基于SIFT和旋轉(zhuǎn)不變LBP相結(jié)合的圖像檢索系統(tǒng)研究與實(shí)現(xiàn).pdf

1、傳統(tǒng)的基于文本的圖像檢索技術(shù)由于自身限制，已經(jīng)不能滿(mǎn)足用戶(hù)對(duì)圖像信息的檢索需求。一種新的圖像檢索技術(shù)——基于內(nèi)容的圖像檢索技術(shù)(ContentBased Image Retrieval，CBIR)應(yīng)運(yùn)而生，并且已經(jīng)成為大規(guī)模多媒體數(shù)據(jù)庫(kù)高效管理和檢索的重要手段。因此，本文研究并設(shè)計(jì)了基于內(nèi)容的圖像檢索系統(tǒng)。
　　實(shí)際中的圖像總會(huì)發(fā)生尺度、視角及亮度的變化，而基于內(nèi)容的圖像檢索技術(shù)提取的傳統(tǒng)的圖像的顏色、紋理、形狀以及空間關(guān)系等特征

2、往往此時(shí)表現(xiàn)欠佳?；趦?nèi)容的圖像檢索領(lǐng)域急需一種能夠?qū)D像尺度、亮度、旋轉(zhuǎn)、平移甚至仿射不變的特征描述提取算法。本文深入研究了尺度不變特征變換(Scale InvariantFeature Transform，SIFT)算法和局部不變二值模式(Local Binary Pattern，LBP)的方法和原理，針對(duì)在圖像光照變化明顯時(shí)，SIFT算法表現(xiàn)欠佳的問(wèn)題，重點(diǎn)研究了旋轉(zhuǎn)不變LBP。
　　提出了SIFT和旋轉(zhuǎn)不變LBP相結(jié)合的圖

3、像特征提取新算法。算法使用和SIFT相同的關(guān)鍵點(diǎn)檢測(cè)方法，在得到圖像特征的關(guān)鍵點(diǎn)后，統(tǒng)計(jì)關(guān)鍵點(diǎn)周?chē)?6×16區(qū)域的梯度信息并計(jì)算周?chē)?×9區(qū)域的LBP值構(gòu)建圖像的SIFT-LBP特征描述子。
　　為了進(jìn)一步提高檢索準(zhǔn)確率和檢索速度，本文采用了基于遺傳算法的特征選擇方法對(duì)得到的圖像特征進(jìn)行選擇。并且提出了Bag of features和VP-tree結(jié)合的索引結(jié)構(gòu)，利用Bag of features模型將圖像的高維特征映射到視覺(jué)詞匯

4、表，將圖像表示成了基于視覺(jué)詞頻數(shù)的特征矢量，然后將所有圖像特征矢量構(gòu)建VP-tree索引樹(shù)。
　　在Windows XP環(huán)境下，利用Visual C++6.0和SQL2000數(shù)據(jù)庫(kù)技術(shù)開(kāi)發(fā)了基于SIFT和旋轉(zhuǎn)不變LBP相結(jié)合的圖像檢索系統(tǒng)。實(shí)驗(yàn)表明，本文的SIFT和旋轉(zhuǎn)不變LBP相結(jié)合的算法具有良好的尺度、旋轉(zhuǎn)及視角不變性，同時(shí)對(duì)圖像光照的變化具有良好的魯棒性，并且相對(duì)于SIFT算法有較高的檢索準(zhǔn)確率。本文所設(shè)計(jì)的系統(tǒng)能很好地滿(mǎn)足