基于區(qū)域模糊特征的圖像檢索研究.pdf

1、基于區(qū)域的圖像檢索技術(shù)是基于內(nèi)容的圖像檢索的一個(gè)重要研究方向，從對象層次上來理解和表示圖像，在一定程度上實(shí)現(xiàn)了基于對象層次的檢索，減小了圖像底層特征和高層語義之間的鴻溝，有效地改進(jìn)了檢索性能。
　　模糊集理論能使圖像檢索脫離精確的計(jì)算，結(jié)合模糊集理論已成為圖像檢索的一種趨勢。這篇論文引入了模糊集理論來研究基于區(qū)域的圖像檢索。對圖像分割，區(qū)域模糊特征提取，相似度計(jì)算，索引樹的建立以及相關(guān)反饋等內(nèi)容進(jìn)行了研究。
　　在基于區(qū)域的

2、圖像分割方面，運(yùn)用 K-均值聚類算法把圖像分割成區(qū)域。實(shí)驗(yàn)結(jié)果表明該方法具有較好的圖像分割效果。在區(qū)域特征模糊化方面，運(yùn)用模糊集理論，對區(qū)域的顏色、紋理、形狀應(yīng)用Cauchy隸屬度函數(shù)獲取區(qū)域的模糊特征。該方法增強(qiáng)了圖像分割的魯棒性及圖像檢索的效果。
　　在圖像相似度計(jì)算方面，引入了區(qū)域綜合匹配方法。并提出一種距離轉(zhuǎn)化為相似度的方法。實(shí)驗(yàn)結(jié)果表明該方法是一種性能較好的度量方法，提高了檢索的精度。
　　在索引樹建立方面，提出一

3、種改進(jìn)的聚類方法建立索引樹，其方法的主體是K-均值聚類，加上初始聚類確定聚類數(shù)目和初始聚類中心，并配以搜索算法，使檢索速度更加快速。
　　在相關(guān)反饋方面，提出一種基于SVM的相關(guān)反饋的圖像查詢方法，利用人機(jī)交互，讓系統(tǒng)能夠根據(jù)用戶選擇，猜測用戶的興趣，并能自動(dòng)地調(diào)整相似性度量準(zhǔn)則來提高檢索的準(zhǔn)確率。用SVM理論對特征向量集合分類，每次查詢修剪索引樹得到候選樹以便建立相關(guān)反饋機(jī)制，使得檢索結(jié)果更貼近于用戶思路。
　　在上述研究