基于特征点提取和几何型哈希法的图像检索方法

摘要

本文提出了一种新的基于内容图像检索的方法——基于特征点匹配和几何型哈希法的图像检索方法。该方法利用小波变换方法提取图像的特征点，并以每一个特征点为中心将图像划分成图像块，提取图像块的颜色特征，并利用几何型哈希法索引图像，通过考虑块与块之间的相互位置关系进行匹配图像。 由于利用颜色特征能够简化目标的提取和识别，所以在图像检索中，颜色是应用最广泛的视觉属性。其中利用全局颜色特征方法是最常用的方法。但是利用全局颜色特征方法有下列缺点：不能扑捉具有不同特征的图像的全部内容；不能包含颜色的空间分布信息；计算量较大。为了克服这种方法的缺点，本文提出了一种新的基于特征点提取的图像检索方法。该方法利用小波变换方法提取图像的特征点，以每一个突变点为中心将图像划分成图像块，对每一个图像块，计算它们的颜色特征矢量，这样，图像之间的相似性度量就变成了图像块之间的相似性度量，图像之间相似的块越多，两幅图像的相似度就越高。并将几何型哈希法运用到图像检索中，以实现图像的快速匹配。应用几何型哈希法进行图像匹配时，首先把图像转化成大小、位置和方向无关的不变量坐标，然后存放在以不变量坐标为地址的哈希表中，在哈希表水平进行匹配。 实验证明，用此方法表示图像可以实现对无约束场景图像的快速和有效的检索，检索效果优于全局颜色特征方法，而且即使当图像经历了几何变化(旋转、压缩、尺度变化)或局部遮挡仍然能够实现匹配。

目录

文摘

英文文摘

0前言

1基于内容的图像检索(CBIR)

1.1基于内容的图像检索的主要特点

1.2常用的图像检索方法

1.2.1基于浏览的图像检索方法

1.2.2基于颜色特征的图像检索方法

1.2.3基于纹理特征的图像检索方法

1.2.4基于形状特征的图像检索方法

1.2.5基于草图的检索方法

1.2.6利用图像注释和分割图像的检索方法

1.2.7基于边缘特征的图像检索方法

1.2.8兴趣点特征的提取

1.3图像索引

1.3.1文本检索在图像检索中的应用

1.3.2图像的多维索引相似性度量

1.3.3相似性度量

1.3.4图像匹配技术

1.4相似性的学习——相关反馈

1.5系统评估方法

1.6著名图像检索系统介绍

1.7基于内容的图像检索的应用

1.8小结

2特征点提取和几何型哈希法

2.1特征点提取

2.1.1图像的正交小波变换

2.1.2小波变换提取特征点

2.2特征矢量提取

2.2.1特征矢量提取

2.2.2颜色空间的选择

2.3索引方法—几何型哈希法

2.3.1几何型哈希法

2.3.2不变量坐标

2.3.3数据在哈希表的存储方法

2.3.4相似性度量—加权投票方法

2.4小结

3基于特征点提取和几何型哈希法的图像检索方法实验

3.1角点方法与小波变换提取特征点方法的比较试验

3.2相似性度量试验—投票数的确定

3.3加权投票方法与不加权投票方法的比较试验

3.4不同检索方法的比较实验

4结论与展望

参考文献

致谢