基于边缘检测和自适应分割的彩色图像检索

摘要

随着网络技术的迅速发展和图像采集设备的日益普及，数字图像的来源不断扩大，图像数据的种类和数量也越来越多。为了从这些大量的图像数据中快速有效的找出需要的信息，图像处理技术的需求与日俱增。图像检索技术成为了人们研究的热点，其中基于内容的图像检索(Content-BasedImageRetrieval，CBIR)技术更是得到广泛的关注。
　　 CBIR技术关键步骤之一是特征提取，其中低层视觉特征的有效提取是基础，也是目前研究最多的部分。低层视觉特征主要包括颜色特征、纹理特征和形状特征等，如何从图像中有效地提取这些特征是重点和难点问题。CBIR系统中存在低层视觉特征和高层语义信息之间的语义鸿沟，解决该问题的有效策略之一是基于区域的图像检索，借助图像分割和区域匹配完成图像检索。其中图像分割就是把图像分成若干个特定的，具有独特性质的区域并提出感兴趣目标。基于此，本文做了如下工作：
　　 1.提出了一种基于高斯内积能量边缘提取的彩色图像检索方法。噪声图像中边缘提取的同时很容易将噪声放大，为改善该问题，本文将基于内积能量的边缘检测方法用于图像检索中。基于内积能量的边缘检测算子，相对于Canny算子，能更加有效地提取边缘，并较好地抑制了噪声。以基于内积能量的边缘检测算子为基础，将Fourier描述子和彩色边缘直方图作为图像特征，用于彩色图像检索。实验结果表明该方法能较准确的检索图像，最重要的是提高了难以处理的带噪声图像的检索效果。
　　 2.提出了一种结合自适应分割和多区域匹配的基于区域的彩色图像检索方法。首先给出一种自适应的图像分割方法，该方法先用均值漂移对图像进行分割，然后用规范切合并所得到的过分割区域，值得注意的是这里不需要预先设置分割数目来结束合并过程，而是根据图像自身特性的自适应策略。在图像分割的基础上，为充分利用图像各区域的信息，引入多区域匹配完成图像间的相似度匹配。实验结果表明提出的基于区域的图像检索算法在查全率、查准率和排序上都取得了比较理想的效果。