论文部分内容阅读
随着互联网的快速发展及各种数字化设备的普及,数字图像的数量正以惊人的速度增长,如何对其进行组织、管理和检索是亟待解决的一个重要问题。基于内容的图像检索技术研究正是为了解决如何有效、快速的从图像数据库中检索出相关图像的问题而提出的。近年来,此项技术已成为国内外广泛关注的研究热点,在许多领域都有广泛地应用。
论文主要围绕感兴趣区域的多特征综合图像检索技术展开研究,首先系统地探讨了图像特征的提取技术,涵盖了颜色、纹理、形状和空间关系以及语义特征的提取,并介绍了图像的相似性度量方法和检索性能评价等。
其次详细研究了图像的多特征综合检索技术,解决了多特征图像检索的图像特征选取、多特征相似性度量和融合等问题。由于在基于内容的图像检索中,人们常常利用图像的全局特征来描述整幅图像。然而一方面全局特征不能描述图像的细节,丢失了图像的空间信息,另一方面用户可能仅仅对部分图像感兴趣,这时候图像的全局特征将不再有效,因此我们必须考虑图像的局部特征,提取用户感兴趣区域进行有效的检索。鉴于此,论文重点研究了基于感兴趣区域的图像检索算法,利用Harris算子提取图像的兴趣点,确定了感兴趣区域,并基于兴趣点提出了多种图像特征相结合的图像检索新方法。该方法利用兴趣点周围局部区域的环形颜色直方图和Gabor小波变换提取纹理特征作为刻画图像内容的主要特征,并结合兴趣点的空间分布对图像进行检索。这不仅克服了单一特征无法真正表征图像的缺陷,同时保证了检索算法对图像旋转、平移的识别不变性。实验表明:与同类方法相比表明,该方法有效提高了图像检索的准确率,具有一定的应用价值。
最后详细阐述了基于内容图像检索中相关反馈的关键技术。根据相关反馈算法所采用的检索模型将算法分为:基于查询向量点移动的算法、基于特征权重调整的算法、基于传统的统计学习理论算法、基于机器学习理论算法和基于记忆模型的相关反馈算法。实验表明:在基于兴趣点的融合多特征检索算法基础上,加入相关反馈算法后,明显提高了图像检索的准确率。