基于相關(guān)反饋和綜合特征的圖像內(nèi)容檢索系統(tǒng)研究和實(shí)現(xiàn).pdf

1、在信息量迅速增長(zhǎng)的21世紀(jì)，信息的有效檢索是一個(gè)熱點(diǎn)問(wèn)題。在圖像檢索領(lǐng)域里，在傳統(tǒng)的基于關(guān)鍵字的圖像檢索越來(lái)越不能滿足人們對(duì)信息有效的獲取的情況下，基于圖像內(nèi)容檢索(CBIR，Content-BasedImageRetrieval)系統(tǒng)應(yīng)運(yùn)而生，CBIR是在提取圖像的顏色、形狀、紋理等視覺(jué)特征后，采用一定的方法對(duì)這些特征進(jìn)行比較，從而判斷圖像之間的相關(guān)度，查找出最符合的圖像。在此系統(tǒng)內(nèi)的圖像標(biāo)識(shí)方式是圖像特征屬性描述，檢索線索是一目了然

2、的圖像示例，輸入為圖像示例，輸出為所有與示例特征相同或相近的圖像，按相似程度排列，供用戶選擇，從而把在傳統(tǒng)圖像檢索技術(shù)中一般用戶難以完成的圖像特征描述、提取與識(shí)別等難題，交給系統(tǒng)去解決。這項(xiàng)技術(shù)現(xiàn)在已經(jīng)在小范圍內(nèi)有了一定的使用，比如圖書(shū)館數(shù)字查詢系統(tǒng)等，而離技術(shù)普及還有許多問(wèn)題需要解決。 本文首先介紹了基于圖像內(nèi)容查詢技術(shù)的發(fā)展現(xiàn)狀，然后對(duì)數(shù)字圖像處理的基礎(chǔ)進(jìn)行了說(shuō)明，在此基礎(chǔ)上，介紹了文章所采用的圖像的二值化算法-Otsu算法

3、。 接著，文章通過(guò)介紹圖像的顏色、形狀、紋理和空間特征的提取，圖像相似度的度量方法，特征向量的內(nèi)部和外部歸一化，以及圖像查詢的評(píng)測(cè)標(biāo)準(zhǔn)，提出了一種基于顏色、形狀和空間特征的綜合特征檢索方法，其中顏色特征的提取采用HIS顏色空間進(jìn)行，形狀特征的提取是在圖像二值化基礎(chǔ)上采用的不變矩方法，空間特征的提取是按照一定比例把圖像分成九個(gè)矩形部分，然后對(duì)處于不同位置的矩形賦給不同的權(quán)重。而綜合特征的計(jì)算是在對(duì)顏色和形狀特征向量進(jìn)行歸一化后，加

4、權(quán)求和得到。 為了解決上層的語(yǔ)義和低層的視覺(jué)特征的差別，文章引入了相關(guān)反饋技術(shù)，在對(duì)它進(jìn)行介紹之后，對(duì)基于修改查詢向量的反饋方法進(jìn)行了改進(jìn)，提出一種結(jié)合數(shù)據(jù)庫(kù)技術(shù)和聚類方法的相關(guān)反饋，使得相關(guān)反饋具備一定的記憶功能。 在對(duì)系統(tǒng)響應(yīng)時(shí)間的提高上，本文對(duì)顏色向量進(jìn)行了聚類，采用聚類的中心作為數(shù)據(jù)庫(kù)的索引，使得系統(tǒng)的查詢時(shí)間大為減少，其中聚類采用的為K-mean算法，最佳聚類數(shù)的選擇是采用DBIndex準(zhǔn)則自動(dòng)進(jìn)行。