CBIR中特征提取技术的比较研究

摘要

信息化时代，生活中出现了海量的图像信息。要从这些海量信息中检索出与目标相似的图像，一直是图像检索技术研究的目的。以前的图像检索技术主要基于文本。随后，出现了基于图像的颜色、纹理、形状等来提取特征的算法，这些基于语义内容上描述特征的检索方法，即为基于内容的图像检索技术(Content-Based Image Retrieval，CBIR)。
　　基于内容的图像检索中的关键技术之一是特征提取技术。本文首先论述了课题的研究背景和现状，并对基于内容的图像检索技术作了结构性介绍。然后，实验分析了两种传统的特征提取技术在图像检索中的效果。最后，详细介绍了三种发展较好的特征提取方法在图像检索上面的运用，并进行了实验比较分析。
　　本文主要工作如下:
　　(1)在传统的特征提取方法中，本文主要研究了CBIR中基于HSV空间颜色的特征提取方法和基于灰度共生矩阵的特征提取方法。并实验分析了这两种特征提取方法在图像检索方面的检索效果。
　　(2)研究了哈希算法在图像检索系统中的应用。在哈希算法中，主要研究的是均值哈希算法的特征提取技术，并通过离散余弦变换代替图像尺寸缩小对其进行了改进。随后，将改进后的均值哈希算法与改进前的均值哈希算法应用于图像检索中，并对两者的检索效果进行了比较。实验证明，改进后的均值哈希特征提取技术在CBIR中的检索效果要优于未改进的均值特征提取技术和两种传统的特征提取技术。
　　(3)研究了SIFT算法在图像检索系统中的应用。介绍了SIFT算法提取特征描述子的基本原理和具体步骤，并通过实验分析了SIFT特征提取方法在CBIR中的表现。
　　(4)研究了卷积神经网络在图像检索系统中的应用。通过研究经典的卷积神经网络模型，提出一种新型的预训练卷积神经网络来提取图像特征，并通过实验分析了本文卷积神经网络模型在CBIR中的检索效果。
　　为了对各种特征提取方法的性能优劣进行比较，本文中，各种算法都采用相同的实验条件。实验结果表明，与传统的特征提取技术相比，新型的特征提取技术具有更好的检索性能。

目录

声明

摘要

第一章 绪论

1．1 课题的背景与研究意义

1．2 课题研究的现状

1．2．1 基于传统特征提取方法的图像检索技术

1．2．2 基于新型特征提取方法的图像检索技术

1．3 本文图像检索系统的结构和图像库

1．4 图像检索技术的相似度量函数

1．5 检索性能评价准则

1．6 论文的主要内容及结构安排

1．6．1 主要研究内容

1．6．2 论文结构安排

第二章 两种传统的图像检索技术

2．1 基于HSV空间颜色特征的图像检索

2．1．1 HSV颜色空间模型

2．1．2 颜色特征提取方法

2．1．3 实验结果分析

2．2 基于灰度共生矩阵的图像检索

2．2．1 灰度共生矩阵

2．2．2 灰度共生矩阵特征提取方法

2．2．3 实验结果分析

2．3 本章小结

第三章 基于哈希算法的图像检索技术

3．1 引言

3．2 感知哈希算法

3．2．1 感知哈希的构成与匹配

3．2．2 感知哈希的分类

3．2．3 感知哈希的特性

3．3 均值哈希算法及其改进算法在图像检索上的运用

3．3．1 均值哈希算法对图像特征的提取

3．3．2 改进型的均值哈希算法对图像特征的提取

3．3．3 实验结果分析

3．4 本章小结

第四章 基于SIFT算法的图像检索技术

4．1 引言

4．2 SIFT算法的原理

4．2．1 尺度空间极值检测

4．2．2 关键点定位

4．2．3 关键点方向的确定

4．2．4 关键点的描述和匹配

4．3 SIFT算法在图像检索上的运用

4．3．1 SIFT算法对图像特征的提取

4．3．2 实验结果分析

4．4 本章小结

第五章 基于CNN算法的图像检索

5．1 引言

5．2 经典的卷积神经网络

5．2．1 经典的卷积神经网络模型

5．2．2 神经元

5．2．3 卷积层

5．2．4 子采样层

5．2．5 梯度计算

5．3 本文CNN模型及对图像特征的提取方法

5．4 实验结果分析

5．4．1 基于CNN的图像检索技术实验结果分析

5．4．2 本文算法的实验比较

5．5 本章小结

第六章 总结和展望

6．1 工作总结

6．2 研究展望

参考文献

致谢

攻读学位期间的研究成果