基于輪廓的圖像檢索研究.pdf

1、隨著社交網(wǎng)絡(luò)的快速發(fā)展，網(wǎng)絡(luò)上的數(shù)字圖像信息以海量的方式傳播，并仍在以幾何級(jí)數(shù)的方式不斷增長(zhǎng)。為了滿足人們對(duì)于圖像內(nèi)容檢索的需求，基于內(nèi)容的圖像檢索研究正受到越來(lái)越多的重視和關(guān)注。對(duì)于人類視覺(jué)系統(tǒng)而言，輪廓是一個(gè)非常重要的特征，通過(guò)它人類視覺(jué)系統(tǒng)可以容易且高效地在場(chǎng)景中識(shí)別和區(qū)分物體。因此基于輪廓的圖像檢索具有廣泛的意義和實(shí)用價(jià)值，成為基于內(nèi)容的圖像檢索領(lǐng)域中一項(xiàng)重要的研究課題。
　　為此，本論文將圍繞基于輪廓的圖像檢索展開(kāi)研究，

2、建立一個(gè)涵蓋圖像檢索全過(guò)程的基本框架，具體研究問(wèn)題包括：圖像檢索的不變性及其層次化顯著候選區(qū)域估計(jì)算法、輪廓特征提取算法、數(shù)據(jù)庫(kù)的索引和重排序算法。為驗(yàn)證提出模型與算法性能，我們研發(fā)了一個(gè)基于輪廓的實(shí)時(shí)圖像檢索系統(tǒng)技術(shù)原型，并在該平臺(tái)上進(jìn)行了大量基于輪廓的圖像檢索實(shí)驗(yàn)。
　　本論文的主要貢獻(xiàn)和創(chuàng)新點(diǎn)體現(xiàn)在以下幾個(gè)方面：
　　1.圖像的層次化顯著候選區(qū)域估計(jì)。為解決圖像檢索的位移不變性和尺度不變性問(wèn)題，本文提出了一種圖像的層次

3、化顯著候選區(qū)域（HSCR）估計(jì)算法。該算法能在物體顯著圖上快速捕獲物體可能的顯著層次狀態(tài)，并將之形成候選檢索區(qū)域，因而能自動(dòng)為一幅圖像提供其顯著物體的若干個(gè)候選區(qū)域，這不僅為檢索一幅圖像多個(gè)層次的內(nèi)容提供了可能，也為圖像中顯著物體的位置和尺寸提供了有效估計(jì)。此外，基于圖像的輪廓和顏色顯著，本文還提出了一種圖像的輪廓顯著圖提取算法，它生成的物體顯著圖能更好地匹配HSCR算法，從而有效地提高圖像檢索的性能。本文將HSCR算法分別基于不同的顯

4、著性檢測(cè)模型、結(jié)合不同的輪廓特征提取算法進(jìn)行了多組圖像檢索實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，檢索準(zhǔn)確率均大幅度地得到提高，說(shuō)明HSCR算法確實(shí)能有效地提高圖像檢索系統(tǒng)的性能。
　　2.圖像輪廓特征提取。本文提出了一種基于層次化朝向的多尺度特征（HOF）提取算法，該算法提取的特征涵蓋了物體從整體到局部的信息，相較于僅僅是局部上高度相似的圖像而言，HOF能給予那些整體上相似，但局部存在微小差異的圖像以更高的相似度，因此尤其適合于隨意性較大的簡(jiǎn)筆畫(huà)作

5、為查詢圖的圖像檢索。此外，HOF的這種特性還可以被用于快速的數(shù)據(jù)庫(kù)索引，以提高圖像檢索的性能。
　　3.數(shù)據(jù)庫(kù)索引和重排序。結(jié)合HOF特征由整體到局部的特性，本文設(shè)計(jì)了自頂向下的數(shù)據(jù)庫(kù)倒排索引和從粗糙到精細(xì)的重排序算法。這種自頂向下的倒排索引可以將大量與查詢圖在整體上不相似的圖像快速地去除，在基本保持檢索效果的同時(shí)，大大提升了圖像檢索的效率。此外，從粗糙到精細(xì)的重排序算法，對(duì)索引結(jié)果進(jìn)行快速而層次化的重排序，有效提高了圖像的實(shí)時(shí)檢

6、索性能。
　　4.針對(duì)目前基于卷積神經(jīng)網(wǎng)絡(luò)的圖像檢索在簡(jiǎn)筆畫(huà)查詢方面的不足，提出了一種基于二值化輪廓圖的卷積神經(jīng)網(wǎng)絡(luò)圖像檢索算法。該算法用二值化輪廓圖搭建了簡(jiǎn)筆畫(huà)和自然圖像之間的一個(gè)橋梁，建立了它們對(duì)圖像物體的一致表達(dá)，并且通過(guò)對(duì)自然圖像的輪廓二值化，不僅可以得到大量類似簡(jiǎn)筆畫(huà)的圖像，使得利用輪廓圖像訓(xùn)練卷積網(wǎng)絡(luò)模型成為可能，而且保持了同類物體的簡(jiǎn)筆畫(huà)與自然圖像在網(wǎng)絡(luò)層次特征提取的一致性，因此它可以大幅度提高簡(jiǎn)筆畫(huà)查詢的檢索準(zhǔn)確率