基于多特征信息融合的圖像檢索技術研究.pdf

1、基于內容的圖像檢索（CBIR）是上個世紀90年代以來逐漸興起的一個新的研究方向。在基于內容的圖像檢索中，一開始研究主要是通過單一的視覺特征進行檢索，比如顏色、紋理和形狀等特征，近年來不變量理論和相關反饋技術在基于內容的圖像數據檢索等獲得較為成功的應用，因此本文首先對顏色、紋理、不變量特征分別進行了研究，然后研究了相關反饋技術在圖像檢索中的應用，最后探討了融合多種特征進行圖像檢索的新途徑。 本文首先在顏色特征上是圍繞不同顏色空間（

2、RGB、HIS），三種顏色直方圖（傳統(tǒng)直方圖方法、累加直方圖方法和局部累加直方圖的方法）以及顏色匹配算法進行討論。接著針對紋理特征進行了討論，實驗上選用Gabor小波變換法進行紋理特征的提取。而后，本文簡述了不變量理論的相關內容，同時選擇了一種基于離散傅氏變換和log極坐標變換的不變量描述子作為圖像特征描述子，并進行相應的圖像檢索實驗。 相關反饋技術是近年來在圖像檢索中較為重要的研究方法，因此本文進行了討論。同時本文探討了基于支

3、持向量機（SVM）的相關反饋方法，很好地解決了傳統(tǒng)相關反饋技術中存在樣本不足的困難，提高了系統(tǒng)的檢索性能。 融合多特征信息的圖像檢索是一個發(fā)展方向，但是如何有效地融合，還有傳統(tǒng)相關反饋中不同特征間的權值確定是一個難題。本文利用信息融合的思想，構造了兩層SVM組合分類器模型，使用基于支持向量機的多特征融合機，有效地解決了圖像檢索中的多特征信息融合問題。大量的實驗證明，本文選擇的三種圖像特征，即不變量特征、顏色和紋理特征，應用本文設