基于曲波變換和SIFT-PCA算法的圖像檢索技術(shù)的研究.pdf

1、隨著多媒體技術(shù)的快速發(fā)展和數(shù)字技術(shù)的普及應用，使得多媒體數(shù)據(jù)信息(包括圖像、音頻、視頻等)大量出現(xiàn)。如何快速、有效的從海量的信息資源中檢索到所需信息，現(xiàn)已成為多媒體技術(shù)研究領域的一個熱點問題?；趦?nèi)容的圖像檢索(CBIR，Content-based Image Retrieval)技術(shù)就是為了解決上述問題提出的。
　　CBIR技術(shù)是利用圖像本身的性質(zhì)(如顏色、紋理、形狀、空間關(guān)系等)，并借助計算機視覺、圖像處理和模式識別等技術(shù)來實

2、現(xiàn)圖像的有效檢索。圖像的性質(zhì)中，形狀特征比較符合人們的視覺感知，人們傾向于選用形狀特征實現(xiàn)圖像的檢索。但是，形狀特征本身固有其特殊性，使得根據(jù)形狀特征進行圖像檢索，具有一定的難度，因此基于形狀的圖像檢索技術(shù)是CBIR技術(shù)中一個極具挑戰(zhàn)性的研究課題，具有非常重要的研究意義與發(fā)展前景。
　　本文首先介紹了CBIR技術(shù)和基于形狀的圖像檢索的研究背景、現(xiàn)狀以及用到的相關(guān)技術(shù)，同時對基于形狀特征的圖像檢索中的關(guān)鍵技術(shù)進行了介紹和分析。并針對

3、圖像邊緣特征提取中，常用的邊緣特征提取算法計算量大，復雜度高的缺點，本文引入了利用曲波變換(CT，Curvelet Transform)算法來提取圖像的邊緣信息。
　　然后，針對利用傳統(tǒng)的SIFT(Scale-invariant Feature Transform)算法提取出的圖像特征點向量維數(shù)較多，計算量大，檢索效率低等缺點提出了一種基于SIFT和主成分分析(PCA，Principal Component Analysis)相結(jié)

4、合的SIFT-PCA算法。該算法先利用SIFT算法獲得圖像特征點向量，然后通過改進的PCA算法把提取出的特征點向量變換到另一個空間，獲得有代表性的特征參數(shù)，達到對特征點向量的降維。此算法在保證原SIFT算法魯棒性的同時減少了計算量，并且增強了實時性。
　　最后，利用本文設計的圖像檢索系統(tǒng)，將傳統(tǒng)的形狀特征提取算法和本文提出的利用CT算法提取圖像的邊緣信息、SIFT-PCA算法提取圖像的關(guān)鍵特征點，以及融合這兩種特征進行檢索實驗，驗