基于多特征的图像检索.doc
约65页DOC格式手机打开展开
基于多特征的图像检索,摘要随着互联网和多媒体技术的发展，如何在海量的图像信息中进行快速准确的检索成为研究热点，其中基于内容的图像检索技术由于具有高效和可靠的特性，因此受到了人们的普遍关注并迅速的发展。为了解决单一特征不能很好地表达一幅图像所赋予的丰富信息的问题，基于多特征的图像检索成为基于内容的图像检索领域的重要研究内容。本文对基于多特征的...
内容介绍
此文档由会员 违规屏蔽12 发布
摘 要
随着互联网和多媒体技术的发展，如何在海量的图像信息中进行快速准确的检索成为研究热点，其中基于内容的图像检索技术由于具有高效和可靠的特性，因此受到了人们的普遍关注并迅速的发展。为了解决单一特征不能很好地表达一幅图像所赋予的丰富信息的问题，基于多特征的图像检索成为基于内容的图像检索领域的重要研究内容。
本文对基于多特征的图像检索技术中的多特征融合技术关键问题进行了研究，主要的研究内容包括：
1、在研究多特征融合方法的基础上，提出了一种综合BTC颜色矩和灰度共生矩阵的图像检索算法。首先提出了一种基于BTC颜色矩的颜色特征提取算法，该算法借鉴BTC的思想，对传统的颜色矩进行改进，将图像分为若干子块，每个子块按照阈值分割为两类像素，然后计算颜色均值并做为颜色特征，验证了该方法的可行性。为了解决单一特征检索的不足，利用BTC颜色矩表达图像的颜色特征，利用灰度共生矩阵提取图像的纹理特征，综合利用颜色特征和纹理特征进行图像检索。实验结果表明：融合后的算法比单独的BTC颜色矩和灰度共生矩阵算法有更好的检索效果。
2、针对图像检索中多特征融合问题，提出了一种基于梯度基元聚合矢量的图像检索算法。在改进的HSV颜色空间计算边缘梯度，通过定义的基元模板扫描梯度图像，生成梯度基元图像，将基元和非基元像素分别组合成聚合和非聚合像素集合，对两个集合利用颜色自相关图算法提取图像检索的特征矢量。实验结果表明，该算法能够融合颜色、形状、纹理和空间信息，可以有效地提高基于内容的图像检索的查准率和查全率。
关键字 图像检索；BTC颜色矩；梯度基元；颜色自相关
Abstract
With the rapid development of internet and multimedia technology, rapid and accurate retrieva l in the massive image has become the research focus. With its efficiency and reliable characteristics, content-based image retrieva l is widespread concerned and grow fast, However, as image information is very rich, single feature is not sufficient to express an image. Therefore, image retrieva l based on multi-features becomes the important research in content-base image retrieva l.
Based on the related research at home and abroad, this article discussed several key problems in the image retrieva l based on multi-feature. The main research work includes:
1.On the basis of multi-features fusion method, a new image retrieva l method that integrates BTC color moment and GLCM is proposed. First, we proposed a color feature extraction algorithm based on BTC color moment. On the basis of BTC, we improve the traditional color moment. In our method, each image is divided into several image blocks. Then the pixels of each block are divided into two sets according the threshold. Last, compute the color average in two sets. In order to overcome the shortcoming of single feature retrieva l, we integrate color feature and texture feature in the process of image retrieva l, the color feature is demonstrated by BTC color moment and the texture feature is extracted by GLCM. The results of experiments show that the retrieva l results obtained from combined features are better than retrieva l obtained from single feature.
2.A new image retrieva l algorithm based on gradient texton coherence vector is proposed for fusion of multi-features. The algorithm compute the edge gradient in the Modified HSV color space first, and then gain gradient texton map by scanning the gradient image using the special texton types. Next, the texton pixels are combined into the coherence set, the other pixels are the non-coherence set. At last, the feature vector of the image retrieva l is represented by color auto-correlogram in two sets. Experimental results show that the proposed algorithm can combine color, texture, shape and spatial characteristic effectively, and have valid precision and recall.
