颜色和纹理特征结合的图像检索算法研究

摘要

随着信息产业的快速发展，各种媒体的数据量越来越大，其中图像是社会大众获取信息的重要载体而且数据量也越来越大，人们需要研究如何从大量的图像数据中搜索到可利用的数据，基于内容的图像检索(CBIR)是利用图像底层特征进行的图像检索。在对以前的图像检索研究进行描述之后，分析了单一特征的方法存在的不足，本文提出将颜色和纹理特征的结合的图像检索方法，并利用图像预处理和相关反馈等机制改善图像检索的条件以得到更好的检索结果。首先提取颜色和纹理特征，然后计算颜色和纹理特征综合相似度，最后输出检索结果。
　　本文在提取特征部分，颜色特征描述了几种颜色模型和颜色提取方法，分析了各种方法的优缺点，提出利用HSI颜色模型提取颜色直方图。纹理特征提取分析了小波变换方法和灰度共生矩阵方法的优缺点，灰度共生矩阵方法更有适应力，考虑了纹理的空间位置，所以选用灰度共生矩阵方法;在相似度计算部分，直方图相关法利用具有良好特性的颜色直方图，而且计算简单，所以颜色特征利用改进的直方图相关距离法计算相似度;欧式距离应用广泛且计算方便，纹理特征利用改进的欧式距离法计算相似度。
　　本文中研究了改进图像检索效果的图像预处理机制和相关反馈机制。在图像检索前对图像进行预处理，选取需要检索的图像区域，去除干扰因素，再进行更具体的图像检索。利用相关反馈机制，检查结果是否符合用户的要求，可以调整检索条件、改变检索方式获得更好的检索效果。最后，为了验证图像检索方法的有效性，利用Corel图像数据集进行图像检索实验;利用图像检索评价指标查准率(Precision)和查全率(Recall)评价检索的结果;利用相关反馈机制进行调整检索条件和图像进行预处理机制再进行检索实验以获得更好的检索效果。

目录

声明

致谢

摘要

1 绪论

1．1 课题研究背景和意义

1．2 国内外研究现状

1．3 基于综合特征的图像检索方法

1．4 本文的结构安排

2 基于内容的图像检索的理论分析

2．1 基于内容的图像检索(CBIR)的一般方法

2．2 传统图像检索的分析及存在的不足

2．3 基于内容的图像检索的关键环节

2．3．1 图像的底层特征提取

2．3．2 相似度度量(Similarity Measurement)

2．3．3 相关反馈机制

2．3．4 评价标准

2．4 本章小结

3 图像的颜色和纹理特征提取方法

3．1 改进的图像的颜色特征提取方法

3．1．1 颜色空间之间的转换

3．1．2 提取颜色特征的方法

3．2 图像的纹理特征提取方法

3．2．1 Gabor变换提取图像的纹理特征

3．2．2 灰度共生矩阵方法

3．3 本章小结

4 图像间的相似度度量的计算

4．1 概述

4．2 相似性度量方法

4．3 改进的颜色特征的相似度计算

4．4 改进的纹理特征的相似度计算

4．5 颜色和纹理特征的综合相似度

5 图像检索算法设计及图像检索的实验分析

5．1 图像的预处理

5．2 基于内容的图像检索(CBIR)算法设计

5．3 图像检索系统的实现

5．4 图像检索的实验及分析

5．4．1 含有干扰图像的图像数据集的检索实验

5．4．2 单一特征检索与颜色和纹理特征结合方法的检索对比实验

5．4．3 两个Corel图像数据集合并进行检索实验

5．4．4 对图像进行预处理即选取区域与未选取区域的对比试验

5．4．5 利用相关反馈机制的检索实验

5．4．6 图像检索的评价标准的实验

6 总结与展望

6．1 工作总结

6．2 未来研究工作的展望

参考文献

附录

作者简历

学位论文数据集