基于前景和背景劃分的區(qū)域圖像檢索的研究與實現(xiàn).pdf

1、隨著多媒體數(shù)據(jù)(圖像、視頻和音頻)的爆炸式增長，人們急需一種能夠方便多媒體數(shù)據(jù)庫管理和訪問的技術(shù)，基于內(nèi)容的多媒體檢索(CBMR)應運而生?；趦?nèi)容的圖像檢索(CBIR)是CBMR的一個重要分支，近期CBIR研究的一個重要方向是基于區(qū)域的圖像檢索(RBIR)，本文的工作即從這個角度出發(fā)的。首先，本文分析了圖像分割在RBIR中的優(yōu)勢和劣勢后，提出了一種簡化的圖像區(qū)域模型(SIR)-前景和背景。本文先進行圖像分類，將圖像分類為對象圖(Obj

2、ectImage)和背景圖(Non-objectImage)兩類；然后對分類為對象圖的圖像進行有效區(qū)域定位，最后對有效區(qū)域進行分割得到對象；而被分類為背景圖的圖像則不進行分割。檢索時，如果查詢圖為對象圖，則采用基于區(qū)域的檢索方法，否則根據(jù)全局特征進行檢索。本文方法通過圖像分類和有效區(qū)域定位減小了圖像分割范圍和區(qū)域數(shù)量，從而減小了區(qū)域匹配算法的復雜度，因此能夠提高檢索速度。其次，本文將改進后的基于權(quán)重調(diào)整(Re-weighting)的相關(guān)

3、反饋(RelevanceFeedback)引入到檢索系統(tǒng)中，并且在借鑒文本檢索中的查詢擴展和優(yōu)化方法后提出了查詢傳播算法(QPA)，實現(xiàn)了語義擴展。實驗表明，本文的相關(guān)反饋方法具有快速學習且不容易達到局部最優(yōu)的特點。最后，結(jié)合本文提出的圖像分割新策略和結(jié)合查詢傳播算法，本文設(shè)計并實現(xiàn)了自己的RBIR系統(tǒng)-ObFind。雖然系統(tǒng)在幾個方面還需要進一步改善，但是從實驗結(jié)果來看，本文的系統(tǒng)ObFind能夠完成基本的圖像檢索功能，并且具有與SI