基于目標(biāo)區(qū)域特征的反饋式圖像檢索算法.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的普及以及多媒體技術(shù)的快速發(fā)展，以數(shù)字圖像為主的多媒體信息在人們的日常生活和工作中發(fā)揮著越來(lái)越重要的作用。然而隨著圖像數(shù)據(jù)庫(kù)規(guī)模的逐步增大，如何對(duì)圖像進(jìn)行快速準(zhǔn)確的查找成為了目前亟待解決的問題。為此，基于內(nèi)容的圖像檢索（Content Based Image Retrieval, CBIR）技術(shù)應(yīng)運(yùn)而生，該技術(shù)的特點(diǎn)在于算法針對(duì)圖像自身的底層視覺特征，首先提取查詢圖像的特征，然后將此特征與圖像特征庫(kù)里的其它圖像的特征進(jìn)行相

2、似度匹配，最后將相似度較高的圖像作為檢索結(jié)果顯示給用戶。但傳統(tǒng)的CBIR通常面臨檢索準(zhǔn)確率不高與檢索效率過(guò)慢的問題。
　　本文針對(duì)上述問題，在傳統(tǒng)的CBIR基礎(chǔ)上提出了三個(gè)方面的改進(jìn)，圍繞基于目標(biāo)區(qū)域特征的反饋式圖像檢索算法展開研究，主要工作內(nèi)容如下：
　?。?）傳統(tǒng)的CBIR中，人們習(xí)慣從圖像的全局特征的角度來(lái)描述圖像，但實(shí)際上，圖像中還會(huì)包含有很多冗余信息，用戶更關(guān)注的只是圖像中的局部區(qū)域，因此，論文重點(diǎn)研究了基于局部目

3、標(biāo)區(qū)域的圖像檢索，提出了基于自適應(yīng)閾值曲率增強(qiáng)的角點(diǎn)檢測(cè)法和基于角點(diǎn)曲率的目標(biāo)區(qū)域提取法。該算法將曲率作為角點(diǎn)重要程度的判斷標(biāo)準(zhǔn)，通過(guò)自適應(yīng)閾值判斷圖像的真?zhèn)谓屈c(diǎn)，并增強(qiáng)真實(shí)角點(diǎn)的曲率信息，利用具有較大曲率的角點(diǎn)確定圖像的重心，以重心為形心定位圖像的目標(biāo)區(qū)域。實(shí)驗(yàn)表明，基于上述算法的圖像檢索與傳統(tǒng)的算法相比，不僅可以有效地檢測(cè)出圖像的角點(diǎn)、提取出目標(biāo)區(qū)域，而且能夠大幅度的提高圖像檢索的準(zhǔn)確率。
　　（2）為了提高圖像檢索的效率，添

4、加了聚類分析算法。首先利用模糊C均值算法對(duì)圖像數(shù)據(jù)庫(kù)中的圖像進(jìn)行聚類，得到多個(gè)聚類中心和每個(gè)類的中心圖像，然后將查詢圖像與每個(gè)類的中心圖像進(jìn)行相似度比較，找到與其最相似的一類，使得接下來(lái)的檢索工作只需要在該類的內(nèi)部進(jìn)行即可。實(shí)驗(yàn)表明，加入聚類分析算法后，縮小了檢索范圍，提高了檢索算法的效率。
　　（3）圖像檢索準(zhǔn)確率不高的原因除了圖像中過(guò)多的冗余信息之外，還源于圖像的底層視覺特征與人類的高層語(yǔ)義概念之間的差異。為此，引入相關(guān)反饋機(jī)