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,來自社會各個領(lǐng)域的數(shù)字圖像的數(shù)量與日俱增,圖像的存儲和管理成為一項繁重的工作。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,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)估計的集成支持向量機的相關(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)估計方法將AB-SVM和RS-SVM集成為一個性能更強的分類器對圖像進行分類。該算法顯著改進了傳統(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高維核空間；然后利用正例樣本的正交互補成分重新構(gòu)造樣本圖像和測試圖像的