学位论文 > 优秀研究生学位论文题录展示
基于显著封闭边界曲线的图像检索
作 者: 贺剑
导 师: 黄仁
学 校: 重庆大学
专 业: 计算机应用技术
关键词: 封闭边界 VA-File 形状特征 图像检索
分类号: TP391.3
类 型: 硕士论文
年 份: 2009年
下 载: 49次
引 用: 0次
阅 读: 论文下载
内容摘要
随着互联网以及多媒体技术的飞速发展,图像信息已经渗透到各个行业,成为数字信息的一种主流形式。图像数据库随之日益扩大,如何高效的管理以及检索成了迫切需要解决的问题,也是国内外学者研究的热点,图像检索技术就是在这种背景下出现的新兴研究领域,基于内容的图像检索技术是当前的主要研究方向。基于内容的图像检索技术包括图像预处理,特征提取,索引结构等多个方面。本文主要围绕特征提取和索引结构展开研究,提出了一种新的基于显著封闭边界曲线的图像检索算法,该算法的主要思想是首先采用经典的Canny算子检测得到边缘碎片图,然后利用图论中的最小比率环算法从边缘碎片图中提取图像的显著封闭边界,最后通过改进的VA-File索引机制建立图像库,根据直方图相交的方法进行图像检索。本文的主要工作及创新之处如下:针对封闭边界提取容易受到噪音干扰的问题,提出了一种综合考虑边缘信息和区域信息的边缘显著性度量函数,将其应用到封闭边界的提取当中,对提取效果做了对比实验。分析了VA-File检索效率的不足,提出了一种针对VA-File的改进方案,给出了改进方案的原理结构、动态构造以及查询算法的实现。根据本文提出的基于显著封闭边界曲线的图像检索算法,设计和实现了原型系统,做了查准率和查全率的实验。针对提出的算法做了大量实验,并对结果进行了分析,主要包括:①显著封闭边界提取实验,说明了本文提出的显著性度量函数能够保证提取的封闭边界的接近性尽可能小,围住的显著区域尽可能大,实验表明算法对图像的噪音、旋转、缩放具有良好的鲁棒性;②改进的VA-File的阶段性实验,表明在保证检索结果逼近VA-File的情况下,能够大幅度地提高检索效率;③通过原型系统,对本文的图像检索算法,做了查准率和查全率的测试,测试结果表明该算法具有良好的性能。综合上述实验结论表明,本文的算法用于图像检索是有效的。
|
全文目录
摘要 3-4 ABSTRACT 4-9 1 绪论 9-14 1.1 课题背景及研究意义 9-11 1.2 国内外相关研究 11-12 1.3 图像检索面临的主要问题 12-13 1.4 本文的主要工作 13-14 2 基于内容的图像检索关键技术 14-24 2.1 基于内容的图像检索的常用图像特征 14-16 2.1.1 颜色特征的描述 14-15 2.1.2 纹理特征的描述 15-16 2.1.3 形状特征的描述 16 2.2 常用相似性度量方法 16-18 2.2.1 L_1 距离和L_2 距离 17 2.2.2 直方图交 17 2.2.3 二次式距离 17 2.2.4 马氏距离 17-18 2.2.5 非几何的相似性度量方法 18 2.3 图像数据库的索引机制 18-19 2.3.1 基于向量空间的索引结构 19 2.3.2 基于度量空间的索引结构 19 2.4 图像检索性能的评价准则 19-21 2.4.1 准确度和检索率 20 2.4.2 命中准确率 20 2.4.3 排序值评测法和检索率 20-21 2.5 相关反馈技术 21-23 2.6 小结 23-24 3 显著封闭边界曲线的提取 24-38 3.1 概述 24 3.2 算法的主要思想 24-25 3.3 显著性度量函数 25-29 3.4 最小比率环算法 29-32 3.5 显著封闭边界的特征描述 32-33 3.6 实验与分析 33-37 3.6.1 显著封闭边界提取效果分析 33-34 3.6.2 显著封闭边界的鲁棒性 34-37 3.7 小结 37-38 4 高维图像数据库索引技术 38-56 4.1 高维数据及索引结构的特点 38-39 4.2 高维数据查询方式 39-40 4.3 高维数据索引结构 40-45 4.3.1 Kd-树 40-42 4.3.2 R 树 42-43 4.3.3 网格结构 43-44 4.3.4 四叉树结构 44-45 4.4 VA-FILE 方法 45-48 4.4.1 VA-File 索引结构 45-46 4.4.2 基于VA-File 上的k-最近邻查询算法 46-48 4.5 一种改进的VA-FILE 索引结构 48-53 4.5.1 NVA-File 的主要思想 48-49 4.5.2 NVA-File 的原理 49-51 4.5.3 查询算法 51-52 4.5.4 N 和M 的选取原则 52-53 4.6 实验与分析 53-55 4.7 小结 55-56 5 原型检索系统设计与实现 56-65 5.1 系统设计 56-57 5.2 特征提取和描述模块 57-58 5.2.1 图像的特征提取 57-58 5.2.2 图像特征描述 58 5.3 高维数据索引模块 58-59 5.4 查询模块 59-60 5.5 实验与分析 60-65 6 总结与展望 65-67 6.1 本文的研究工作总结 65-66 6.2 进一步的工作 66-67 致谢 67-68 参考文献 68-71 附录 71
|
相似论文
- 用于检索的人脸特征提取与匹配算法研究,TP391.41
- 基于用户兴趣特征的图像检索研究与实现,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 基于内容的服装图像检索技术研究及实现,TP391.41
- 基于多示例学习的用户关注概念区域发现,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 多样性密度学习算法的研究与应用,TP181
- 基于形状的汉画像检索技术研究,TP391.41
- 大规模图像检索中局部特征聚合与索引方法研究,TP391.3
- 基于Jade的多Agent图像检索系统,TP391.3
- 人形识别关键技术的研究与实现,TP391.41
- 基于内容的大规模数字图像检索技术研究,TP391.41
- 图像检索的并行计算方法与系统,TP391.3
- 基于脑波的情感图像检索的研究,TP391.41
- 综合多特征的图像检索技术研究,TP391.41
- 基于草图的图像检索技术研究与系统实现,TP391.41
- 基于半监督哈希算法的图像检索方法研究,TP391.41
- 多模式图像检索方法研究,TP391.41
- 基于内容的图像检索技术研究,TP391.41
- 基于视图的三维模型检索技术研究,TP391.41
- 基于多标签学习的图像区域语义自动标注算法研究,TP391.41
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) > 检索机
© 2012 www.xueweilunwen.com
|