基于内容的图象检索的方法研究及多媒体数据库ebase3的系统实现.doc
约59页DOC格式手机打开展开
基于内容的图象检索的方法研究及多媒体数据库ebase3的系统实现,基于内容的图象检索的方法研究及多媒体数据库ebase3的系统实现 页数 59 字数 26639摘要长期以来，一直缺乏着对图象的有效的检索工具。在internet和多媒体pc迅猛发展的今天，对此类工具的需求变得十分迫切。cbir（content based image retrieval：基于内容的图象检索 ）正是在这个...
内容介绍
此文档由会员 天缘 发布
基于内容的图象检索的方法研究及多媒体数据库Ebase3的系统实现
页数 59 字数 26639
摘要
长期以来，一直缺乏着对图象的有效的检索工具。在Internet和多媒体PC迅猛发展的今天，对此类工具的需求变得十分迫切。CBIR（Content Based Image Retrieval：基于内容的图象检索 ）正是在这个背景之下提出来。CBIR的发展很快，但也碰到一些关键的问题，这些问题的能否解决，在很大程度上决定了CBIR的前途。我们将对CBIR的技术成果进行研究和探讨。
特征索引是CBIR的关键问题之一，它决定了CBIR的效率。我们提出了一种基于神经网络SOM（Self-Organizing Map：特征影射网络）和统计检验的索引方法。该方法弥补了传统的多维索引方法和基于SOM索引方法的不足，能有效的将图象特征动态索引。从测试结果可以看出，无论是查询速度或查询精度，该索引方法都要比顺序查找远远要好，基本达到了特征索引的要求。
CBIR的概念也是多媒体数据库所需的。我们引入了CBIR的方法，改造了旧的数据库引擎Ebase2，使之真正成为多媒体数据库。Ebase3采用了基于SOM和统计检验的索引算法。它的框架是开放性的，因此具有媒体独立性和特征扩充性。这两个特性使Ebase3适用于广泛的领域。
关键字
基于内容,图象检索,多媒体数据库,多维索引,神经网络,特征影射网,媒体独立性
内容目录
Abstract 4
摘要 5
第一章 前言 6
论文贡献和内容 6
第二章 CBIR方法 8
2.1 前言 8
2.2 CBIR的解决之道 8
2.2.1 特征抽取 11
2.2.2 图象匹配 14
2.2.3 特征索引 17
2.2.4 用户反馈 19
2.2.5 著名的CBIR系统 20
2.3 CBIR遗留问题 21
第三章 解决方法 23
3.1 前言 23
3.2 基于SOM和统计检验的特征索引算法 23
3.2.1 图象索引问题 23
3.2.2 已有的SOM索引方法 24
3.2.3 基于SOM和统计检验的索引算法 25
3.2.4 总结 30
3.3 实验结果和分析 30
3.3.1 ImageHouse系统 30
3.3.2 测试配置 32
3.3.3 测试结果 32
第四章 Ebase 3的系统实现 42
4.1 多媒体数据库 42
4.2 Ebase简介 42
4.3 Ebase 3系统实现 43
4.3.1 数据建模 43
4.3.2 逻辑框架 44
4.3.3 功能框架 50
4.3.4 特点 52
4.4 EBASE3的性能测试 53
4.5 总结 54
第五章 应用前景展望 55
第六章 总结 57
参考文献 58
图表目录
图2-1： CBIR抽象框架 11
图3-1：两类相交示意图 25
图3-2：SOM拓扑结构 26
图3-3：样本分布曲线 28
图3-4：样本分类查询示意图 29
图3-5：基于TEXTURE的运算次数比较图 34
图3-6：基于TEXTURE的查询精度比较图 34
图3-7：使用索引算法的查询例子1（基于纹理特征） 35
图3-8：顺序查找的查询例子1（基于纹理特征） 36
图3-9：使用索引算法的查询例子2（基于纹理特征） 37
图3-10：顺序查找的查询例子2（基于纹理特征） 38
图3-11：基于Color Histogram的查询精度比较图 39
图3-12：使用索引算法的查询例子（基于Color Histogram） 40
图3-13：顺序查找的查询例子（基于Color Histogram） 41
图4-1：Ebase3功能框架示意图 52
参考文献
[1] Greg Pass, Ramin Zabih, and Justin Miller. Comparing images using color coherence vectors.
Proc. ACM Conf. On Multimedia, 1996
[2] J.Huang, S. Kumar, M.Mitra, W.J.Zhu, and R.Zabih. Image indexing using color correlogram. Proc. of IEEE Conf. On Computer Vision and Pattern Recognition, 1997
[3] J.R.Smith and S.F.Chang. Local color and texture extraction and spatial query. Proc. IEEE
Int. Conf. on Image Proc., 1996
[4] W.Y.Ma, Yining Deng, and B.S.Manjunath. Tools for texture/color based search of images.
