基于搜狗图片库的图片搜索引擎系统实现

摘要

随着信息技术的高速发展，文本数据不再是人们日常生活中的主要信息来源。图像、音频、视频等多种类型的信息正呈现出爆炸式的增长，让整个世界变得多姿多彩。然而面对海量的数据，现在最为迫切的问题是在海量的多媒体信息中快速、准确的找到所需的信息，针对多媒体信息综合检索技术的应用研究便应运而生。数字图像在人们生活中使用频率日益激增，快速、准确地从海量图像集合中检索出需要的图像，仅仅采用文本对图像进行标注来实现关键字搜索显得力不从心。基于内容的图像检索(Content-based image retrieval，CBIR)技术的研究目的是解决从海量的图像数据集中搜索相似图像的问题。该技术在国内外均发展为研究热点，并在众多领域广泛的应用。
　　本文以搜狗图片数据集的图像为基础，构建了一个简单的CBIR系统，以图像的相关低层视觉特征进行相似图片的搜索。针对不同的图像特征开展大量实验进行检索得到相似的图像。本文主要的研究内容和贡献如下:
　　首先，总结基于内容图像检索的发展历程及近年来研究中出现的热点和方向，介绍该技术的在各行业的应用价值，阐述近年来研发的典型检索系统。介绍与分析图像检索技术有关的知识。
　　其次，介绍本文所采用的搜狗搜索引擎的图像数据集，包括图像数据集的主要类别和简单的处理;介绍本文搜索的框架，包括检索前台接口以及所采用JSP，Servlet，CSS等来实现检索接口中上传图像、图像预览，检索结果返回等功能;利用服务器进行特征提取和特征相似度匹配的处理。
　　再次，介绍基于图像全局特征的图像检索有关技术，本文分别采用颜色特征和纹理特征作为图像描述子，阐述和分析图像颜色特征描述的相关算法:颜色直方图、颜色矩等，通过实验比较不同算法的性能，选用HSV颜色直方图描述图像的颜色信息;阐述纹理特征的描述算法，选用uniform LBP作为纹理特征描述子;由于颜色、纹理特征最终表现形式为多维向量，因此选择欧式距离来度量颜色和纹理特征的相似程度;完成颜色特征和纹理特征的检索实验并进一步分析检索结果。
　　最后，分析图像局部特征描述的方式——SIFT算法。阐述了提取SIFT特征过程的详细步骤，进行SIFT特征提取实验;由于SIFT特征维数大，为加快搜索匹配的效率，所以选用BoW算法对SIFT特征创建索引;完成基于SIFT特征图像检索的实验，并对结果深入分析和解释。分析对比全局特征和SIFT特征检索效果和性能，并对数据集部分图像进行归纳分类，改善图像检索的效果。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景和意义

1．2 课题国内外研究现状

1．2．1 图像检索研究

1．2．2 国内外典型图像检索系统

1．3 基于内容图像检索的应用

1．4 本文主要研究内容与结构安排

第2章 图像检索技术相关知识

2．1 关键技术综述

2．2 常用的图像特征

2．2．1 颜色特征

2．2．2 纹理特征

2．2．3 SIFT特征

2．3 图像的相似性度量

2．3．1 计量定理

2．3．2 常见的相似性度量方法

2．4 性能评价准则

2．5 本章小结

第3章 基于搜狗图像库的全局特征图像检索实现

3．1 实验数据集介绍

3．2 本文搜索引擎框架设计

3．3 颜色空间及转换方法

3．4 颜色量化

3．5 颜色特征描述及特征提取实验

3．5．1 颜色直方图

3．5．2 颜色矩

3．6 颜色特征匹配及实验

3．7 颜色特征检索结果及分析

3．8 纹理特征描述及特征提取

3．8．1 局部二值模式

3．8．2 纹理特征提取实验

3．9 纹理特征检索结果及分析

3．10 本章小结

第4章 基于搜狗图像库的局部特征点图像检索实现

4．1 局部特征介绍

4．2 SIFT特征提取及实验

4．3 SIFT搜索匹配算法及实验

4．4 局部特征点检索结果及分析

4．5 全局特征与局部特征检索效果对比

4．6 特定图像集的图像检索结果

4．7 本章小结

结论

致谢

参考文献