基于局部特征的圖像檢索技術(shù)研究.pdf

1、基于內(nèi)容的圖像檢索(CBIR)是利用圖像本身的信息,借助現(xiàn)有的圖像處理技術(shù)和構(gòu)造新的算法來辨別圖像特征的機制,并根據(jù)每幅圖像中的可比較特征來進行檢索。目前大量的基于內(nèi)容的圖像檢索研究都是全局圖像信息,然而在大多數(shù)情況下,用戶更關(guān)心的是圖像中具有一定語義的區(qū)域,為了達到這種效果,一些圖像檢索系統(tǒng)中引入了圖像自動分割和自動區(qū)域提取技術(shù),然而到目前為止還不存在一種通用的方法,同時也沒有一個判斷分割質(zhì)量的標準,因而分割結(jié)果必然會導(dǎo)致與人的主觀認

2、識上的差異,也導(dǎo)致無法準確地提取相關(guān)區(qū)域的視覺特征,同時也降低了檢索結(jié)果的效果。為了解決上述問題,本文主要側(cè)重研究基于局部特征的圖像檢索。研究的具體的方法如下：
　　 ⑴提出了一種綜合顏色和圖像輪廓曲線特征的檢索方法。該方法首先分割圖像并提取圖像中感興趣對象的輪廓,接著對提取的輪廓進行仿射變換及最小值化處理,經(jīng)處理后的輪廓帶有邊緣的完整信息,并具有幾何不變性；其次,利用聚類的顏色信息,提取主聚類的直方圖,所提取的直方圖不僅包含了

3、主聚類的顏色信息也包含了該聚類的空間位置信息。最后,利用檢索對象與被檢索對象的顏色距離直方圖及輪廓曲線距離偏差的加權(quán)平均度量檢索及被檢索對象的相似性。
　　 ⑵提出了一種基于感興趣區(qū)域的檢索方法,用戶需要在整幅圖片中選擇自己要檢索的物體作為檢索對象。該算法將Mean shift跟蹤的思想運用到基于內(nèi)容的圖像檢索中,但經(jīng)典的Mean Shift跟蹤算法利用顏色直方圖來跟蹤目標,并沒有考慮到尺度的變化和目標像素的空間位置,針對上述問

4、題,本文首先提出了一種快速自適應(yīng)調(diào)整窗寬尺度的算法,該算法能夠快速、準確的查找檢索圖像中目標的大小來改變窗寬的尺度,其次,在傳統(tǒng)的直方圖中加入空間信息,該信息反映目標像素的空間位置,提高跟蹤的魯棒性,最后,利用顏色分布熵來度量兩幅圖片的相似度,該方法更能真實反映物體的空間結(jié)構(gòu)。實驗表明對經(jīng)典的mean shift做一系列的改進,可以提高跟蹤定位的準確性和檢索效果的精確性。
　　 ⑶開發(fā)了一個基于內(nèi)容的圖像檢索引擎,該軟件實現(xiàn)了基