基于內(nèi)容的圖像檢索技術(shù)分析和研究.pdf

1、在傳統(tǒng)的基于內(nèi)容圖像檢索的方法中，由于圖像的領(lǐng)域較寬，圖像的低級視覺特征和高級概念之間存在較大的語義間隔，檢索的效果不很理想。文章研究了圖像增強技術(shù)在貝葉斯框架下基于內(nèi)容的感知編組規(guī)則的圖像檢索。經(jīng)過圖像增強技術(shù)處理后圖像灰暗度及其色彩明暗提高，又通過感知編組提取圖像顏色特征進行貝葉斯分類，并根據(jù)Lxaxbx空間彩色的距離判定條件來進行檢索。經(jīng)實驗驗證，該方法的檢索效果比通常的方法有較大提高。此外，通常直接采集原始格式的圖像檢索比較多，

2、由于數(shù)據(jù)量大，給存儲或傳輸帶來不便。文中給出了基于小波變換和二值模式的圖像檢索方法，其優(yōu)點在于一方面解決了數(shù)據(jù)量大、省略解壓縮環(huán)節(jié)、特征向量包含在壓縮域檢索系數(shù)中；另一方面二值模式的圖像更有利于提取圖像的紋理和形狀特征。實驗結(jié)果表明兩者結(jié)合提高了檢索效率。同時，傳統(tǒng)的K均值算法存在兩個固有的缺點：(1)對于隨機的初始值選取可能會導致不同的聚類結(jié)果，甚至存在著無解的情況；(2)該算法是基于梯度下降的算法，因此不可避免地常常陷入局部極優(yōu)。這

3、兩大缺陷大大限制了它的應(yīng)用范圍。而基于粒子群的k-means聚類算法是在傳統(tǒng)的聚類算法中引入了粒子群算法。理論分析和數(shù)據(jù)實驗結(jié)果表明，該聚類算法克服了傳統(tǒng)聚類算法存在的問題，全局尋優(yōu)能力優(yōu)于現(xiàn)有的基于遺傳算法的k-means聚類算法，且有較快的收斂速度。最后，文中給出了六種顏色空間(HSV、YUV、RGB、XYZ、HSL、YIQ)以及分塊加權(quán)HSV顏色直方圖比較的實驗結(jié)果，并且綜合圖像的顏色和紋理特征以及紋理和形狀特征進行圖像檢索時，采