Keywords Image retrieva l; BTC color moment; Gradient texton ; color auto-correlogram
目 录
摘 要 I
Abstract III
第1章 绪论 1
1.1 论文研究的目的和意义 1
1.2 国内外的研究成果 2
1.2.1 国外典型的CBIR系统 3
1.2.2 国内研究现状 3
1.3 基于多特征的图像检索研究进展与成果 4
1.4论文的主要内容和组织结构 5
1.4.1 论文的主要内容及创新点 5
1.4.2 论文的组织结构 6
第2章 基于内容的图像检索的相关技术 7
2.1图像检索系统框架 7
2.2 图像特征提取及其描述 8
2.2.1 颜色特征 8
2.2.2 纹理特征 10
2.2.3 形状特征 12
2.3 图像特征的相似性度量 14
2.4 检索性能评价 15
2.5 基于多特征的图像检索分类 16
2.5.1多特征融合体系 16
2.5.2加权融合 17
2.5.3深层融合 18
2.5.4基于颜色-强度共生矩阵图像检索 20
2.6本章小结 22
第3章 基于多特征的图像检索技术 23
3.1 引言 23
3.2 基于BTC颜色矩的图像检索技术 24
3.2.1 方块编码算法（BTC） 24
3.2.2 BTC颜色矩 24
3.2.3 实验结果 25
3.3 基于灰度共生矩阵的纹理特征图像检索技术 27
3.3.1 灰度共生矩阵 27
3.3.2 实验结果 28
3.4 基于多特征融合的图像检索技术 30
3.4.1特征内归一化 30
3.4.2特征矢量间归一化 31
3.4.3综合颜色和纹理特征的图像检索 32
3.4.4相似性函数 32
3.4.5实验结果分析 33
3.5本章小结 35
第4章 基于梯度基元聚合矢量的图像检索技术 37
4.1 引言 37
4.2 基于梯度基元聚合矢量的算法流程 38
4.3 图像预处理 39
4.4特征矢量的构造 40
4.4.1颜色量化及颜色索引图 40
4.4.2 MHSV颜色空间的边..
随着互联网和多媒体技术的发展，如何在海量的图像信息中进行快速准确的检索成为研究热点，其中基于内容的图像检索技术由于具有高效和可靠的特性，因此受到了人们的普遍关注并迅速的发展。为了解决单一特征不能很好地表达一幅图像所赋予的丰富信息的问题，基于多特征的图像检索成为基于内容的图像检索领域的重要研究内容。
本文对基于多特征的图像检索技术中的多特征融合技术关键问题进行了研究，主要的研究内容包括：
1、在研究多特征融合方法的基础上，提出了一种综合BTC颜色矩和灰度共生矩阵的图像检索算法。首先提出了一种基于BTC颜色矩的颜色特征提取算法，该算法借鉴BTC的思想，对传统的颜色矩进行改进，将图像分为若干子块，每个子块按照阈值分割为两类像素，然后计算颜色均值并做为颜色特征，验证了该方法的可行性。为了解决单一特征检索的不足，利用BTC颜色矩表达图像的颜色特征，利用灰度共生矩阵提取图像的纹理特征，综合利用颜色特征和纹理特征进行图像检索。实验结果表明：融合后的算法比单独的BTC颜色矩和灰度共生矩阵算法有更好的检索效果。
2、针对图像检索中多特征融合问题，提出了一种基于梯度基元聚合矢量的图像检索算法。在改进的HSV颜色空间计算边缘梯度，通过定义的基元模板扫描梯度图像，生成梯度基元图像，将基元和非基元像素分别组合成聚合和非聚合像素集合，对两个集合利用颜色自相关图算法提取图像检索的特征矢量。实验结果表明，该算法能够融合颜色、形状、纹理和空间信息，可以有效地提高基于内容的图像检索的查准率和查全率。
关键字 图像检索；BTC颜色矩；梯度基元；颜色自相关
Abstract
With the rapid development of internet and multimedia technology, rapid and accurate retrieva l in the massive image has become the research focus. With its efficiency and reliable characteristics, content-based image retrieva l is widespread concerned and grow fast, However, as image information is very rich, single feature is not sufficient to express an image. Therefore, image retrieva l based on multi-features becomes the important research in content-base image retrieva l.
