基于聚类和相关反馈的图像检索方法研究

摘要

随着多媒体信息技术和互联网技术的发展，数字图像数据急剧增长。如何从大量的图像中快速有效地查找出人们所需要的图像成为一个相当重要而富有挑战性的课题。基于内容的图像检索技术应运而生，并成为多媒体信息处理领域的研究热点。
　　 经典的基于内容的图像检索通常将图像量化为向量的形式，从而形成一个特征向量库。检索时计算示例图像的特征向量与图像库中各个图像的特征向量之间的相似度，系统按照相似度从大到小的排列顺序将检索到的图像输出给用户。面对巨大的图像库，传统的顺序检索方式并不能满足人们的需要。本文对经典的基于内容的图像检索方法进行了改进，主要工作包括以下几个方面：
　　 (1)针对颜色直方图不能反映图像空间信息的问题，采用对图像重叠分块的策略，提取了图像的颜色和空间信息特征。
　　 (2)对经典的k-means聚类算法进行了改进，解决了经典算法对初始类中心敏感的问题。
　　 (3)引入相关反馈机制并对其提出改进。改进后的相关反馈相对于原来的方法，减轻了用户负担，提高了图像检索性能。

目录

文摘

英文文摘

声明

第一章绪论

1.1引言

1.2概述

1.2.1基于内容的图像检索系统的应用领域

1.2.2典型图像检索系统介绍

1.3论文的主要工作

1.4论文结构安排

第二章研究中所涉及的相关技术综述

2.1引言

2.2图像的视觉特征提取

2.2.1颜色特征

2.2.2纹理特征

2.2.3形状特征

2.2.4空间关系特征

2.3图像的相似性度量

2.4聚类分析

2.4.1聚类准则

2.4.2聚类算法的分类

2.4.3主要聚类方法简介

2.5相关反馈技术

2.5.1图像检索对相关反馈的需求

2.5.2相关反馈的概念及特点

2.5.3相关反馈的分类

2.6图像检索性能评价技术的研究

2.7本章小结

第三章基于聚类和相关反馈的图像检索方法

3.1引言

3.2特征提取

3.2.1颜色空间的选择及转换

3.2.2颜色空间量化

3.2.3结合颜色和空间信息的特征提取

3.3距离度量函数的选择

3.4 k均值聚类算法及其改进

3.4.1 k均值聚类理论

3.4.2对k均值聚类算法的改进

3.5聚类与相关反馈机制的融合

3.5.1基于权重调整的MARS反馈方法

3.5.2对相关反馈机制的改进

3.6算法总结

3.7本章小结

第四章系统设计与实验结果分析

4.1系统框架及各功能模块

4.2实验结果与分析

4.2.1聚类性能实验

4.2.2检索性能实验

4.3本章小结

第五章总结与展望

5.1论文总结

5.2进一步工作

参考文献

攻读硕士学位期间取得的学术成果

致谢