学位论文 > 优秀研究生学位论文题录展示

CBIR算法测试平台及其相关技术研究

作　者: 叶力洪
导　师: 袁华
学　校: 华南理工大学
专　业: 计算机应用技术
关键词: 基于内容的图像检索 算法测试平台 索引结构 多特征融合
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 39次
引　用: 1次
阅　读: 论文下载
 

内容摘要


随着网络技术和多媒体技术的飞速发展,网络上的信息越来越丰富,多媒体信息的应用日益广泛。图像信息是其中量最大最主要的一种多媒体信息,图像检索是当前多媒体检索和图像技术研究的一个关键和热点。CBIR(Content-Based Image Retrieval,基于内容的图像检索)充分利用了图像本身的特征进行检索,可以弥补传统的TBIR(Text-Based Image Retrieval,基于文本的图像检索)的缺陷与不足。自CBIR兴起至今,CBIR算法研究人员提出了很多不同的算法,但这些算法采用了不同的验证方法和评价准则,验证和评价结果之间无法进行客观的比较,如何对这些算法进行统一、客观的验证和评价成为了一个重点和难点。建立一个CBIR算法测试平台,对算法进行统一、客观的验证和评价,不仅有利于CBIR算法的发展,也能促进建立可靠的CBIR商业应用。本文设计并实现了一个高效、易用、可扩展、基于web架构的CBIR算法测试平台。该平台可供算法测试和评价,该平台综合运用了模块化和层次化的架构设计方法,模块分解清晰且功能强大,运行测试表明,该平台人机交互界面简单,运行高效,提供了对算法检索结果的主客观评价。自动提取的图像特征向量具有所需存储空间大、维数高等特点,许多索引结构容易引发“维数灾难(Curse of Dimensionality)”,因此其性能一直是影响CBIR进一步发展的重点和难点。本文在分析经典的树形索引结构和VA-File索引结构的基础上,通过二级向量近似、聚集和分段等优化方法,提出了一种基于VA-File的索引结构。实验结果表明,该索引结构既保存了VA-File的优良特性,又能改善索引的检索性能和索引的操作方式,具有一定的价值和意义。单一类型的图像特征很难完整地描述丰富的图像信息,各种类型的图像特征用于检索都有其优势和劣势,融合特征检索可以使特征之间相互配合、相互补充,提高图像检索的效果。本文分析了多特征融合的不同方式,基于多指标决策理论,提出了一种动态、易扩展、操作简单的多特征融合方法。该融合方法属于决策层的多特征融合方法,能融合多种特征进行检索,提高图像检索的效果,同时将其应用在本文设计实现的CBIR算法测试平台,还可为算法研究人员提供了一种即时融合、观察融合检索效果的途径,方便算法研究人员的进一步研究。

全文目录


摘要  5-6
Abstract  6-11
第一章 绪论  11-17
  1.1 课题背景及研究意义  11-12
  1.2 课题来源  12
  1.3 研究现状  12-15
    1.3.1 CBIR 算法测试平台  12-13
    1.3.2 索引结构  13-15
    1.3.3 多特征融合检索  15
  1.4 本文的主要研究工作  15
  1.5 本文的组织结构  15-17
第二章 相关技术研究  17-38
  2.1 图像特征  17-20
    2.1.1 颜色特征  17
    2.1.2 纹理特征  17-18
    2.1.3 形状特征  18-19
    2.1.4 空间关系特征  19-20
  2.2 特征的相似度计算方法  20-22
    2.2.1 直方图相交法  21
    2.2.2 Minkowski 距离法  21
    2.2.3 二次型距离法  21-22
    2.2.4 马氏距离法  22
  2.3 特征的索引结构  22-26
    2.3.1 高维数据及其索引结构的特点  22-23
    2.3.2 高维索引结构的查询  23-24
    2.3.3 高维索引结构的分类  24
    2.3.4 VA-File 索引结构  24-26
  2.4 检索评价  26-28
  2.5 大型软件系统的重要分析设计方法  28-29
  2.6 软件的接口与动态链接技术  29
  2.7 融合检索的层次  29-31
  2.8 多指标决策理论  31-37
    2.8.1 权重赋值  32-35
    2.8.2 决策方法  35-37
  2.9 本章小结  37-38
第三章 CBIR 算法测试平台Kapoix 的设计与实现  38-51
  3.1 需求分析  38-39
  3.2 系统模块结构  39-40
  3.3 主要模块的设计与实现  40-48
    3.3.1 配置管理  40-42
    3.3.2 图像库及元数据库管理  42-43
    3.3.3 算法及算法库管理  43-45
    3.3.4 索引及索引库管理  45-47
    3.3.5 检索  47
    3.3.6 评价方式  47-48
  3.4 运行测试  48-50
  3.5 本章小结  50-51
第四章 CMVAI-File 索引结构  51-59
  4.1 CMVAI-File 的原理与结构  51-52
  4.2 子索引合并算法  52-53
  4.3 数据添加算法  53-55
  4.4 数据删除算法  55
  4.5 检索算法  55-57
  4.6 实验与分析  57-58
  4.7 本章小结  58-59
第五章 基于多指标决策理论的特征融合方法  59-66
  5.1 融合原理与算法  59-61
  5.2 实验与分析  61-65
  5.3 本章小结  65-66
结论  66-68
参考文献  68-72
攻读硕士学位期间取得的研究成果  72-73
致谢  73

相似论文

  1. 基于用户兴趣特征的图像检索研究与实现,TP391.41
  2. Q学习在基于内容图像检索技术中的应用,TP391.41
  3. 基于多示例学习的用户关注概念区域发现,TP391.41
  4. 基于支持向量机的视频目标检测方法研究,TP391.41
  5. 存储系统中多维元数据索引的高效更新方法研究,TP333
  6. 大规模图像检索中局部特征聚合与索引方法研究,TP391.3
  7. 基于Jade的多Agent图像检索系统,TP391.3
  8. 基于内容的大规模数字图像检索技术研究,TP391.41
  9. 图像检索的并行计算方法与系统,TP391.3
  10. 基于结构化稀疏谱哈希的图像索引算法,TP391.41
  11. 基于草图的图像检索技术研究与系统实现,TP391.41
  12. 基于多标签学习的图像区域语义自动标注算法研究,TP391.41
  13. 钴结壳的非线性超声识别技术研究,TN912.34
  14. 基于辐射与空间信息的遥感图像检索,TP751
  15. 全局与局部特征相结合的遥感影像检索方法研究,TP751
  16. 关于XML的关系数据库存储查询技术研究,TP311.13
  17. 基于多特征的图像检索技术研究及实现,TP391.41
  18. 基于内容的图像检索关键技术研究,TP391.41
  19. 复杂背景条件下的运动目标检测与跟踪的研究,TP391.41
  20. 粒子滤波框架下的自适应多特征融合目标跟踪方法研究,TP391.41
  21. ARTs-EDB系统的时态数据存储及索引技术研究,TP311.13

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com