融合四种特征的基于内容的图像检索算法研究

摘要

图像是视觉信息的表现形式和存储载体。随着多媒体、计算机、通讯技术及Internet的快速发展，图像的来源越来越广泛，图像数据库成为组织、表达、存储、查询和利用这些海量图像数据的主要手段。图像数据库研究的一个核心问题是图像检索，其中，基于内容的图像检索(CBIR)是当前国内外研究的热点之一。 本文采用了四种方法去检索图像，最后采用动态权值的方法去确定检索出的图像的最终排名。在基于统计特征方面利用主要成份分析的方法(PCA)和奇异值分解的方法(SVD)。在图像颜色分布方面提出了多分辨率动态光照主色方法。在基于角点表示图像内容形状方面，本文提出了利用图论中最优对集的思想和改进的Hausdorff算法去度量点集相似度的方法.在确定图像最终排名时，提出基于信息熵的权值动态调整方法。采用多特征的检索方法和图像排名的动态调整方法，提高了检索结果的鲁棒性。 近些年来，基于内容的图像检索越来越受到研究者的关注。目前，已经提出了很多关图像内容检索的方法，并且这些方法大多起源于模式识别领域。利用这些方法从图像中抽取它们的低层特征来刻画高层语意的相似性。这些特征通常放在数据库中，并且作为图像的索引。 这篇综述全面的概括了基于颜色、纹理和形状的基于内容的图像检索，并且对图像的语义特征做了初步讨论。

目录

独创性声明及学位论文版权使用授权书

摘要

第一章概述

第二章主要成份分析方法

第三章利用奇异值去检索图像

第四章多分辨率分快主颜色方法

第五章基于角点的形状匹配

第六章融合多种检索方法的加权模型

第七章试验结果及分析

第八章总结及将来的工作

参考文献

摘要

第一章引言

第二章图像数据库存系统样例

第三章检索图像的主要特征

第四章各种特征的组合

第五章图像的空间关系特征

第六章图像相似度研究

第七章图像特征的性能评价

参考文献