基于内容的图像检索关键技术研究.docVIP

PAGE PAGE 1 TOC \o 1-3 \f \h \z 第一章 绪 论 1 1．1 研究背景 1 1．2 现有主要CBIR系统介绍 2 1．3 CBIR的分类 4 1．4 本文的组织结构 5 第二章 基于内容的图象检索关键技术 6 2．1 图象数据建模型 6 2．2 预处理技术 6 2．3 特征提取 8 2．4 特征匹配 9 2．5 用户反馈 10 2．6 TBIR兼容性 11 第三章 基于颜色的图象检索算法的分析与研究 12 3．1 HSV颜色模型 12 3．2 基于直方图的图像检索技术分析 15 3．4 提取颜色分布主特征 19 3．5 圆环形几何分割 20 第四章 基于纹理的图象检索算法的分析与研究 23 4．1 纹理特征描述的分类 23 4．2 灰度共生矩阵算法 25 4．3 小波纹理签名算法研究 27 4.3.1 小波变换 27 4.3.2 Mallat算法 28 4.3.3 小波纹理特征提取 33 第五章 基于形状的图象检索算法的分析与研究 35 5．1 基于形状的图象检索的概况 35 5．2 基于小波变换的图象边缘检测 37 5．3 边界的特征提取及相似度匹配 40 第六章 智能CBIR系统设计与分析 42 6．1 CBIR系统设计 42 6．2 CBIR系统实现 44 6．3 系统试验结果及分析 48 6．4 基于内容图象检索系统的评价标准 51 第七章 结 束 语 54 7．1 本文结论 54 7．2 进一步的研究方向 54 参考文献 56 第一章 绪 论 1．1 研究背景 随着Internet的应用和普及，人们越来越多地接触到大量的多媒体信息，这些多媒体信息资源以文字、图象、声音和视频等各种形式存在，数量巨大，种类丰富，并以爆炸的速度增长。同时，网络用户也在不断增长，信息量的发展使得人们对多媒体信息检索工具和系统的依赖日益加强。图象检索就是多媒体信息检索的一个重要分支。如果能开发出一种先进的检索技术，根据图象的内容特征进行有效的组织，给用户提供直观的操作接口，无疑会极大的节省人们的图象查找时间，使得可以快速的定位到自己真正需要的图象。这种迫切的需求推动着研究者们全力以赴的投身于图象检索技术的研究当中。 图象检索自70年代始便成为一个非常活跃的研究领域，其推动力来源于两大研究团体：数据库系统和计算机视觉，它们分别从基于文本关键词以及基于内容这两个不同的角度，对图象检索作了研究进而诞生了基于文本关键词的图象检索(TBIR:Textual-Based Image Retrieval:TBIR)和基于内容的图象检索(Content-Based Image Retrieval:CBIR)这两大类别。 基于文本关键词的图象检索，其研究主要在数据库领域中进行，首先对图象用文本进行索引，再采用基于文本的数据库管理系统（DBMS）来进行图象检索，诸如数据模型、多维度索引、查询评价等的研究进展均是沿着这一领域所作的。但随着数据量的迅速增大，基于文本的图象检索存在的下列弊端限制了它的发展： 1) 由于图像内容的丰富性，使得对于同样的图像不同的人有不同的理解，图像注解的主观性和不精确性可能导致检索过程的失配。也就是说，不同的标注者对同一幅（或类似的）图象的不同理解（兴趣或侧重点）造成了图象特征标注间的差异，而这种差异大到一定程度就会对检索结果产生很大的负面影响；而且即使同一个标注者由于特征标注时的外界和内在条件的影响，往往也会产生不同的结果；总之，标注者的主观性往往带来这样的后果：不同的或同一个标注者用不同的术语描述同一个特征,或者用同一个术语描述不同的特征，这就是基于文本检索的同义性和多义性。 2) 由于给图象添加关键词或注释是一个繁琐且费时的过程，因此很多图象缺少注释的信息。 3) 纹理或形状等图象特征几乎不可能用文本来描述。 90年代早朝，由于大规模图象数据库的出现，由手工进行图象标注这一方法所带来的困难变得十分尖锐，为了克服这一困难，研究者们提出了基于内容的图象检索，即根据图象所包含的颜色、纹理、形状以及它们的组和特征等特征信息建立索引并且通过图象特征向量间的近似度量来进行相似性检索。不像TBIR（语义级比较）是对描述图象的文本进行比较，CBIR是直接比较图象内容所承载的特征（低级特征比较），即它是直接根据图象媒体对象的内容进行的各种特征检索，它能从数据库中直接找到具有指定特征或含有特定内容的图象。基于内容