基于局部特征的显著区域检测及其在图像检索中的应用

摘要

图像显著性检测是很多图像处理领域的重要步骤,它是图像分析,特征提取和探索人类视觉特性的综合过程。显著区域检测对各种基于图像分析和图像理解的应用,比如基于内容的图像检索有着重要的意义。在传统的基于内容的图像检索中,对整幅图像做特征提取,会产生大量的特征信息,从而影响图像匹配时间。它忽略了图像中不同的区域对人眼视觉系统吸引程度不同这一事实。因此本文将显著区域检测应用到图像检索中,通过显著区域检测找到人们感兴趣的显著区域,再进行图像检索。本文在图像检索背景下,研究图像的显著区域提取,以达到改善图像检索结果和提高检索效率的目的。本论文的主要工作和内容如下:
　　(1)常用的显著区域算法要计算对比度寻找图像上与周围差异最大的点,这一阶段与局部特征提取算法的特征检测阶段类似。因此我们考虑使用基于局部特征提取的显著区域检测。利用SURF算法得到局部特征点的位置,进而求得描述局部特征点分布情况的分布矩阵。
　　(2)我们认为特征点分布最集中的区域为显著区域,因此显著区域即可以看成分布矩阵和最大的子矩阵,利用动态规划的思想快速求出最大子矩阵和,以此得到显著区域。
　　(3)在基于显著性检测的CBIR系统中引入更精确的非线性高斯距离函数来进行相似性度量。

目录

封面

声明

中文摘要

英文摘要

目录

插图清单

表格清单

第一章 绪论

1.1 研究背景及意义

1.2 显著性检测研究现状

1.3 图像检索技术概述

1.4 基于内容的图像检索研究现状

1.5 基于显著区域的图像检索技术

1.6 论文的主要内容和组织结构

第二章 模型理论基础

2.1人类视觉系统与注意机制

2.2 视觉注意模型

2.3 基于内容的图像检索工作原理

2.4图像检索系统性能评价

2.5 本章小结

第三章 基于局部特征的显著性检测

3.1引言

3.2 局部特征提取算法

3.3 计算特征点分布矩阵和适应矩阵

3.4 最大子矩阵和

3.5显著区域提取实验

3.6本章小结

第四章 基于显著区域的图像检索

4.1 概述

4.2 显著区域检测

4.3 特征提取

4.4特征的结合与归一化

4.5基于内容的图像检索的查询模式

4.6相似性度量

4.7本章小结

第五章 实验结果与分析

5.1 实验环境和实验数据介绍

5.2 实验结果对比

5.3 本章小结

第六章 总结与展望

6.1 全文总结

6.2 需要进一步研究的问题

参考文献

攻读硕士学位期间的学术活动及成果情况