圖像檢索中形狀描述和匹配算法研究.pdf

1、隨著網(wǎng)絡技術的發(fā)展和數(shù)字圖像設備的普及，大容量圖像數(shù)據(jù)庫在各行各業(yè)有著廣泛的應用，如何快速、有效地查找到圖像庫中相關的圖像是一項具有挑戰(zhàn)性的工作。于是，基于內(nèi)容的圖像檢索應用而生?；趦?nèi)容的圖像檢索不再依靠人工標注進行文本檢索，而是依賴圖像本身所固有的顏色、紋理、形狀和空間關系等特征來檢索相似的圖像。形狀描述圖像具有優(yōu)越性，如形狀特征與目標對象往往聯(lián)系緊密，物體的形狀不隨周圍環(huán)境變化而變化（穩(wěn)定的特征）。因此，基于形狀的圖像檢索成為研究

2、的熱點，如何找到有效的形狀描述方法和形狀相似性計算方法是核心的問題。本文的主要研究內(nèi)容和貢獻如下：
　　(1)深入分析和研究了基于內(nèi)容的圖像檢索的一些關鍵技術，尤其是對基于形狀的圖像檢索中的形狀描述和形狀匹配方法進行了深入的分析和研究，對圖像的底層視覺特征如顏色、紋理、形狀和空間關系等做了比較詳細的介紹，對圖像特征間的相似性度量、圖像檢索算法的評價標準等也做了相應的介紹。
　　(2)提出了一種基于邊緣梯度方向統(tǒng)計碼的形狀描述

3、和匹配算法。該算法首先通過構造18方向向量，對邊緣梯度方向統(tǒng)計碼做最大和約束使其具有旋轉不變性，其次將邊緣梯度方向統(tǒng)計碼應用于基于形狀的圖像檢索中，提出了相應的形狀匹配方法——用邊緣梯度方向熵的歐氏距離來進行相似性度量，使算法具有尺度、亮度變換不變性。實驗結果表明，該方法實現(xiàn)簡單，檢索效果較好。
　　(3)提出了一種新的基于距離自相關圖的形狀特征描述與匹配方法。該算法首先在求取輪廓圖像質(zhì)心距離的前提下計算距離自相關圖，然后將該特征

4、描述子應用于基于內(nèi)容的圖像檢索中。該特征向量取決于邊緣像素點的質(zhì)心距離和相鄰像素之間的相互關系，可以較好的反應圖像的空間分布信息。該方法具有較好的平移、旋轉、尺度不變性。算法分析和實驗結果表明提出的算法取得了較好的檢索效果。
　　(4)改進了一種距離聚合向量的形狀描述方法并將其應用于圖像檢索中。針對Sajjanhar等人提出的基于距離聚合向量算法的不足，本算法在距離聚合向量的基礎上加入了最大連通聚合像素平均坐標的質(zhì)心距離特征，新增