基于cca的图像语义特征提取的分析与研究7qcaf8yg.docVIP

基于CCA的图像语义特征提取的分析与研究基于典型相关分析特征融合的图像语义特征提取分析与研究 基于典型相关分析特征融合的图像语义特征提取分析与研究 摘要：图像语义特征在图像比较，查找中具有很重要的作用。它提供了对图像特征精准的描述。图像语义特征的提取具有很多种方法。本文介绍了颜色直方图，边缘方向直方图，边缘直方图，局部二值模式（LBP），纹理距描述等五种方法，并根据这几种方法的优缺点进行比较，综合每种方法的优点来对图像的特征进行提取。并在此基础上使用典型相关分析(CCA)对所提取的数据进行处理，使用处理后的数据来比较图像之间的相似度。并据此进行检索。取得了明显的改善。针对目前大部分图像语义特征提取算法中，因图像特征提取不当，导致特征参数不能全面反映图像语义的问题，提出了一种基于典型相关分析的特征融合的图像语义特征提取方法。首先分析比较了颜色直方图，边缘方向直方图，边缘直方图，局部二值模式（LBP），纹理距描述等五种特征参数在表达图像语义方面存在的差异。根据分析比较的结果，对每一幅图像分别选用可伸缩颜色描述子提取颜色特征，使用改进的LBP算子提取纹理特征，再使用高维小样本下典型相关分析对提取的两种特征进行特征融合。实验结果表明所提出的方法明显提高了图像语义特征提取的精确度。能有效地建立图像的低层特征与语义特征间的一致性。 针对目前大部分图像语义特征提取算法中，因图像特征提取不当，导致特征参数不能全面反映图像语义的问题，提出了一种基于典型相关分析的特征融合的图像语义特征提取方法。首先分析比较了颜色直方图，边缘方向直方图，边缘直方图，局部二值模式（LBP），纹理距描述等五种特征参数在表达图像语义方面存在的差异。根据分析比较的结果，对每一幅图像分别选用可伸缩颜色描述子提取颜色特征，使用改进的LBP算子提取纹理特征，再使用高维小样本下典型相关分析对提取的两种特征进行特征融合。实验结果表明所提出的方法明显提高了图像语义特征提取的精确度。能有效地建立图像的低层特征与语义特征间的一致性。 关键字：图像语义，典型相关分析，直方图，相似度，检索 Abstract：image semantic feature is very important in image contrast and image retrieval. It provides an accurate description for image feature. Many methods can be used to extract image semantic feature. This paper introduces five methods：color histogram edge direct histogram, edge histogram, local binary pattern, texture moment description . We compare the advantages and disadvantages of the five methods. Make use of the advantages of every method to extract image feature. Then we process the data using canonical correlation analysis. At the end, we calculate the similarity between pictures with the processed data. Seek related images according to the similarity. We achieved significant improvements. Keywords: image semantic, canonical correlation analysis, histogram, similarity, retrieval 1引言 随着计算机科学技术的进步，尤其是图像处理技术的发展，人类所获得的图像信息越来 越多，对图像进行处理的要求也越来越强烈。在这众多的图像中，为了获得我们所需要的图片。就要求我们提供好的图像检索技术。以便准确的搜索出要找的图片信息。 图像检索技术发展至今，形成了几种主要的检索技术，包括基于文本的图像检索，基于内容的图像检索和基于语义的图像检索。 基于文本的图像检索需要手工对图片库进行语义标注，这就需要花费大量的人力，物力。同时标注还带有很强的主观性。基于内容的图像检索（CBIR）[1]就克服了基于文本检索的局限性。CBIR主要利用图像的纹理，颜色，形状，轮廓和对象的空间关系来对需要的图像进行检索。后来人们发现，我