基于纹理和颜色特征的图像检索

摘要

随着多媒体信息的发展，在大众娱乐、商业、学术、医疗等各个领域产生了大量的数字图像，图像检索已经逐渐成为一个非常活跃的研究领域。在过去，关键字索引是检索这些图像的唯一方法，然而基于文本的检索系统不能自动对图像进行描述，需要人工对其进行标注。很明显，对于大型数据库来说人工标注的工作量太大，并且是很主观和不完整的，基于内容的图像检索(CBIR)能有效解决这一问题。 基于内容的图像检索和基于文本的图像检索不同，它提供了一种对图像内容进行检索的方法。CBIR利用图像的颜色、纹理、形状等视觉特征来表示图像，实际上，CBIR是一个能够通过提取图像的某些特征并查找具有相似特征的图像，实现自动检索的系统。图像特征的提取和相似性度量是CBIR的关键技术。在已有的颜色特征、纹理特征、形状特征等几种特征方法中，由于纹理特征包含了图像的表面信息及其周围环境的关系，更好的兼顾了图像的宏观结构与微观结构，因此本文采用纹理特征为主展开研究，并且尝试将其与颜色特征结合实现图像检索。 首先，本文从CBIR的研究背景和意义入手，介绍了国内外基于内容的图像检索系统的研究现状和研究方向，论述了CBIR技术的基本原理、框架、关键技术、性能评价、相关反馈技术以及应用领域。 其次，详细描述了纹理及纹理特征，介绍了几种常用的纹理特征提取方法，包括灰度直方图的矩、灰度共生矩阵和Gabor小波变换。由于灰度共生矩阵比较好的反映了图像纹理中灰度级的空间依赖关系，并且计算速度快，因此本文选择了灰度共生矩阵来提取纹理特征，并在其传统的提取方法的基础上，将其提取的特征进行高斯归一化处理，然后再通过相似性度量进行检索。实验结果表明，该方法的准确率与Gabor小波变换相差不大，但计算复杂度却小很多，检索速度快，能够满足用户对检索实时性的要求。 最后，为了弥补灰度共生矩阵丢失了颜色信息的不足，本文还详细介绍了颜色的描述方法、颜色空间及颜色空间的量化方法。由于HSV空间更符合人类思维对颜色的理解、记忆习惯，因此本文在颜色量化方法的基础上提出了根据人眼的视觉分辨能力将H、S、V三个通道分别量化的方法，最后利用HSV直方图提取颜色特征向量，并且与灰度共生矩阵提取的纹理特征相结合对图像进行检索，通过实验说明了该方法能够有效的利用颜色和纹理特征，检索出两种特征均与检索样图相似的图像。

目录

文摘

英文文摘

声明

第一章 绪论

1.1论文的研究背景和意义

1.2 CBIR的研究现状

1.2.1基于颜色特征的图像检索

1.2.2基于纹理特征的图像检索

1.2.3基于形状特征的图像检索

1.3 CBIR系统的应用

1.3.1基于特定图像数据库的图像检索系统

1.3.2基于网络的图像检索系统

1.4典型的CBIR系统

1.5 CBIR的研究方向

1.6本文的结构和内容

第二章CBIR技术的简介

2.1 CBIR的基本原理及框架

2.2 CBIR的关键技术

2.2.1图像特征的提取

2.2.2基于特征的相似度匹配

2.3图像检索的性能评价

2.4相关反馈技术

2.5应用领域

2.6本章小结

第三章 基于纹理特征的图像检索

3.1纹理的简介

3.2纹理的描述方法

3.3纹理特征的提取方法

3.3.1灰度直方图的矩

3.3.2灰度共生矩阵

3.3.3Gabor小波变换

3.4基于灰度共生矩阵的图像检索

3.4.1基于灰度共生矩阵的图像检索流程

3.4.2实验结果

3.5本章小结

第四章 结合颜色和纹理特征的图像检索

4.1颜色的简介

4.2颜色的描述方法

4.3颜色空间

4.3.1RGB空间

4.3.2HSV空间

4.3.3HSV和RGB空间的转化

4.4颜色空间的量化

4.4.1颜色量化的概述

4.4.2HSV空间的量化

4.5结合颜色和纹理特征的检索

4.5.1图像检索的流程

4.5.2实验结果

4.6本章小结

第五章 全文总结与展望

致谢

参考文献

攻硕期间的研究成果