SPIE Int. Conf. 3106, Human Vision and Electronic Imaging , Feb, 1997
[5] Robert M. Haralick, K.Shanmugam. Texture Features for Image Classification. IEEE Trans.
On Sys, Man, and Cyb, SMC-3(6), 1973
页数 59 字数 26639
摘要
长期以来，一直缺乏着对图象的有效的检索工具。在Internet和多媒体PC迅猛发展的今天，对此类工具的需求变得十分迫切。CBIR（Content Based Image Retrieval：基于内容的图象检索 ）正是在这个背景之下提出来。CBIR的发展很快，但也碰到一些关键的问题，这些问题的能否解决，在很大程度上决定了CBIR的前途。我们将对CBIR的技术成果进行研究和探讨。
特征索引是CBIR的关键问题之一，它决定了CBIR的效率。我们提出了一种基于神经网络SOM（Self-Organizing Map：特征影射网络）和统计检验的索引方法。该方法弥补了传统的多维索引方法和基于SOM索引方法的不足，能有效的将图象特征动态索引。从测试结果可以看出，无论是查询速度或查询精度，该索引方法都要比顺序查找远远要好，基本达到了特征索引的要求。
CBIR的概念也是多媒体数据库所需的。我们引入了CBIR的方法，改造了旧的数据库引擎Ebase2，使之真正成为多媒体数据库。Ebase3采用了基于SOM和统计检验的索引算法。它的框架是开放性的，因此具有媒体独立性和特征扩充性。这两个特性使Ebase3适用于广泛的领域。
关键字
基于内容,图象检索,多媒体数据库,多维索引,神经网络,特征影射网,媒体独立性
内容目录
Abstract 4
摘要 5
第一章 前言 6
论文贡献和内容 6
第二章 CBIR方法 8
2.1 前言 8
2.2 CBIR的解决之道 8
2.2.1 特征抽取 11
2.2.2 图象匹配 14
2.2.3 特征索引 17
2.2.4 用户反馈 19
2.2.5 著名的CBIR系统 20
2.3 CBIR遗留问题 21
第三章 解决方法 23
3.1 前言 23
3.2 基于SOM和统计检验的特征索引算法 23
3.2.1 图象索引问题 23
3.2.2 已有的SOM索引方法 24
3.2.3 基于SOM和统计检验的索引算法 25
3.2.4 总结 30
3.3 实验结果和分析 30
3.3.1 ImageHouse系统 30
3.3.2 测试配置 32
3.3.3 测试结果 32
第四章 Ebase 3的系统实现 42
4.1 多媒体数据库 42
4.2 Ebase简介 42
4.3 Ebase 3系统实现 43
4.3.1 数据建模 43
4.3.2 逻辑框架 44
4.3.3 功能框架 50
4.3.4 特点 52
4.4 EBASE3的性能测试 53
4.5 总结 54
第五章 应用前景展望 55
第六章 总结 57
参考文献 58
图表目录
图2-1： CBIR抽象框架 11
图3-1：两类相交示意图 25
图3-2：SOM拓扑结构 26
图3-3：样本分布曲线 28
图3-4：样本分类查询示意图 29
图3-5：基于TEXTURE的运算次数比较图 34
图3-6：基于TEXTURE的查询精度比较图 34
图3-7：使用索引算法的查询例子1（基于纹理特征） 35
图3-8：顺序查找的查询例子1（基于纹理特征） 36
图3-9：使用索引算法的查询例子2（基于纹理特征） 37
图3-10：顺序查找的查询例子2（基于纹理特征） 38
图3-11：基于Color Histogram的查询精度比较图 39
图3-12：使用索引算法的查询例子（基于Color Histogram） 40
图3-13：顺序查找的查询例子（基于Color Histogram） 41
图4-1：Ebase3功能框架示意图 52
参考文献
[1] Greg Pass, Ramin Zabih, and Justin Miller. Comparing images using color coherence vectors.
Proc. ACM Conf. On Multimedia, 1996
[2] J.Huang, S. Kumar, M.Mitra, W.J.Zhu, and R.Zabih. Image indexing using color correlogram. Proc. of IEEE Conf. On Computer Vision and Pattern Recognition, 1997
[3] J.R.Smith and S.F.Chang. Local color and texture extraction and spatial query. Proc. IEEE
Int. Conf. on Image Proc., 1996
[4] W.Y.Ma, Yining Deng, and B.S.Manjunath. Tools for texture/color based search of images.
SPIE Int. Conf. 3106, Human Vision and Electronic Imaging , Feb, 1997
[5] Robert M. Haralick, K.Shanmugam. Texture Features for Image Classification. IEEE Trans.
On Sys, Man, and Cyb, SMC-3(6), 1973
