论文部分内容阅读
随着互联网行业尤其是多媒体技术的快速发展以及传统行业与互联网技术的结合,大量的图像与视频资源不断涌现,在这些资源给人们日常的工作和生活带来越来越多便利的同时,如何更好的存储、检索和应用日益扩展的图像数据库,已经成为目前很多学者研究的热点技术之一。本文主要研究基于图像兴趣点的检索技术。为了提高图像检索查准率及速率,文中在检测图像兴趣点之前,先进行图像灰度增强,使图像中的细节描述更加清晰,然后以图像兴趣点为研究对象,提取兴趣点邻域内的分块方向梯度直方图作为特征向量,最后选取合适的度量方法进行图像相似度度量。主要研究工作如下:(1)研究了图像颜色空间,其中重点研究了被广泛用于图像检索中的HSV颜色空间非均匀量化方法,在此基础上求得颜色直方图,将其用于图像检索并进行实验验证;(2)研究了图像检索中常用的图像颜色、形状、纹理、空间关系等基本视觉特征,重点介绍了纹理特征中的Gabor小波和颜色特征中的图像颜色直方图,通过用这两个特征进行图像特征描述,进行图像检索,最后进行实验分析;(3)图像兴趣点提取之前要将彩色图像转换成灰度图像,在此过程中图像颜色较深的区域或者颜色比较单一的区域可能会丢失某些细节特征,为了保证兴趣点检测数目并最终得到更准确的检索结果,本文分别研究了频率域图像增强与空间域图像增强的一般方法,经过比较最终在本文算法中采用直方图均衡化进行图像增强,实验比较了未经过直方图均衡化与经过直方图均衡化的情况下,通过相同的兴趣点提取方法提取到特征点数目差异;(4)文中分别研究了快速鲁棒特征(SURF)算法、Harris角点检测算法、尺度不变特征变换(SIFT)算法等三种常用的兴趣点提取方法,通过比较三种算法的优缺点,力求在此基础上作出改进。由于SURF算法的提取速度快以及尺度不变性,本文提出的算法中将SURF算法应用于图像检索中,并分别提取经过图像增强与未经过图像增强的图像兴趣点;(5)文中提出了基于兴趣点方向梯度直方图的图像检索算法,借助于其它文献中加权的思想,将图像均匀分为4个子块,并统计每子块中兴趣点的数目作为该块的加权值,分别求得对应于每个子块的方向梯度直方图乘以其对应的权值得到最终的方向梯度直方图,将整幅图像特征用48维特征向量对其进行描述。该算法运用了图像的空间分布信息,实验证明了该算法相比于其它算法的有效性。