基于流形学习LE算法和循环分块颜色直方图的图像检索方法研究

摘要

在基于颜色特征的图像检索中，颜色直方图是最重要的特征描述方法之一。传统的分块颜色直方图虽然能够充分表达图像的颜色空间信息但是失去了旋转不变性的优势，与此同时，为了充分描述图像内容，图像特征的维数都很高，势必会导致存储开销加大，计算量上升，而且高维空间中的数据具有稀疏性，欧氏距离不再具有直观意义。本文将流形学习技术融入到图像检索中，利用流形学习中的LE算法对图像特征进行降维，获得图像特征的低维嵌入，进而在低维空间中展开分类检索。本文的研究内容及创新点如下：
　　1、介绍了流形学习和基于内容的图像检索的相关技术，分析比较了流形学习方法以及常用的图像检索方法，指出了图像检索中存在的问题以及将流形学习与图像检索相结合的合理性。
　　2、针对普通的分块颜色直方图方法不具备旋转不变性的问题，提出了一种新的分块方法——循环分块法。该方法将每幅图像分成4×4的子块，以循环的方式对这16个子块分成四组，然后对每组子块分别进行特征提取。实验结果表明，循环分块法能够较好地保持图像的旋转不变性。
　　3、提出了一种基于直方图相交距离的LE算法，在该算法中对每个样本点进行k近邻筛选的时候，不再使用传统的欧氏距离，而是用直方图相交距离，并以此为基础提出了一种基于流形学习的图像检索模型。实验结果表明，与直接对原始数据检索相比，用基于直方图相交距离的LE算法对高维图像数据降维后再检索，不但提高了检索精度，而且提高了检索效率。在实验中，检索算法使用了支持向量机、朴素贝叶斯和K近邻分类法。

目录

封面

声明

中文摘要

英文摘要

目录

第一章绪论

§1-1 课题研究目的

§1-2研究现状

§1-3 论文的内容安排和创新点

第二章流形学习方法及分类方法概述

§2-1 流形学习概述

§2-2 线性技术

§2-3 非线性技术

§2-4 常用分类算法概述

§2-5 本章小结

第三章 CBIR技术的相关理论

§3-1 CBIR简介

§3-2 特征提取

§3-3 相似性度量措施

§3-4 性能评价标准

§3-5 本章小结

第四章 基于LE算法和颜色特征的图像检索方法

§4-1 颜色特征提取方法

§4-2 循环分块法

§4-3 基于直方图相交距离的LE算法

§4-4 基于流形学习算法的图像检索模型

§4-5 本章小结

第五章 实验与结果分析

§5-1数据集

§5-2 实验设计流程

§5-3 实验结果

§5-4 本章小结

第六章 总结和展望

§6-1 工作总结

§6-2 工作展望

参考文献

致谢

攻读学位期间所取得的相关科研成果