綜合多特征和SVM相關反饋的藻類圖像檢索技術研究.pdf

1、藻類是原生生物界一類真核生物，對人類的生產(chǎn)生活有重要貢獻，但同時也是水華、赤潮等災害的元兇，因此對藻類進行正確的分類，以趨利避害，有重要意義。基于內容的圖像檢索技術(CBIR)是一種利用圖像視覺特征建立圖像索引，并進行特征的相似性匹配，檢索出相似圖像的方法。本文旨在針對藻類圖像特點，研究一種圖像檢索算法，從大量的藻類圖片庫中檢索出相關圖片，以輔助人工準確快速的確定藻類類別。具體取得以下進展：
　　 (1)在分析了藻類圖像特點及傳

2、統(tǒng)分割方法在藻類圖像中的適應性不足的問題后，提出了一種新的分割算法。該算法首先對圖像進行去噪處理并提取彩色梯度，對梯度圖建立Gamma混合模型，采用EM算法估計模型中的參數(shù)后求解梯度閾值并二值化梯度圖像，最后采用鏈碼法跟蹤細胞輪廓。大量實驗表明該算法準確、簡單，為進一步的特征提取打好基礎。
　　 (2)對比分析了各種特征的優(yōu)缺點，并確定以顏色直方圖、不變矩、Gabor變換作為圖像的顏色、形狀、紋理特征的代表。在對圖像進行分割的基

3、礎上，提取細胞區(qū)域內的各個特征，使得特征相比較全局特征的區(qū)分度大大提高。特征提取完畢后，本文又研究了多特征的組織方法，建立基于綜合多特征的圖像特征索引，隨后對比分析了各種相似性度量方法，確定了初次檢索的策略。
　　 (3)為進一步消除底層視覺特征和高層語義之間的存在的差異，在基于特征的初次檢索后，又引入了基于SVM的相關反饋技術，并提出了具有記憶功能的SVM相關反饋算法，解決了小樣本下，正例樣本和反例樣本不足的問題；同時改進了相