基于內(nèi)容圖像檢索技術(shù)的研究.pdf

1、隨著計(jì)算機(jī)水平的不斷發(fā)展以及電子產(chǎn)品的大量出現(xiàn)致使圖像數(shù)據(jù)越來(lái)越多,高效和準(zhǔn)確地在這些數(shù)字圖像庫(kù)中查找到我們需要的圖像是當(dāng)今一個(gè)重要的發(fā)展趨勢(shì)。在這種形式下,基于內(nèi)容的圖像檢索逐漸發(fā)展起來(lái),它是利用圖像的底層視覺(jué)特征,并采用恰當(dāng)?shù)南嗨菩远攘亢瘮?shù)來(lái)進(jìn)行相似性檢索。
　　 本文闡述了基于內(nèi)容圖像檢索系統(tǒng)的國(guó)內(nèi)外發(fā)展現(xiàn)狀,并且說(shuō)明了該領(lǐng)域面臨的主要問(wèn)題與難點(diǎn),以及綜述了基于內(nèi)容圖像檢索的理論基礎(chǔ)知識(shí)和相關(guān)技術(shù)。針對(duì)目前圖像底層特征的提

2、取和相似性度量方法存在的問(wèn)題,主要研究了以下幾方面內(nèi)容:
　　 首先針對(duì)利用圖像底層視覺(jué)特征中的單一特征來(lái)檢索具有局限性的問(wèn)題,提出了基于顏色直方圖和輪廓提取的圖像檢索方法。顏色直方圖的提取是基于HSV顏色空間的,針對(duì)H、S、V三個(gè)顏色分量量化時(shí)會(huì)產(chǎn)生一定的誤差,采用相應(yīng)區(qū)域像素的沒(méi)有進(jìn)行量化的R、G、B均值來(lái)彌補(bǔ),并采用基于高斯模糊函數(shù)的相似性度量方法;圖像輪廓的提取采用改進(jìn)的Canny邊緣檢測(cè)和區(qū)域分割相結(jié)合的方法,可以得到

3、清晰的目標(biāo)輪廓,能更準(zhǔn)確的進(jìn)行Hu不變矩特征的提取。實(shí)驗(yàn)結(jié)果表明,該方法的檢索效果好于文獻(xiàn)中的方法,對(duì)于目標(biāo)部分突出的圖像檢索效果更顯著。
　　 其次針對(duì)目前的圖像分割方法較復(fù)雜且不能很好的符合人們的視覺(jué)特征這一難題,提出一種基于連通區(qū)域的顏色和紋理特征圖像檢索方法。該方法對(duì)圖像進(jìn)行簡(jiǎn)單的連通區(qū)域劃分,體現(xiàn)了圖像的形狀特征,并在區(qū)域中進(jìn)行顏色特征和紋理特征的提取。紋理特征的提取采用狄度共生矩陣方法,顏色特征的提取采用能體現(xiàn)顏色分

4、布信息的顏色直方圖方法和能體現(xiàn)空間分布信息的色調(diào)共生矩陣方法,在相似性度量上采用動(dòng)態(tài)區(qū)域匹配的方法,克服了由于各個(gè)連通區(qū)域的形狀和位置不同帶來(lái)的區(qū)域之間不能恰當(dāng)匹配的問(wèn)題。實(shí)驗(yàn)結(jié)果表明基于連通區(qū)域的檢索方法優(yōu)于利用一種或兩種底層視覺(jué)特征進(jìn)行檢索,且比融合圖像三種底層特征進(jìn)行檢索的計(jì)算復(fù)雜度小。
　　 最后針對(duì)本文提出的幾種圖像檢索方法和目前檢索系統(tǒng)的設(shè)計(jì)需求,設(shè)計(jì)了一個(gè)基于內(nèi)容的圖像檢索系統(tǒng)。該系統(tǒng)方便易用,能被大多數(shù)用戶所用,