一种基于内容的图像检索方法的研究

摘要

本论文针对日益增长的多媒体信息检索应用需求，以及目前国内外现有的基于内容的图像检索系统的局限性，系统而深入地探讨了基于内容的图像检索通用技术中若干重要问题，提出了一套完整的解决方案，着重于新的图像特征描述方法，特征提取、与匹配检索方法，相似性度量与快速检索算法等方面的研究，构建了一个基于内容的图像检索通用模型，通过大量实验，验证了方案的合理性。 在简要介绍了研究背景和意义，国内外基于内容的图像检索通用技术的发展与应用现状基础上，主要研究了四个方面问题：图像特征分析、图像检索技术、图像分类技术、系统设计及实现。 第一方面，详细地分析了基于内容的图像检索系统中典型的图像特征(颜色、纹理、形状等)，针对目前尚不成熟的特征描述，提出了一种基于聚类的区域特征提取与匹配方法。该方法兼顾了图像区域的颜色与纹理的特征，统一了颜色、纹理、空间位置的描述，满足平移、缩放、旋转不变性。与同类方法相比，更符合人的视觉特性。 第二方面，系统地研究了数据库中两类图像检索技术—基于文本的图像检索和基于内容的图像检索。重点探讨了基于内容的图像检索技术中若干关键技术、实现方法及其改进措施，提出了一个使用径向基函数神经网络对图像进行分类的方法，将图像的底层视觉特征与高层语义描述有机地结合起来，加快了检索速度<'[1]>，适应了大型图像库中图像的分类检索需求。 第三方面，提出了多种图像特征融合的方法提高检索性能，其中使用主成分分析技术。 第四方面，探讨了基于内容的图像检索系统的设计及实现问题。在总结以上研究成果基础上，设计出一个通用性系统结构，并就实用化过程中需要解决的若干重要问题，提出了几种系统性能优化的措施。主要包括：离线图像特征提取、分类快速检索，提高了系统运行效率。最后，对全文进行了总结，概括了主要研究成果，并对今后的研究方向进行了展望。 本文的主要工作在于：(1)提出了一种基于聚类的区域特征提取与匹配方法，与同类方法相比，更符合人的视觉特性。(2)提出了一种基于径向基函数神经网络对图像进行分类的方法，加快了检索速度。(3)提出了多种图像特征融合的方法，提高检索性能。实验表明，该方法合理，切实可行。(4)提出了几种系统性能优化的措施。

目录

文摘

英文文摘

声明

引 言

第一章绪论

1.1研究背景和意义

1.2技术发展与应用现状

1.3本文的主要研究工作

第二章基于内容图像检索相关技术研究

2.1颜色特征

2.1.1颜色模型

2.1.2颜色特征的提取

2.2纹理特征

2.2.1纹理特征描述方法分类

2.2.2纹理特征的提取

2.3形状特征

2.3.1几种典型的形状特征描述方法

2.4相似性度量

2.4.1 Minkowski测度

2.4.2 Mahalanobis距离(马氏距离)

2.4.3非几何的相似性测度方法

2.5索引方案

2.5.1降维技术

2.5.2高维索引技术

第三章基于径向基函数神经网络的图像分类

3.1径向基函数网络原理

3.1.1径向基函数网络的基本结构

3.2径向基函数网络的学习

3.2.1 RBF学习算法

3.2.2 RBF参数初始化

3.3径向基函数神经网络在图像分类中的应用

第四章基于区域的图像检索

4.1图像分割

4.1.1图像分割方法综述

4.1.2本文采用的图像分割方法

4.2基于区域的图像特征的提取

4.3基于区域的图像特征的相似性度量

4.3.1特征的归一化

4.3.2特征的相似性度量

4.4实验结果分析

第五章系统的设计与实现

5.1系统设计

5.1.1系统结构

5.1.2基本功能

5.1.3性能优化

5.2系统实现

5.2.1运行环境及系统配置

5.3实验结果与分析

5.3.1实验结果比较

5.3.2性能评价

结 论

参考文献

附 录

致谢