基于內(nèi)容的農(nóng)產(chǎn)品圖像檢索方法研究.pdf

1、隨著信息技術(shù)飛速發(fā)展，數(shù)碼相機和帶照相功能的智能手機日益普及，拍照已變得非常便利，博客、微博等新媒體的廣泛應(yīng)用使得互聯(lián)網(wǎng)上圖片數(shù)據(jù)庫規(guī)模以驚人的速度增長。如何從海量圖片數(shù)據(jù)中快速、有效的找到所需圖片，一直以來是人們研究的熱點?；趦?nèi)容的圖像檢索技術(shù)(Content-Based Image Retrieval，CBIR)被認為是解決這一問題的有效途徑而受到了學(xué)者們的廣泛關(guān)注。基于內(nèi)容的圖像檢索技術(shù)主要利用圖像的視覺特征，如圖像中對象的顏色

2、、紋理、形狀、空間位置等以及這些特征的組合和上下文的語義關(guān)系來查詢圖像。然而，盡管基于內(nèi)容的圖像檢索技術(shù)研究已達數(shù)十年，取得了長足的進展，但仍無法滿足用戶端的檢索要求。其中最難解決的問題是:表示圖像內(nèi)容的底層視覺特征與用戶檢索時具有的高層語義之間存在差距。同時也是計算機視覺、圖像處理和模式識別領(lǐng)域的一個難題。
　　本文針對基于內(nèi)容的圖像檢索中的一些關(guān)鍵技術(shù)，包括提取圖像的底層視覺特征、圖像間相似性的度量及檢索算法的評價性能技術(shù)等，

3、進行了一些探究性的研究，提出了兩種關(guān)于農(nóng)產(chǎn)品圖像檢索的解決方案。提出了一種基于K鄰近的多級多特征圖像檢索方法。在顏色方面，對圖像的HSV直方圖分塊加權(quán)提取其顏色特征。在紋理方面，利用局部二值模式Local Binary Pattern，LBP)算法提取圖像的紋理特征。在形狀方面，通過Canny算子提取圖像形狀的邊緣特征。將所提取顏色、紋理和形狀等特征用基于K鄰近(K-Nearest Neighbor，KNN)算法的思想進行逐級相似度判別

4、篩選，最后融合顏色、紋理和形狀等特征信息，利用巴氏(Bhattacharyya)距離對相似度大小進行計算，根據(jù)相似度的大小來檢索圖像。實驗隨機選擇Caltech256圖像庫和中國植物圖像庫中的部分農(nóng)產(chǎn)品圖像，采用平均查準率對該方法進行評價，實驗結(jié)果證明該方法檢索精度較高。提出了一種融合圖像形狀和紋理特征的檢索方法。形狀特征，首先利用大津法(Otsu)獲取圖像的最佳閾值進行閾值分割得到二值圖像，對二值圖像利用Canny算子的輪廓提取進行邊

5、緣檢測，在以上基礎(chǔ)上，通過Hu不變矩提取圖像的形狀特征。紋理特征，利用Uniform LBP算法提取圖像的紋理特征。將提取的形狀特征和紋理特征歸一化，進行加權(quán)相似度計算，根據(jù)相似度的大小進行圖像檢索。實驗隨機選擇Caltech256圖像庫中的部分農(nóng)產(chǎn)品圖像，采用平均查準率對該方法進行檢驗，實驗結(jié)果證明該方法具有較高的檢索精度。本文提出的上述兩種基于內(nèi)容的農(nóng)產(chǎn)品圖像檢索方法，都融合了多種圖像的底層特征，克服了單一特征檢索的缺陷，彌補了單一