基于聚類的圖像檢索技術(shù)研究.pdf

1、互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展和數(shù)字圖像設(shè)備的普及，使得大容量圖像數(shù)據(jù)庫在各種領(lǐng)域有了廣泛應(yīng)用，在一定程度上推動了圖像數(shù)據(jù)庫管理的發(fā)展?；趦?nèi)容的圖像檢索技術(shù)(Content-based Image Retrival，CBIR)應(yīng)運而生，其目的是快速有效地從龐大的圖像數(shù)據(jù)庫中查詢出符合用戶需求的相似圖像?；趦?nèi)容的圖像檢索是通過計算機自動完成圖像的特征提取，根據(jù)圖像特征(包括顏色、紋理、形狀和空間位置關(guān)系等)向量的相似性匹配來檢索相似的圖像，涉及

2、計算機視覺、圖像處理、圖像理解和模式識別等諸多領(lǐng)域，具有深遠的研究意義和應(yīng)用價值。
　　 本文概要地介紹了基于內(nèi)容的圖像檢索系統(tǒng)的框架模型以及應(yīng)用領(lǐng)域，深入地分析和研究基于內(nèi)容的圖像檢索的關(guān)鍵技術(shù)，包括圖像顏色空間的轉(zhuǎn)換，顏色特征、紋理特征以及形狀特征的描述和提取，K均值聚類在圖像檢索系統(tǒng)中的應(yīng)用，對特征向量的相似性度量以及檢索系統(tǒng)的評價準則。
　　 本文所做的主要工作如下：首先在特征提取方面，本文重點研究了圖像的顏色特

3、征、紋理特征以及形狀特征的提取算法，為了更全面的描述圖像的內(nèi)容，系統(tǒng)采用綜合特征作為圖像的視覺特征，綜合特征是通過對三種單一特征歸一化處理后進行加權(quán)求和，涵蓋了圖像的顏色、紋理和形狀信息。實驗結(jié)果表明，基于綜合特征加權(quán)的圖像檢索比單一特征的圖像檢索效果要好，提高了系統(tǒng)的查準率和查全率。在系統(tǒng)實現(xiàn)方面，本文在在傳統(tǒng)的設(shè)計模塊上增加了一個聚類篩選模塊，通過改進K均值聚類算法使得改進后的算法能夠自動獲取K值，并使得改進的聚類算法很好的應(yīng)用于本

4、文設(shè)計的圖像檢索系統(tǒng)中。通過對圖像庫中的圖像按照某種相似性準則進行聚類，將相似的圖像聚集到一類，不同的圖像歸為不同的類別，有助于篩選掉一些與視覺感知不符的圖像，通過過濾掉與示例圖像不相干的圖像，從而有效的提高圖像檢索的精度。實驗結(jié)果表明，基于聚類的圖像系統(tǒng)性能優(yōu)于傳統(tǒng)的檢索系統(tǒng)，仿真結(jié)果證明了算法的有效性。本文利用Visual Studio2010作為開發(fā)工具，采用VC++設(shè)計并實現(xiàn)了一個基于聚類的圖像檢索系統(tǒng)，對文中所涉及的圖像檢索算