matlab纹理图像检索算法研究.doc
约71页DOC格式手机打开展开
matlab纹理图像检索算法研究,matlab纹理图像检索算法研究论文中包含源程序代码5.72万字 71页课题背景随着网络技术、多媒体技术和计算机技术的迅速发展，图像信息的存储和应用日益广泛，因此对于多媒体信息，尤其是大型的图像数据库及视频库的有效管理就成为现阶段迫切需要解决的问题。基于内容的图像检索就成为解决这一问题的关键技术。传统的图像检索是基于文...
内容介绍
此文档由会员 xiaowei 发布
MATLAB纹理图像检索算法研究
论文中包含源程序代码
5.72万字 71页
课题背景
随着网络技术、多媒体技术和计算机技术的迅速发展，图像信息的存储和应用日益广泛，因此对于多媒体信息，尤其是大型的图像数据库及视频库的有效管理就成为现阶段迫切需要解决的问题。基于内容的图像检索就成为解决这一问题的关键技术。传统的图像检索是基于文本方式的检索技术（Text-Based Image Retrieva l,TBIR），它存在着两大困难，尤其是当图像的数量非常大的时候，其一是手工对图像进行注解所需的工作量太大，其二是图像注解的主观性的不精确性可能导致的检索过程的失败匹配。因此，这种传统检索技术有很大的局限性。于是，基于内容检索技术应运而生，它区别于传统的检索手段，融合了图像理解技术，从而可以提供一种从巨大容量的图像中，根据人们提出的要求进行有效的方法。
目 录
摘 要 II
Abstract III
目 录 IV
第1章 绪论 一
1.1课题背景 一
1.2 图像特征的提取与表达 二
1.3 颜色特征的提取 二
1.4 纹理特征的提取 三
1.5形状特征的提取 三
1.6基于内容的图像检索典型系统介绍 三
1.7 本章介绍 五
第2章 纹理分析算法与相关技术 6
2.1 纹理的概述 6
2.2 基于空间性质的纹理模型 6
2.2.1 基于自行关函数的模型 6
2.2.2基于共生矩阵的模型 7
2.2.3 随机分形维模型 7
2.2.4 随机场模型 9
2.3 基于频域性质的纹理模型 9
2.3.1 傅里叶功率谱 9
2.3.2 小波变换 10
2.4 基于结构感知性质的纹理模型 11
2.5 本章总结 12
第3章 灰度共生矩阵的纹理分析法 13
3.1 空间灰度层共生矩阵 13
3.2 灰度共生矩阵的特征量的产生 16
3.3 归一化的方法 19
3.4 本章总结 20
第4章 实验过程及分析 21
4.1 本实验采用的图像库 21
4.2 本实验的特征向量相关性的比较 22
4.3 本论文所采用的归一化方法 23
4.4 试验结果分析 23
本章小结 26
第5章 相似度的方法 27
5.1 视觉特征的相似度模型 27
5.2 L1距离和L2的距离 27
5.3 直方图相交 27
5.4 二次式距离 28
5.5 马氏距离 28
5.6 非几何的相似度方法 28
5.7 图像特征的性能评价 29
参考文献 30
仿真结果 31
源程序 33
致谢 68
毕业设计（论文）成绩评定表 69
参考文献
1 刘忠伟，章毓晋. 1999.综合利用颜色和纹理特征的图像检索.通信学报
2 章毓晋,2002.图像工程(附册)——教学参考及习题解答.北京:清华大学出版社
3 章毓晋.图像工程(上、下册).北京:清华大学出版社
4 谢和平,薛秀谦,1997.分形应用中的数学基础与方法.北京:科学出版社
5 Bimbo A. 1999.Visual Information Retrieva l. Morgan Kaufmann,Inc.
论文中包含源程序代码
5.72万字 71页
课题背景
随着网络技术、多媒体技术和计算机技术的迅速发展，图像信息的存储和应用日益广泛，因此对于多媒体信息，尤其是大型的图像数据库及视频库的有效管理就成为现阶段迫切需要解决的问题。基于内容的图像检索就成为解决这一问题的关键技术。传统的图像检索是基于文本方式的检索技术（Text-Based Image Retrieva l,TBIR），它存在着两大困难，尤其是当图像的数量非常大的时候，其一是手工对图像进行注解所需的工作量太大，其二是图像注解的主观性的不精确性可能导致的检索过程的失败匹配。因此，这种传统检索技术有很大的局限性。于是，基于内容检索技术应运而生，它区别于传统的检索手段，融合了图像理解技术，从而可以提供一种从巨大容量的图像中，根据人们提出的要求进行有效的方法。
目 录
摘 要 II
Abstract III
目 录 IV
第1章 绪论 一
1.1课题背景 一
1.2 图像特征的提取与表达 二
1.3 颜色特征的提取 二
1.4 纹理特征的提取 三
1.5形状特征的提取 三
1.6基于内容的图像检索典型系统介绍 三
1.7 本章介绍 五
第2章 纹理分析算法与相关技术 6
2.1 纹理的概述 6
2.2 基于空间性质的纹理模型 6
2.2.1 基于自行关函数的模型 6
2.2.2基于共生矩阵的模型 7
2.2.3 随机分形维模型 7
2.2.4 随机场模型 9
2.3 基于频域性质的纹理模型 9
2.3.1 傅里叶功率谱 9
2.3.2 小波变换 10
2.4 基于结构感知性质的纹理模型 11
2.5 本章总结 12
第3章 灰度共生矩阵的纹理分析法 13
3.1 空间灰度层共生矩阵 13
3.2 灰度共生矩阵的特征量的产生 16
3.3 归一化的方法 19
3.4 本章总结 20
第4章 实验过程及分析 21
4.1 本实验采用的图像库 21
4.2 本实验的特征向量相关性的比较 22
4.3 本论文所采用的归一化方法 23
4.4 试验结果分析 23
本章小结 26
第5章 相似度的方法 27
5.1 视觉特征的相似度模型 27
5.2 L1距离和L2的距离 27
5.3 直方图相交 27
5.4 二次式距离 28
5.5 马氏距离 28
5.6 非几何的相似度方法 28
5.7 图像特征的性能评价 29
参考文献 30
仿真结果 31
源程序 33
致谢 68
毕业设计（论文）成绩评定表 69
参考文献
1 刘忠伟，章毓晋. 1999.综合利用颜色和纹理特征的图像检索.通信学报
2 章毓晋,2002.图像工程(附册)——教学参考及习题解答.北京:清华大学出版社
3 章毓晋.图像工程(上、下册).北京:清华大学出版社
4 谢和平,薛秀谦,1997.分形应用中的数学基础与方法.北京:科学出版社
5 Bimbo A. 1999.Visual Information Retrieva l. Morgan Kaufmann,Inc.
