基于颜色直方图图像检索开题报告.doc

南京邮电大学毕业设计(论文)开题报告 题　　目基于颜色直方图的图像检索系统的设计与实现学生姓名班级学号专业提纲(开题报告2000字以上)： 1. 对指导教师下达的课题任务的学习与理解? 2. 阅读文献资料进行调研的综述 3. 根据任务书的任务及文献调研结果，初步拟定的执行（实施）方案（含具体进度计划） 对指导教师下达的课题任务的学习与理解 从20世纪70年代开始，图像检索的技术就已经开始。传统的文本检索技术，是通过关键字式的提问查询，可以检索的关键字有图像名称、图像尺寸、压缩类型、作者、年代等图像标引。到90年代以后，多媒体信息迅速膨胀，全世界的数字图像的容量以惊人的速度增长，这些图像分布在世界各地，它们都是无序、无索引的。要检索靠传统技术全部都要人工标注，而人工标太主观，不确定，不同人，不同语种，对同一幅图像的理解不同，标注描述就会千差万别。而且随着数据库数以万计地增加，人们寻找资料变得非常耗时，造成资源无法有效利用。因此人们提出了一种新的对图像内容语义的检索技术——基于图像内容的检索CBIR（Contented-Based Image Retrieval），它不需要用户的参与，而利用图像自身的特征，如颜色、纹理、形状等特征来进行检索，具有较强的客观性。 基于内容图像的检索CBIR主要依据图像的画面内容特征和主题对象特征来进行检索。由图像分析软件对输入的图像先进行图像分析，根据图像自身所包含的颜色(灰度)、纹理、形状、空间关系等特征以及这些特征的组合，自动抽取特征，在将输入图像存入图像库的同时将其相应的特征向量也存入与图像库相连的特征库。在进行检索图像时，对每一幅给定的查询图，进行图像分析，并提取图像特征向量，利用基于这些特征定义的特征度量函数计算或评价特征之间的相似性，将该图像的特征向量和特征库中的特征向量进行匹配，根据匹配的结果搜索图像库中将最相似的一些检索结果就可以提取出所需要的检索图，返回给用户。CBIR的目的不是去理解或识别图像目标，它所关注的是能否基于内容快速发现信息，旨在对视觉信息提供强有力的描述，实现视觉信息的结构化，在用户可以接受的响应时间内从图像库中查询到符合要求的图像，最终达到用户对这些视觉信息内容自由访问的目标。 在图像的形状、颜色、纹理等特征中，颜色特征是最显著、最可靠、最稳定的视觉特征，是人识别图像的主要感知特征。相对于几何特征而言，颜色对图像中子对象的大小和方向的变化都不敏感，具有相当强的鲁棒性。同时，在许多情况下，颜色又是描述一幅图像最简便而有效的特征。人们对于一幅图像的印象，往往从图像中颜色的空间分布开始。所有这些都促使颜色成为基于内容的图像检索所采取的主要手段之一。 颜色直方图所描述的是不同色彩在整幅图像中所占的比例，而并不关心每种色彩所处的空间位置，即无法描述图像中的对象或物体。颜色直方图特别适于描述那些难以进行自动分割的图像。 HYPERLINK /view/60840.htm \t _blank 直方图中的数值都是统计而来，描述了该图像中关于颜色的数量特征，可以反映图像颜色的统计分布和基本色调；包含了该图像中某一颜色值出现的频数，而丢失了某象素所在的空间位置信息。颜色直方图可以是基于不同的 HYPERLINK /view/3427413.htm \t _blank 颜色空间和 HYPERLINK /view/84791.htm \t _blank 坐标系。最常用的颜色空间是RGB颜色空间，原因在于大部分的数字图像都是用这种颜色空间表达的。然而，RGB空间结构并不符合人们对颜色相似性的主观判断。因此，有人提出了基于HSV空间、Luv空间和Lab空间的颜色直方图，因为它们更接近于人们对颜色的主观认识。其中HSV空间是直方图最常用的颜色空间。它的三个分量分别代表色彩（Hue）、 HYPERLINK /view/189644.htm \t _blank 饱和度（Saturation）和值（Value）。 本课题研究的重点是：1、数学模型。数学模型是CBIR系统的核心，它决定了CBIR所能支持的查询类型和检索性能。建立的数学模型要充分反映图像对象的内容，反映与领域无关的和能够有效存储的物理特性及逻辑特征。2、颜色直方图特征提取。特征提取是基于内容的图像检索的基础。特征提取算法应简单易用，且具有自动提取的功能，所选择的特征应尽可能表达原始图像的信息，同时可以借助一些先进的数学工具来提取图像特征。3、检索技术。在对图像的检索中，最主要的方式是相似性检索。即在图像数据库中找到与给定图像最为相似的一幅。它的一般做法是提取出图像的特征建立特征库。由于图像特征一般都是高维的矢量数据，所以这时图像检索就转化为对空间数据库中高维数的近邻检索问题。为了能够高效的进行