基于多特征的图像检索技术分析与应用-analysis and application of image retrieval technology based on multi - features.docxVIP

江苏科技大学学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文 被查阅和借阅。本人授权江苏科技大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存 和汇编本学位论文。 本学位论文属于： (1)保密□，在 年解密后适用本授权书。 (2)不保密□。 学位论文作者签名： 指导教师签名： 年 月 日 年 月 日 摘 摘 要 江苏科技大学工学硕士学位论文 江苏科技大学工学硕士学位论文 摘 要 随着互联网和多媒体技术的发展，如何在海量的图像信息中进行快速准确的检索 成为研究热点，其中基于内容的图像检索技术由于具有高效和可靠的特性，因此受到 了人们的普遍关注并迅速的发展。为了解决单一特征不能很好地表达一幅图像所赋予 的丰富信息的问题，基于多特征的图像检索成为基于内容的图像检索领域的重要研究 内容。 本文对基于多特征的图像检索技术中的多特征融合技术关键问题进行了研究，主 要的研究内容包括： 1、在研究多特征融合方法的基础上，提出了一种综合 BTC 颜色矩和灰度共生矩 阵的图像检索算法。首先提出了一种基于 BTC 颜色矩的颜色特征提取算法，该算法借 鉴 BTC 的思想，对传统的颜色矩进行改进，将图像分为若干子块，每个子块按照阈值 分割为两类像素，然后计算颜色均值并做为颜色特征，验证了该方法的可行性。为了 解决单一特征检索的不足，利用 BTC 颜色矩表达图像的颜色特征，利用灰度共生矩阵 提取图像的纹理特征，综合利用颜色特征和纹理特征进行图像检索。实验结果表明： 融合后的算法比单独的 BTC 颜色矩和灰度共生矩阵算法有更好的检索效果。 2、针对图像检索中多特征融合问题，提出了一种基于梯度基元聚合矢量的图像检 索算法。在改进的 HSV 颜色空间计算边缘梯度，通过定义的基元模板扫描梯度图像， 生成梯度基元图像，将基元和非基元像素分别组合成聚合和非聚合像素集合，对两个 集合利用颜色自相关图算法提取图像检索的特征矢量。实验结果表明，该算法能够融 合颜色、形状、纹理和空间信息，可以有效地提高基于内容的图像检索的查准率和查 全率。 关键字 图像检索；BTC 颜色矩；梯度基元；颜色自相关 II A Abstract 江苏科技大学工学硕士学位论文 江苏科技大学工学硕士学位论文 Abstract With the rapid development of internet and multimedia technology, rapid and accurate retrieval in the massive image has become the research focus. With its efficiency and reliable characteristics, content-based image retrieval is widespread concerned and grow fast, However, as image information is very rich, single feature is not sufficient to express an image. Therefore, image retrieval based on multi-features becomes the important research in content-base image retrieval. Based on the related research at home and abroad, this article discussed several key problems in the image retrieval based on multi-feature. The main research work includes: On the basis of multi-features fusion method, a new image retrieval method that integrates BTC color moment and GLCM is proposed. First, we proposed a color feature extraction algorithm based on BTC color moment. On the basis of BTC, we improve the traditional color moment. In our method, each image is divided into several i