利用Curvelet變換進(jìn)行基于內(nèi)容的圖像檢索.pdf

1、近年來,隨著多媒體、網(wǎng)絡(luò)技術(shù)的迅速發(fā)展,圖像信息的應(yīng)用日益廣泛,對(duì)規(guī)模越來越大的圖像數(shù)據(jù)庫(kù)、可視信息進(jìn)行有效的管理,迅速、準(zhǔn)確的找到用戶所需要的圖像,成為一個(gè)廣泛關(guān)注和迫切需要解決的課題.基于內(nèi)容的檢索可以自動(dòng)提取圖像自身所包含的客觀信息,然后根據(jù)這些信息在圖像中進(jìn)行查找,檢索出相似的圖像,不需要或僅僅需要很少的人工干預(yù).針對(duì)基于內(nèi)容的檢索,本文圍繞圖像信息的提取和相似性的計(jì)算這兩個(gè)關(guān)鍵問題,深入分析了基于Curvelet變換的圖像線邊

2、緣檢測(cè),著重研究了從圖像邊界輪廓提取全局和局部特征的方法,同時(shí)對(duì)局部特征的相似度計(jì)算進(jìn)行了深入的探討.本文的主要研究?jī)?nèi)容和成果如下:基于Curvelet變換理論,提出了一種直接從Curvelet變換系數(shù)提取圖像邊緣的方法.依據(jù)Radon映射直線的原理,將線邊緣的檢測(cè)問題轉(zhuǎn)換成Radon變換最大系數(shù)的檢測(cè),利用Radon變換來降低噪聲的影響.實(shí)驗(yàn)結(jié)果表明,本文提出的算法,在有效檢測(cè)形狀邊界弱邊緣的情況下,具有較小的信息冗余度,提高了邊緣檢

3、測(cè)的精度.著重研究了邊界輪廓的全局和局部特征提取方法,探討了Hu不變矩提取邊界輪廓全局特征的修正模型,并詳細(xì)闡述了基于多邊形頂點(diǎn)的局部特征提取方法,提出了一種將Levenshtain距離用于局部特征相似性度量的改進(jìn)算法.實(shí)驗(yàn)結(jié)果表明,采用邊界矩計(jì)算全局特征的速度提高了一個(gè)數(shù)量級(jí),同樣具有平移、旋轉(zhuǎn)以及尺度的不變性;采用Levenshtain改進(jìn)算法的局部特征相似性比較,更加符合人的形狀視覺感知.針對(duì)單獨(dú)使用全局和局部特征檢索存在的問題,