基于改进Hausdorff距离的多特征度量融合图像检索方法研究

摘要

图像因其具有携带信息量大的突出优点而成为最高效的信息存储、传输和表达方式。各种移动终端设备以及数码相机等图像设备已在全社会得到普及,图像数量资源呈海量状态。随着计算机和互联网的飞速发展,以网络图像为代表的图像应用呈爆炸式增长。图像检索技术是在海量数字图像中搜索出所需图像的一条有效途径,但其发展远远滞后于数字图像本身的发展与应用,越来越难以满足数字图像应用的需求。因此,图像检索方法研究具有重要的理论意义和实用价值。
　　图像检索技术可概括为基于文本的图像检索技术和基于内容的图像检索技术两种。相比之下,后者通过机器自动抽取图像特征和理解与表达图像内容,更适合大规模数字图像检索,是图像检索技术发展的必然趋势。基于内容的图像检索研究与应用目前集中于基于底层特征的图像检索,其两个关键环节是图像特征选择及其提取和相似性距离及其度量。本文研究目的是从这两个关键环节入手,采取措施来提高图像检索方法的性能。
　　本文主要从相似性度量角度研究图像检索方法及相关问题。目前图像检索中普遍采用距离度量方法,其中Hausdorff距离在原理上优于最常用的欧式距离,正在得到广泛研究与应用。本文针对基于内容的图像检索,采用Hausdorff距离进行相似性度量,对其进行改进以实现更好的图像相似性度量。提出一种改进的Hausdorff距离的度量方法,其中构建一个成本函数作为Hausdorff距离中的范数距离来调节原有距离值,既能反映出图像整体相似程度又能减小异常点、遮挡、景物变化和复杂背景等干扰的影响;采用多种典型距离度量方法进行颜色直方图、纹理灰度共生矩的单一特征和特征度量融合的图像检索对比实验,验证了该改进的Hausdorff距离。
　　另外,针对图像特征选择及其提取环节,通过多特征融合得到更准确的图像检索结果已成为共识。本文重点研究多特征度量DS融合图像检索方法,以提高图像检索的准确性。构建并实现一种基于改进Hausdorff距离的多特征度量等权重相加融合图像检索方法,其中采用改进Hausdorff距离分别对多个特征进行相似性度量、采用等权重相加对多个特征度量进行融合作为相似性度量结果,能有效提高图像检索的性能;提出一种基于改进Hausdorff距离的多特征度量DS融合图像检索方法,其中采用改进Hausdorff距离分别对多个特征进行相似性度量、采用DS证据理论对多个特征度量进行融合作为相似性度量结果,能显著提高图像检索的准确性;针对BOW模型下的颜色直方图和纹理灰度共生矩两个特征度量融合进行图像检索实验,验证了这两种度量融合图像检索方法的有效性。
　　再者,针对具有适合大规模图像检索特点的可扩展词汇树SVT图像检索方法进行研究,构建并实现多特征度量融合可扩展词汇树SVT图像检索方法,可提高图像检索准确率;提出一种基于改进Hausdorff距离的多特征度量DS融合SVT图像检索方法,其中采用改进Hausdorff距离分别对多个特征进行相似性度量、采用改进的DS组合规则对多个特征度量进行融合作为相似性度量结果,能有效提高图像检索的准确性;基于稠密SIFT算子、稠密DAISY算子,分别采用直方图特征编码、核密度特征编码、欧式距离、CFHD距离实现了SVT图像检索方法;采用所提出的方法与现有主流图像检索方法进行了图像检索对比实验,验证了所提出的方法。
　　研究结果表明,采用本文改进Hausdorff距离进行图像检索具有较强的抗干扰能力和更好的检索性能,采用改进SVT模型可提高适合大规模图像检索的SVT图像检索方法的准确性。本文研究为提高现有基于内容的图像检索方法的抗干扰能力和检索性能提供了有效途径和技术基础,对图像检索技术的发展和应用具有促进作用。

目录

声明

摘要

1．1 研究背景及意义

1．2 图像检索研究现状

1．3 基于内容的图像检索研究现状

1．4 图像相似性度量方法研究现状

1．5 本文的研究内容

第2章 基于改进Hausdorff距离的图像检索方法

2．1 引言

2．2 Hausdorff距离改进及分析

2．3 基于CFHD距离的图像检索方法

2．3．1 基于CFHD距离的图像检索框架

2．3．2 基于CFHD距离的图像检索方法实现

2．4 实验结果及分析

2．4．1 验证实验设计

2．4．2 图像库选择

2．4．3 图像检索实验结果及其分析

2．5 本章小结

第3章 多特征度量DS融合图像检索方法

3．1 引言

3．2 多特征度量融合图像检索框架

3．3 基于CFHD距离的多特征度量等权重相加融合图像检索方法

3．4 基于CFHD距离的多特征度量DS融合图像检索方法

3．4．1 Dempster—Shafer理论

3．4．2 基于CFHD距离的多特征度量DS融合图像检索方法实现

3．5 实验结果及分析

3．5．1 验证实验设计

3．5．2 多特征度量等权重相加融合图像检索实验结果及其分析

3．5．3 多特征等权重相加融合噪声干扰下图像检索实验结果及其分析

3．5．4 多特征度量DS融合图像检索实验结果及其分析

3．6 本章小节

第4章 多特征度量融合可扩展词汇树SVT图像检索方法

4．1 引言

4．2 可扩展词汇树(SVT)模型

4．2．1 局部特征描述

4．2．2 视觉词典构造

4．2．3 特征编码

4．2．4 图像匹配

4．3 基于CFHD距离的SVT图像检索方法

4．4 基于信息融合的SVT图像检索方法

4．5 实验结果与分析

4．5．1 测试数据库

4．5．2 实验设置

4．5．3 性能分析

4．6 本章小结

结论

参考文献

攻读博士学位期间发表的论文

致谢