论文部分内容阅读
近几年,由于多媒体技术的飞速发展,数字图像已逐渐取代传统图像经成为当今世界视觉信息领域内图像的主要载体。因此,如何更加合理的运用海量的数字图像为用户提供所需信息成为一个严峻的挑战,鉴于这种迫切的需求,基于内容的图像检索技术(Content-Based Image Retrieval,CBIR)应运而生并迅速成为多媒体信息处理领域备受关注的一项技术。本文围绕基于内容的图像检索技术,对如何提升图像检索算法性能进行研究,主要内容包括以下方面:1、提出了一种多特征融合的基于内容图像检索方法,以解决单一特征无法对图像进行全面刻画的问题。该方法首先对图像的、、BGR分量分别构造其指数矩作为图像的颜色特征;然后在HSI空间中利用强度分量I计算图像每个像素的局部角相位(LAP),并利用各像素的局部角相位计算直方图作为图像的纹理特征;最后将颜色与纹理特征进行归一化处理并确定其相应的权值,利用加权后的综合特征进行图像间相似度的计算,将检索结果按照其相似度大小整理排序后返回给用户。仿真实验表明,这种融合多特征后的图像检索方法的检索性能比单一特征的图像检索性能更高,可以取得较为理想的检索结果。2、提出了一种基于兴趣点的图像检索方法,以解决全局特征无法很好地描绘图像的关键内容的问题。该方法首先利用图像的色彩与结构特性构造颜色不变量图像;然后使用抗错性尺度不变特征检测算子(SIFER)对图像提取特征点;最后分别计算特征点的颜色直方图、分布熵直方图以及梯度方向直方图用于表示图像特征,并计算图像间的相似度返回最终的检索结果。仿真实验证明,SIFER算子可以有效的找到图像的感兴趣区域(ROI),从而使用ROI中的图像特征点代替全局特征进行图像检索,取得理想的检索结果。3、提出了一种基于相关反馈的彩色图像检索算法,以解决基于底层特征的图像检索中所存在的“语义鸿沟”问题。该方法首先使用核主成分分析对底层特征进行降维,以去除特征间的相关性和噪声信息,并减少反馈过程的时间复杂度;然后在高斯核函数中引入特征的均值与均方差构造基于N-RBF核函数的SVM算法;最后分别对核参数和惩罚因子进行分析优化。仿真实验证明,这种结合特征降维、核函数修改以及参数优化的算法在大大降低了算法时间复杂度的同时取得了较为理想的检索结果。