基于标准化局部特征组合的图像检索

摘要

随着计算机技术的飞速发展和多媒体的广泛应用，基于内容的图像检索技术已成为目前较活跃的研究方向之一，但大部分图像检索是基于传统的全局特征。全局特征提取技术虽简单通用且能够获得某种不变性，但当图像发生了局部遮挡、扭曲等仿射变换时效果相当不理想，然而局部特征通过提取目标局部区域的信息构造特征量，可实现在复杂背景中识别目标。由此，基于局部特征的图像检索也成为当前图像检索领域的一个研究热点。
　　 由于局部特征提取算法多种多样，而各种特征提取算法之间的差异较大，难以使用同一检索方法，因此，如何结合多种局部特征成为一个亟待解决的问题，为此，论文建立了局部特征参数标准化机制。在分析和研究现有多种局部特征的基础上，选取了两种原理不同但具有互补性的局部特征MSER和Hessian-Affine作为底层特征。由于局部特征MSER和Hessian-Affine仿射不变区域规整为椭圆区域原理不同，为统一形式首先建立标准椭圆方程，然后根据图像特征区域的特征值与特征向量计算出标准椭圆的长短轴和旋转矩阵且含有尺度信息，实现了MSER和Hessian-Affine两种不同局部特征区域都规整为标准椭圆区域，并采用统一的参数形式描述。
　　 该文在局部特征标准化机制基础上构建了局部特征MSER和Hessian-Affine结合的图像检索。为了避免根据不同特征建立图像检索系统的繁琐，论文首先在同一系统中实现了基于局部特征组合查询的图像检索。此检索系统可有针对性地根据待检图像类别采取合适的检索方法：在基于全图和基于目标(特别是角点丰富的几何图像)的图像检索时，Hessian-Affine算法检索准确率较高；对目标含有文字信息的图像，MSER算法的基于目标(加入空间关系)的图像检索准确率较高；而针对图像内容复杂(特别是结构和角点信息参半)的图像采用MHFS的图像检索方法以获得较为满意的检索效果。这种检索方案与基于单一特征的图像检索相比准确率提高了11.8％。其次，为改善局部特征结合的图像检索精度，论文从相似性度量角度出发实现了基于局部特征MSER和Hessian-Affine相对得分加权组合的图像检索，通过设置权值增大语义上相关图像同时被检索到的几率，将图像检索准确率提高了9.7％。实验表明：从不同的角度，即基于底层特征结合和基于相似性度量原理，实现基于两种具有互补性特征组合的图像检索都可有效地提高图像检索准确率。

目录

文摘

英文文摘

声明

1 绪论

1.1 论文研究背景

1.2 基于内容图像检索技术概述

1.2.1 CBIR结构框架

1.2.2 国内外研究现状

1.3 关键技术

1.4 本文的组织结构

2 局部特征提取技术

2.1 Harris—Affine特征

2.2 Hessian—Affine特征

2.3 MSER特征

2.4 IBR特征

2.5 EBR特征

2.6 Salient特征

2.7 局部特征评价

2.7.1 局部特征综合评价

2.7.2 Hessian—Affine性能优于Harris—Affine

2.7.3 Hessian—Affine和MSER特征互补

2.8 本章小结

3 局部特征标准化机制

3.1 特征提取算法

3.1.1 MSER特征提取算法

3.1.2 Hessian—Affine特征提取算法

3.2 特征区域椭圆化规整

3.2.1 MSER特征不规则区域椭圆化规整

3.2.2 Hessian—Affine特征区域椭圆化调整

3.3 局部特征标准化机制

3.3.1 建立标准椭圆方程

3.3.2 特征参数标准化

3.3.3 局部特征标准化算法

3.3.4 局部特征标准化实例验证

3.4 本章小结

4 基于局部特征组合的图像检索

4.1 图像检索技术路线

4.1.1 SIFT向量描述

4.1.2 改进的K—means聚类

4.1.3 标准加权的视觉关键词表

4.1.4 空间关系

4.2 评价准则

4.3 局部特征组合检索

4.3.1 基于局部特征组合查询的图像检索

4.3.2 基于局部特征加权组合的图像检索

4.4 本章小结

5 基于局部特征组合的图像检索系统实现

5.1 检索系统总体框架

5.2 实验参数说明

5.3 功能模块设计

5.3.1 图像检索功能模块

5.3.2 检索方式模块

5.3.3 检索时间模块

5.4 检索实例与结果分析

5.4.1 基于局部特征组合查询的图像检索实验

5.4.2 基于局部特征加权组合的图像检索实验

5.5 本章小结

结 论

参考文献

攻读硕士学位期间发表学术论文情况

致 谢