Based on the related research at home and abroad, this article discussed several key problems in the image retrieva l based on multi-feature. The main research work includes:
1.On the basis of multi-features fusion method, a new image retrieva l method that integrates BTC color moment and GLCM is proposed. First, we proposed a color feature extraction algorithm based on BTC color moment. On the basis of BTC, we improve the traditional color moment. In our method, each image is divided into several image blocks. Then the pixels of each block are divided into two sets according the threshold. Last, compute the color average in two sets. In order to overcome the shortcoming of single feature retrieva l, we integrate color feature and texture feature in the process of image retrieva l, the color feature is demonstrated by BTC color moment and the texture feature is extracted by GLCM. The results of experiments show that the retrieva l results obtained from combined features are better than retrieva l obtained from single feature.
2.A new image retrieva l algorithm based on gradient texton coherence vector is proposed for fusion of multi-features. The algorithm compute the edge gradient in the Modified HSV color space first, and then gain gradient texton map by scanning the gradient image using the special texton types. Next, the texton pixels are combined into the coherence set, the other pixels are the non-coherence set. At last, the feature vector of the image retrieva l is represented by color auto-correlogram in two sets. Experimental results show that the proposed algorithm can combine color, texture, shape and spatial characteristic effectively, and have valid precision and recall.
Keywords Image retrieva l; BTC color moment; Gradient texton ; color auto-correlogram
目 录
摘 要 I
Abstract III
第1章 绪论 1
1.1 论文研究的目的和意义 1
1.2 国内外的研究成果 2
1.2.1 国外典型的CBIR系统 3
1.2.2 国内研究现状 3
1.3 基于多特征的图像检索研究进展与成果 4
1.4论文的主要内容和组织结构 5
1.4.1 论文的主要内容及创新点 5
1.4.2 论文的组织结构 6
第2章 基于内容的图像检索的相关技术 7
2.1图像检索系统框架 7
2.2 图像特征提取及其描述 8
2.2.1 颜色特征 8
2.2.2 纹理特征 10
2.2.3 形状特征 12
2.3 图像特征的相似性度量 14
2.4 检索性能评价 15
2.5 基于多特征的图像检索分类 16
2.5.1多特征融合体系 16
2.5.2加权融合 17
2.5.3深层融合 18
2.5.4基于颜色-强度共生矩阵图像检索 20
2.6本章小结 22
第3章 基于多特征的图像检索技术 23
3.1 引言 23
3.2 基于BTC颜色矩的图像检索技术 24
3.2.1 方块编码算法（BTC） 24
3.2.2 BTC颜色矩 24
3.2.3 实验结果 25
3.3 基于灰度共生矩阵的纹理特征图像检索技术 27
3.3.1 灰度共生矩阵 27
3.3.2 实验结果 28
3.4 基于多特征融合的图像检索技术 30
3.4.1特征内归一化 30
3.4.2特征矢量间归一化 31
3.4.3综合颜色和纹理特征的图像检索 32
3.4.4相似性函数 32
3.4.5实验结果分析 33
3.5本章小结 35
第4章 基于梯度基元聚合矢量的图像检索技术 37
4.1 引言 37
4.2 基于梯度基元聚合矢量的算法流程 38
4.3 图像预处理 39
4.4特征矢量的构造 40
4.4.1颜色量化及颜色索引图 40
4.4.2 MHSV颜色空间的边..
