基于內(nèi)容的彩色圖像檢索理論與方法研究.pdf

1、隨著多媒體信息技術(shù)的高速發(fā)展及網(wǎng)絡(luò)的日益普及,來自社會(huì)各個(gè)領(lǐng)域的數(shù)字圖像的數(shù)量與日俱增,圖像的存儲(chǔ)和管理成為一項(xiàng)繁重的工作。如何從巨大的圖像庫中準(zhǔn)確又快速的找到用戶所需要的圖像成為急需解決的問題,因此基于內(nèi)容的圖像檢索技術(shù)(CBIR)應(yīng)運(yùn)而生,成為多媒體信息領(lǐng)域重要的研究方向。本論文圍繞基于內(nèi)容圖像檢索中的相關(guān)核心問題,進(jìn)行深入的研究,主要內(nèi)容包括:
　　 (1)為了避免單一視覺特征不能充分刻畫圖像內(nèi)容的缺點(diǎn),提出了一種基于彩色

2、邊緣綜合特征的圖像檢索算法。該算法首先利用Canny檢測算子提取原始圖像的彩色邊緣輪廓；然后構(gòu)造能全面反映圖像邊緣輪廓信息的三種直方圖,即彩色邊緣加權(quán)顏色直方圖、彩色邊緣角度直方圖和彩色邊緣梯度方向直方圖；最后綜合利用這三種直方圖計(jì)算圖像之間的相似度,并返回檢索結(jié)果。該算法有效提高了檢索效率。
　　 (2)為了解決圖像底層視覺特征和高級(jí)語義之間的語義鴻溝問題提出了一種基于最大期望參數(shù)估計(jì)的集成支持向量機(jī)的相關(guān)反饋圖像檢索算法。該

3、算法首先構(gòu)造AB-SVM分類器來解決SVM不穩(wěn)定和SVM最優(yōu)超平面偏移問題；然后構(gòu)造RS-SVM分類器來解決SVM中出現(xiàn)的溢出問題；最后用最大期望參數(shù)估計(jì)方法將AB-SVM和RS-SVM集成為一個(gè)性能更強(qiáng)的分類器對(duì)圖像進(jìn)行分類。該算法顯著改進(jìn)了傳統(tǒng)基于內(nèi)容圖像檢索的效率。
　　 (3)提出了一種基于特征重構(gòu)的相關(guān)反饋圖像檢索算法。該算法首先將圖像特征映射到一個(gè)高維核空間；然后利用正例樣本的正交互補(bǔ)成分重新構(gòu)造樣本圖像和測試圖像的