| 【中文题名】 | 基于多特征的图像检索方法研究 |
| 【英文题名】 | The Research of Many Characteristics-based Image Retrieval |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-29 |
| 【中关键词】 | 图像检索,特征提取,纹理特征,颜色直方图,多特征, |
| 【英关键词】 | Image Retrieval,Feature Extraction,Texture feature,color histogram,Multi-Feature, |
| 【分类导航】 | 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 |
| 【论文摘要】 |
随着多媒体技术、网络技术的迅速发展，图像信息的应用日益广泛，对规模越来越大的图像数据库、可视信息进行有效的管理成为迫切需要解决的问题。图像检索技术是解决这一问题的关键。
基于文本的图像检索沿用了传统文本检索技术，回避对图像可视化元素的分析，一般以关键词形式的提问查询。TBIR技术实现较简单，更符合人们检索习惯，同时可以减少许多对图像内容本身的复杂考虑。
基于内容的图像检索(CBIR)是指在数据库中找出满足某一特定的视觉特征描述的图像的过程。CBIR系统的核心是表征图像内容的特征，它的基本思想是通过分析图像的视觉特征和上下文联系来进行检索。
本课题结合文本和图像内容特征，进行融合性研究。发挥各自的优势促进图像检索技术发展，同时结合对图像的内容分析，共同标引达到对图像的分析和检索。
该实验中的原型系统可以方便的利用本文中介绍检索算法进行图像检索，并可以根据用户对检索结果主观评价的程度进行相关反馈。另外，在用户接口上，系统提供直接选择、随机选择和浏览选择三种查询图像选择方法，使用户可以以更加人性化的方式选择查询图像。实验证明，本文实现的系统具有较好的检索性能。 |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
ABSTRACT |
4-8 |
|
第1章 绪论 |
8-13 |
|
1.1 课题研究的意义和应用前景 |
8 |
|
1.2 图像信息的特点 |
8-9 |
|
1.3 国内外研究的历史及现状 |
9-11 |
|
1.3.1 国外 CBIR的典型系统介绍 |
9-10 |
|
1.3.2 国内 CBIR系统介绍 |
10-11 |
|
1.4 本文主要的研究工作 |
11-12 |
|
1.5 本文的组织结构 |
12-13 |
|
第2章 CBIR图像检索的体系结构和分类 |
13-22 |
|
2.1 CBIR检索系统的体系结构 |
13-15 |
|
2.2 图像检索技术的分类 |
15-20 |
|
2.2.1 基于颜色特征的检索方式 |
15-16 |
|
2.2.2 基于纹理特征的检索方式 |
16-17 |
|
2.2.3 基于形状特征的检索方式 |
17-18 |
|
2.2.4 综合图像多特征的检索方式 |
18-19 |
|
2.2.5 基于内容的自适应的图像检索方式 |
19 |
|
2.2.6 基于知识的检索方式 |
19-20 |
|
2.3 本章小结 |
20-22 |
|
第3章 图像检索的关键技术 |
22-34 |
|
3.1 图像分割 |
22 |
|
3.2 图像颜色特征提取 |
22-25 |
|
3.3 图像纹理特征的提取 |
25-28 |
|
3.4 相似性度量 |
28-33 |
|
3.4.1 距离度量方式 |
28-30 |
|
3.4.2 相似性度量结构 |
30-31 |
|
3.4.3 相似性度量其他需要解决的问题 |
31-33 |
|
3.5 相关反馈 |
33 |
|
3.6 本章小结 |
33-34 |
|
第4章 基于多特征图像检索算法研究 |
34-43 |
|
4.1 查询图像分割算法 |
34-35 |
|
4.2 提取目标区域算法 |
35-37 |
|
4.3 图像目标区域纹理特征提取算法 |
37-38 |
|
4.4 图像目标区域颜色共生矩阵特征提取算法 |
38-40 |
|
4.5 相似性度量算法 |
40-41 |
|
4.6 检索效果评价方法 |
41-42 |
|
4.7 本章小结 |
42-43 |
|
第5章 基于多特征检索系统实现 |
43-58 |
|
5.1 软件设计过程 |
43-49 |
|
5.1.1 系统分析 |
43-44 |
|
5.1.2 系统设计 |
44-46 |
|
5.1.3 软件开发环境 |
46 |
|
5.1.4 系统工作的流程 |
46-49 |
|
5.2 系统的结构 |
49-54 |
|
5.2.1 友好的图像检索界面模块 |
49-51 |
|
5.2.2 图像库管理模块 |
51 |
|
5.2.3 特征提取模块 |
51-53 |
|
5.2.4 检索模块 |
53-54 |
|
5.3 实验 |
54-57 |
|
5.3.1 图像数据库的选择 |
54-55 |
|
5.3.2 不同方法对相同图像库的性能比较 |
55-57 |
|
5.4 本章小结 |
57-58 |
|
第6章 总结与展望 |
58-60 |
|
6.1 总结 |
58-59 |
|
6.2 下一步的工作 |
59 |
|
6.3 发展趋势 |
59-60 |
|
致谢 |
60-61 |
|
参考文献 |
61-64 |
|
攻读学位期间的研究成果 |
64 |
|
| 【DOI】 | LunWen.ID:2.2008.370438 |
