紋理分析新方法與非線性降維在圖像檢索中的應用研究.pdf

1、隨著多媒體、網(wǎng)絡技術的迅速發(fā)展，圖像信息的應用日益廣泛，對規(guī)模越來越大的圖像數(shù)據(jù)庫進行有效的管理成為迫切需要解決的問題。基于內容的圖像檢索正是解決從大量圖像中獲取出所需信息的關鍵技術。 提取圖像的低層視覺特征是進行圖像檢索工作的基礎，而紋理特征是一種重要的低層特征。本文除了使用已有的一些紋理特征外，還提出了如下新的紋理特征：基于小波變換、圖像金字塔的多尺度復雜性及多尺度分維數(shù)特征，二維Hilbert譜特征。并且針對二維EMD分解

2、中所遇到的邊界問題，提出了基于K均值聚類的邊界對稱算法。同時本文還使用了已有的一些顏色特征，實驗表明上述特征和方法可以用于圖像檢索。 在基于內容的圖像檢索中，建立圖像特征庫時的存儲高維特征的空間復雜度和度量圖像之間相似性的運算復雜度都將非常的高，本文使用了非線性降維分析來降低空間和運算復雜度，實驗表明取得了較好得結果。同時本文將機器學習和相關反饋結合起來用于圖像檢索，在實驗中使用了K-NN、BP神經(jīng)網(wǎng)絡和支持向量機分類器。實驗證