结合底层特征和高层语义的图像检索技术研究信号与信息处理专业论文.docxVIP

重庆大学硕士学位论文英文摘要 重庆大学硕士学位论文 英文摘要 PAGE PAGE IV positive sample and negative sample. It classifies the two classes that have biggest distance to avoid disturbing other classification and increases the accuracy of classification. Moreover, it decreases the number of nodes of SVM and the training time of SVM. The experimental results show that the proposed method not only can improve image retrieval accuracy, but also reduce retrieval time. Keyword: image retrieval, image semantic, low level visual feature, SVM 重庆大学硕士学位论文目录 重庆大学硕士学位论文 目 录 目 录 中文摘要I 英文摘要 II 1 绪 论 1 1.1 课题研究背景和意义 1 1.2 研究现状 2 1.3 本文的研究内容和章节安排 4 2 图像语义检索技术介绍 6 2.1 图像语义模型 6 2.2 图像的语义表示 8 2.2.1 文本表示法 8 2.2.2 知识表示法 8 2.2.3 MPEG-7 9 2.3 图像语义的提取方法 9 2.3.1 底层视觉特征到高层语义的直接映射 9 2.3.2 基于关键字的语义网络 10 2.3.3 语义向量 11 3 底层视觉特征提取 12 3.1 颜色特征 12 3.1.1 颜色空间 12 HSV 颜色空间 14 RGB 空间到 HSV 空间的转换 15 3.3 颜色特征的表示 15 3.4 纹理特征 17 3.4.1 灰度共生矩阵 17 3.4.2 纹理谱 19 3.5 形状特征 19 3.5.1 形状特征描述子 19 3.5.2 傅立叶描述子 20 4 结合图像边缘和角点的特征提取 22 4.1 算法思想和结构 22 4.2 图像边缘提取 23 4.3 图像边缘的特征表示 24 4.4 图像角点的提取 25 4.5 基于角点环形颜色直方图提取 27 HYPERLINK \l _TOC_250002 5 基于树形 SVM 的语义分类 30 5.1 支持向量机基本理论 30 5.1.1 支持向量机基本原理 30 HYPERLINK \l _TOC_250001 5.1.2 SVM 构造的多分类器 34 HYPERLINK \l _TOC_250000 5.2 树形结构 SVM 多分类 36 5.3 核函数选择 39 5.4 分类器参数确定 39 5.5 时间复杂度分析 40 6 实验结果与分析 41 6.1 结合底层特征和高层语义的图像检索流程 41 6.2 图像检索性能评价标准 43 6.3 样本的空间分布 43 6.4 实验结果与分析 45 7 总结与展望 49 致 谢 51 参考文献 52 附 录 56 A 作者在攻读硕士学位期间发表的论文目录 56 重庆大学硕士学位论文1 重庆大学硕士学位论文 1 绪 论 PAGE PAGE 10 1 绪 论 1.1 课题研究背景和意义 信息化是当代社会的重要趋势。以信息技术为重要标志的高新技术产业在推动 整个经济发展中作用不断增加，大量的多样化的信息在全球得到普遍采集、传输 和应用，我们的社会正在快速的步入信息化。与此同时，现代技术已能运用各种 方式来采集和产生各种类型的多媒体数据，不仅包括传统的信息，还包括图像、 声音、视频、等各种不同类型的信息，图像、视像等作为一种内容丰富，表现直 观的多媒体信息是人类从客观世界获得信息的主要来源，也是人类认知世界的重 要手段，它占人类依靠五官来获取外界信息量的百分之八十以上，一直受到人们 的青睐。在各行各业中，越来越多的信息通过图像的形式来表达。例如，大街上 广告牌上各式各样的宣传广告都离不开图像，目前比较流行的网购也是以照片的 形式向用户展示商品。但是这些图像无组织的分布在世界各地，难以达到资源共 享的目的。因此如何在如此众多的图像信息中从找出自己需要的信息是信息社会 给我们提出的一个新的挑战。面对海量数据，人们往往无所适从，随着信息量的 快速增长，人们对多媒体信息的检索需求与日俱增，因此，图像检索技术的研究 成为当今的热点问