K均值聚類分割的多特征圖像檢索方法研究.pdf

1、隨著數(shù)字化設(shè)備的廣泛應用和網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展，圖像數(shù)據(jù)庫已成幾何級數(shù)增長趨勢，如何在這些圖像數(shù)據(jù)庫中準確、迅速的找到所需要的圖像就成為一個迫切需要解決的問題。基于內(nèi)容的圖像檢索技術(shù)就在這種背景下應運而生，并成為一大研究的熱點。目前，在基于內(nèi)容圖像檢索技術(shù)中，應用比較成熟的多是基于圖像底層視覺特征的圖像檢索技術(shù)，通過提取圖像的顏色、形狀、紋理或多個特征作為圖像的特征向量進行相似性度量，進而進行圖像檢索?；趩我惶卣鞯膱D像檢索往往存在檢索精

2、度不高的缺點，而基于多特征的圖像檢索技術(shù)則可以提高檢索精度。本文圍繞如何利用圖像的多個特征信息進行檢索的問題進行了研究，主要研究內(nèi)容和貢獻如下：
　　1.查閱和研究了基于內(nèi)容的圖像檢索相關(guān)文獻資料，對基于內(nèi)容的圖像檢索的關(guān)鍵技術(shù)進行了綜述。首先介紹了圖像顏色、形狀、紋理等特征的提取和描述方法，并著重分析了多特征的提取和描述方法；然后對圖像的相似性度量技術(shù)進行了比較全面的分析；最后對常用的圖像檢索技術(shù)的性能評價方法進行了相應的介紹。

3、
　　2.提出了一種基于K均值聚類分割的多特征圖像檢索算法。該算法首先將圖像轉(zhuǎn)換到HSV空間，提取出圖像的H分量矩陣和V分量矩陣，并進行矩陣重組，用K均值聚類算法分別對重組后的兩個分量進行聚類，將聚類后的兩幅圖像做取交集運算，這樣就分割出了圖像中的主要區(qū)域；然后提取出分割區(qū)域的形狀信息，用傅里葉描述子和Hu不變矩來描述；最后進行相似性度量。實驗表明，該算法取得了良好的分割效果和檢索效果。
　　3.設(shè)計實現(xiàn)了一個單機的基于內(nèi)容