基于視覺特征的圖像檢索方法研究及系統(tǒng)實現(xiàn).pdf

1、在多媒體技術(shù)、網(wǎng)絡技術(shù)，特別是Internet技術(shù)的迅猛發(fā)展之下，信息不斷膨脹，人們越來越多的接觸到大量的圖像信息。傳統(tǒng)的基于文本關鍵詞的檢索方法已經(jīng)無法適應圖像信息的檢索需求，如何有效的組織、管理以及查詢和搜索這些大規(guī)模的信息，成為擺在我們面前的重要研究課題。因此，基于內(nèi)容的圖像檢索（CBIR）技術(shù)應運而生，便逐漸成為當前的一個熱門研究課題。
　　 本文首先對CBIR的國內(nèi)外相關研究情況和當前在研究方面所遇到的問題和困難進行了

2、分析和介紹。接著，分析了基于內(nèi)容圖像檢索的體系結(jié)構(gòu)和關鍵技術(shù)。然后，在此基礎上，詳細描述了基于顏色和紋理特征進行圖像檢索的過程和算法。在基于顏色特征的圖像檢索方面，本文首先介紹了三種不同的顏色空間模型：RGB空間、HSV空間和YUV空間，以及它們之間的相互轉(zhuǎn)換。然后提出一種改進的顏色直方圖方法，該方法選擇符合人眼視覺特征的HSV顏色模型，同時將圖像進行分割，形成不同子塊，并對圖像主體或用戶感興趣的子塊加大權(quán)重，從而彌補了全局顏色直方圖當

3、中不包含任何空間信息以及傳統(tǒng)分塊中沒有考慮到圖像的主體或感興趣區(qū)域的不足，大大提高了檢索的智能性和查準查全率。在基于紋理特征的圖像檢索方面，著重介紹了一種基于子塊灰度共生矩陣的特征提取方法，該方法選用YUV為紋理空間模型，由于灰度共生矩陣的計算量非常大，為了減少計算量，對圖像的灰度級進行壓縮，并且為突出圖像中心區(qū)域?qū)D像分成若干子塊，計算每個子塊的紋理特征，從而提高了圖像的檢索效率。
　　 基于以上提到的方法，本文建立了一個基于