基于目標(biāo)區(qū)域特征的圖像檢索方法研究.pdf

1、目錄m^AbstractmM緒論i.i研究背景及意義1.2國內(nèi)外研究現(xiàn)狀1.2.1基于全局特征的圖像檢索1.2.2基于區(qū)域特征的圖像檢索1.3論文的主要研究內(nèi)容1.4論文的章節(jié)安排第二章meanshift理論簡介2.1引言2.2核概率密度估計(jì)2.2.1多元核函數(shù)的生成方式2.2.2核函數(shù)概率密度估計(jì)2.2.3幾種常用的核函數(shù)2.3meanshift算法的理論2.3.1meanshift算法的推導(dǎo)過程2.3.2meanshift算法的收斂

2、性2.4meanshift跟蹤算法2.4.1目標(biāo)表示2.4.2目標(biāo)定位2.5本章小結(jié)第三章基于輪廓特征點(diǎn)的圖像檢索方法3.1引言3.2提取目標(biāo)對象的輪廓3.2.1利用meanshift算法對圖像進(jìn)行預(yù)處理3.2.2提取目標(biāo)對象的輪廓3.2.3目標(biāo)對象輪廓的幾何不變性3.3提取目標(biāo)對象輪廓上的特征點(diǎn)3.3.1改進(jìn)的支持區(qū)域的確定3.3.2輪廓上特征點(diǎn)檢測摘要基于內(nèi)容的圖像檢索能夠有效地利用圖像自身特征從海量圖像數(shù)據(jù)庫中檢索出用戶感興趣的圖

3、像，在醫(yī)學(xué)圖像處理、安全管理、衛(wèi)星遙感圖像處理等領(lǐng)域有著廣泛應(yīng)用已經(jīng)成為計(jì)算機(jī)視覺領(lǐng)域研究的熱點(diǎn)問題之一。目前基于內(nèi)容的圖像檢索方法主要分為兩大類：基于全局特征的圖像檢索和基于局部特征的圖像檢索。基于全局特征的檢索計(jì)算簡單、響應(yīng)快速，但缺乏高層語義信息，無法很好地滿足用戶的檢索需求，算法性能不高。例如在用戶僅關(guān)心自己感興趣的局部區(qū)域時(shí)，如果基于全局特征則無法突出目標(biāo)區(qū)域局部特征的顯著性，致使檢索效果不佳。基于區(qū)域特征的檢索從語義層次上理

4、解和表示圖像，更符合人類視覺對圖像的認(rèn)知，彌補(bǔ)了前者的不足。因此，本文側(cè)重研究一類基于目標(biāo)區(qū)域特征的圖像檢索方法，主要研究內(nèi)容如下：(1)提出一種基于輪靡特征點(diǎn)的圖像檢索方法。該方法利用meanshift聚類算法將圖像劃分為幾個(gè)不同的類，取其主聚類作為目標(biāo)區(qū)域，與其他類似方法相比，該方法有效排除了背景對主要目標(biāo)區(qū)域的影響，同時(shí)利用目標(biāo)區(qū)域輪廓曲率局部極值點(diǎn)構(gòu)造目標(biāo)區(qū)域的特征向量并進(jìn)行相似性匹配。實(shí)驗(yàn)表明，該算法對單一目標(biāo)圖像具有較高的査

5、全率和査準(zhǔn)率，同時(shí)在檢索效率方面也有顯著改善。(2)提出一種基于用戶感興趣區(qū)域的圖像檢索方法。該方法首先利用一種可自適應(yīng)調(diào)整窗寬的meanshift跟蹤算法探測候選目標(biāo)區(qū)域；接著利用基于HSV顏色空間的塊逆概率差模型提取候選區(qū)域的塊逆概率差圖像，并基于塊逆概率差圖像提取候選目標(biāo)的顯著特征點(diǎn)；最后綜合顯著特征點(diǎn)的顏色和形狀特征作為對象描繪子實(shí)現(xiàn)目標(biāo)對象和候選對象間的匹配。該算法首先探測出候選目標(biāo)區(qū)域，剔除了圖像背景信息的干擾，提高了候選對