基于疏密颜色特征和区域加权的图像检索研究

摘要

随着互联网以及像手机这样的智能终端设备的发展，网络服务器储存有大量的数字图像，如何从具有大量图像的数据库中快速、方便地检索自己关心的图像是一个自然的需求，从技术的角度看也是一个十分有意义而且具备挑战性的课题。图像检索技术是解决这类问题的一种技术。图像检索技术主要分为两类：基于文本的图像检索（TBIR ）以及基于内容的图像检索（CBIR）。基于内容的图像检索技术通过提取图像的数字特征，来辨别图像。数字特征是计算机感知图像的桥梁。研究图像特征，一直是伴随图像检索技术的一个关键问题。另外，图像内容复杂，通过单一特征往往不能全面表达，综合利用多特征是解决这类问题的有效方法。针对以上问题，本文针对图像底层特征问题进行研究。主要研究工作如下： 1．对现有基于内容的图像检索（CBIR）使用的底层特征进行分析和讨论。对于全局特征，详细讨论了颜色直方图特征和LBP纹理特征，讨论了图像特征描述子的生成过程和利用特征描述子进行图像检索过程。 2．针对颜色直方图全局特征缺乏空间结构信息的问题，本文提出一种改进方法，基于区域像素疏密程度的颜色直方图特征。首先将图像在HSV空间量化为72种颜色，即72bin。然后检查每一bin的空间像素疏密程度，按疏密程度将一bin的像素分为稀疏和稠密两类，最后形成带有空间结构信息的颜色特征。并将改良后的颜色直方图用于图像检索。 3．详细讨论了LBP纹理检测算子，分析并通过实验验证了3种重要的LBP纹理特征检测算子的图像检索性能。为了提高图像检索性能，根据人的视觉特性，将图像的中心区域划分为获取信息的重点区域。据此，本文提出特征区域加权算法，在获取信息的重点区域，特征给与更大的权值。实验证明，特征加权策略在图像检索中收到了较好的效果。 4．为了使获取信息的重点区域能自适应图像内容，应用图像显著性区域检测方法检测图像的显著性区域，然后在显著性区域进行图像特征加权。将此方法应用于图像检索，并对检索结果进行了分析总结。

目录

第一个书签之前