基于协同分割技术的图像检索

摘要

随着计算机技术和多媒体技术的飞速发展，每天都会产生海量的图像。从海量的图像当中搜索有用的信息使得图像检索技术应运而生。最开始的图像检索技术是基于文本的检索技术,这种技术的检索结果不准确。随着技术的进步，出现了基于内容的图像检索技术，能够比较准确地检索出结果。但是，如果图像背景有干扰时，提取出来的图像特征就不能够准确地描述出图像中前景目标物的特征，就会造成图像检索结果的不准确。
　　为了解决这一问题，本文提出了一种改进的基于协同分割的图像检索方法。首先，使用基于SIFT Flow和混合高斯模型(GMM)的协同分割算法对图像进行分割处理，主要采用GMM来建模图像前景的颜色分布，以提高图像分割算法的稳定性和准确性，并且在图像分割算法中改进了SIFT Flow能量函数，来弥补图像分割算法中缺少图像局部特征的缺点。在分割出图像的前景目标物之后，用基于灰度共生矩阵的纹理特征提取方法提取出前景目标物的纹理特征，最后计算出纹理特征的相似度，根据相似度从高到低输出检索结果。由于在提取前景目标物的纹理特征之前进行了图像分割，消除了图像背景的影响，使提取出的前景目标物的纹理特征能够更加准确地反映出前景目标物的特征，从而使得图像检索的结果更加准确。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1课题研究背景及意义

1.2基于内容的图像检索方法的研究现状

1.3论文主要工作

1.4本文章节介绍

第二章相关理论介绍

2.1基于内容的图像检索的基本原理

2.2基于区域的活动轮廓模型原理

2.3 SIFT算法

2.4高斯混合模型

第三章一种改进的基于轮廓模型的协同分割方法

3.1引言

3.2基于轮廓约束的SIFT Flow算法

3.3基于SIFT Flow和GMM的图像协同分割算法

3.4实验

3.5小结

第四章基于区域纹理特征的图像检索

4.1引言

4.2图像纹理特征提取的方法

4.3基于灰度共生矩阵的纹理特征提取

4.4基于区域纹理特征的图像检索过程

4.5实验

4.6本章小结

第五章总结与展望

5.1总结

5.2展望

致谢

参考文献

附录 1攻读学位期间取得的成果