢量和相似度
• §4-3 试验环境和检索系统的搭建
• §4-4 试验步骤及结果分析
• §4-5 算法总结
• 第五章 结论和展望
• §5-1 工作总结
• §5-2 课题展望
• 参考文献
• 致谢
• 攻读学位期间所取得的相关科研成果