圖像感興趣區(qū)域提取技術(shù)研究.pdf

1、隨著多媒體技術(shù)、互聯(lián)網(wǎng)以及數(shù)字成像技術(shù)的飛速發(fā)展,使得圖像信息的有效檢索成為迫切需要解決的問題。對于圖像檢索來說,最終面向的是用戶,設(shè)計人性化的檢索系統(tǒng)是圖像檢索發(fā)展的最終方向。由于基于感興趣區(qū)域(Region of Interset, ROI)的圖像檢索技術(shù)更加貼近用戶需求,因而該技術(shù)逐漸成為目前基于內(nèi)容圖像檢索研究的熱點問題。
　　基于感興趣區(qū)域檢索技術(shù)的關(guān)鍵在于感興趣區(qū)域的提取,但由于圖像內(nèi)容的不確定性以及分割技術(shù)的不完善,

2、感興趣區(qū)域的自動提取至今還沒有一種普遍適用的方法。本文在回顧了基于內(nèi)容的圖像檢索技術(shù)的現(xiàn)狀和圖像感興趣區(qū)域的概念、特點及其提取方法研究的基礎(chǔ)上,重點分析了目前圖像感興趣區(qū)域的提取方法,在此基礎(chǔ)上,提出了三種圖像感興趣區(qū)域提取方法:
　　(1)在深入研究基于邊緣檢測技術(shù)的ROI提取方法的基礎(chǔ)上,結(jié)合粗糙集技術(shù),提出了一種圖像感興趣區(qū)域提取算法。針對邊緣檢測方法的抗噪性能差以及提取圖像感興趣區(qū)域時出現(xiàn)不完整和不精確的問題,在圖像處理過

3、程中,引入了粗糙集理論。其算法過程為:首先,基于先驗知識描述,確定粗略ROI區(qū)域,然后,提取和ROI區(qū)域標(biāo)定有關(guān)的底層圖像特征如灰度、邊緣、位置等,在對特征屬性離散化后,構(gòu)造出反映分類關(guān)系的信息表,并依據(jù)不可分辨關(guān)系劃分獲得基本像元區(qū)域,最后,以初始ROI區(qū)域的上近似作為最終提取的ROI區(qū)域。
　　(2)在常規(guī)區(qū)域生長算法的基礎(chǔ)上,提出了一種基于粗糙集的感興趣區(qū)域提取算法。常規(guī)區(qū)域生長算法在區(qū)域生長過程中沒有具體地制定區(qū)域生長過程

4、停止的條件或規(guī)則,結(jié)合粗糙集理論,在顯著度圖和相對位置指示圖的基礎(chǔ)上,以像素點的顯著度、相對位置及顏色信息構(gòu)成知識表達(dá)系統(tǒng),通過屬性約簡和值約簡,導(dǎo)出了有用的區(qū)域生長決策規(guī)則,然后根據(jù)決策規(guī)則生成感興趣區(qū)域(ROI)。該方法彌補了區(qū)域生長算法的不足,提高了感興趣區(qū)域提取的準(zhǔn)確性。
　　(3)提出了基于感興趣點的感興趣區(qū)域提取算法。首先基于多尺度曲率多項式來提取圖像的角點,然后結(jié)合凸殼理論,提出采用包含所有角點的最小凸多邊形作為圖像