论文部分内容阅读
在简要介绍了基于内容的图像检索研究背景、意义、国内外应用现状和关键技术发展的基础上,本论文重点研究与探讨基于综合特征的图像检索方法。首先研究了基于颜色、形状特征的图像检索方法。其次为了使检索的结果尽可能与人对图像内容的理解一致,减小语义鸿沟,本文探讨了基于区域的综合特征图像检索,对其主要从图像分割、区域表达、相似性度量等方面作了研究和探索,并用具体理论推导和实验结果证明了文中算法的正确性和有效性。
本文的主要工作和创新如下:
(1)为了能更好地表达颜色的空间分布特征,提出了一种基于局部颜色空间特征的图像检索方法,它依据图像中主要物体的尺寸动态的对图像分块的方法来获取颜色的空间分布信息,且能进行各分块权值的调整,从而提高了检索精度。
(2)研究了基于颜色和形状综合特征的图像检索。用边缘方向自相关图表示图像的形状内容;对于颜色特征,计算图像颜色的局部累加直方图,同时为了弥补其不包含颜色空间分布关系的缺点,又提取了分块的颜色矩,并利用高斯模型对各特征距离进行归一化,综合上述三个归一化距离,进行全局相似度量。综合不同特征进行图像检索能达到优势互补的效果。
(3)基于有限混合模型和EM算法,提出了综合颜色、纹理和位置特征的自适应图像分割方法。用高斯混合模型和t混合模型建立颜色、纹理和位置特征的联合分布,分别用改进的分裂—融合EM算法和贪婪的EM算法估计模型参数,然后根据贝叶斯最小错误率准则对图像进行分割。
(4)区域匹配和相似性度量也是图像检索系统的中心环节,本文通过检索图像与数据库中图像各区域之间的特征距离得到最佳匹配区域,即综合所有区域特征的距离方法来实现图像匹配,这种方法能在一定程度上减小分割不确定性对检索结果的不良影响。同时根据人的视觉特点,在全局相似性度量时我们调整了各个区域的重要系数。