基于金字塔多尺度LBP和自学习哈希的面料图像检索算法研究

摘要

随着互联网与多媒体信息技术的快速发展，基于内容的图像检索已经成为了信息领域的热点研究课题，并广泛应用于公安系统、医疗系统、知识产权维护系统等。本文关注图像检索在纺织行业的应用，探究适用于面料图像的检索方法，以满足用户越来越多的时尚需求。本文对面料图像的特性进行了深入分析，从特征提取、索引构建两个方面对检索算法进行了研究，提出基于金字塔多尺度LBP和自学习哈希的面料图像检索算法。本文的主要工作和创新点如下:
　　1.提出了金字塔多尺度LBP特征提取算法。本文介绍了典型的LBP算子，并深入分析了几种现有多尺度LBP算子的不足，在结合面料图像特性的基础上，提出一种金字塔多尺度LBP特征提取算法。该算法首先对面料图像进行金字塔分解，然后对每层金字塔图像提取等采样点的多半径LBP算子。与其它现有的多尺度LBP算法相比，本文提出的金字塔多尺度LBP算法的特征提取范围更广，特征表达能力更强，能够有效地描述面料图像的纹理信息。
　　2.将自学习哈希算法应用于面料图像检索。对几种哈希技术进行了分析，针对现有方法的不足，提出将用于文本信息检索的自学习哈希算法应用到图像检索中，并针对图像与文本数据之间的差异性，对自学习哈希过程进行了改进。利用改进后的自学习哈希算法对面料图像建立索引，大大节约了数据存储空间，减少了计算量。
　　3.在前两种算法的基础上，提出基于金字塔多尺度LBP和自学习哈希的面料图像检索算法。该算法采用金字塔多尺度LBP算子提取面料图像的特征，结合了图像的局部信息与全局信息，有效地描述了面料图像的纹理结构。在索引构建阶段采用改进的自学习哈希算法，有效的保留了原始空间图像数据的相似结构。实验证明，本文提出算法的检索性能普遍优于其它相关的算法。

目录

声明

致谢

摘要

第一章 绪论

1．1 研究背景与意义

1．2 图像检索概况

1．3 基于内容的图像检索

1．3．1 基于颜色特征的图像检索

1．3．2 基于纹理特征的图像检索

1．3．3 基于形状特征的图像检索

1．3．4 高维索引中的降维问题

1．4 国内外研究现状

1．5 本文研究内容及结构组织

第二章 概述

2．1 LBP算法

2．1．1 基本的LBP算子

2．1．2 旋转不变的LBP算子

2．1．3 统一模式的LBP算子

2．2 哈希索引算法

2．2．1 局部敏感哈希LSH

2．2．2 受限的玻尔兹曼机RBM

2．2．3 谱哈希SH

2．3 相似度度量

2．4 系统评价标准

2．5 本章小结

第三章 金字塔多尺度LBP算法

3．1 几种多尺度LBP算法

3．1．1 多半径结合的LBP算法

3．1．2 分块的LBP算法

3．1．3 基于子区域的多尺度LBP算法MB-LBP

3．2 图像金字塔

3．2．1 多尺度分析

3．2．2 亚采样金字塔

3．2．3 高斯金字塔

3．2．4 小波金字塔

3．3 金字塔多尺度LBP算法

3．3．1 面料图像特性分析

3．3．2 等采样点的多半径LBP

3．3．3 金字塔多尺度LBP

3．4 本章小结

第四章 自学习哈希

4．1 拉普拉斯特征映射降维

4．2 二元映射

4．3 SVM分类

4．4 自学习哈希算法流程

4．5 本章小结

第五章 基于金字塔多尺度LBP和自学习哈希的面料图像检索

5．1 面料图像特征提取

5．1．1 金字塔分解

5．1．2 金字塔多尺度LBP特征提取

5．2 面料图像索引构建

5．3 实验结果及分析

5．4 本章小结

第六章 总结与展望

6．1 本文的主要工作

6．2 未来展望

参考文献

攻读硕士学位期间的学术活动及成果情况