论文部分内容阅读
在科学技术高速发展的今天,数码照相机得到了普遍使用。随之而来的是网络上图片信息量的快速增加,以及数字图像处理技术的广泛应用。将图片进行分类,为用户提供一个整洁的网络环境是共享数字信息的一个基本要求,这意味着图像分类具有广阔的应用前景;而使用户快速地检索到自己所需的信息的实用价值使得图像检索成为一项具有研究价值的技术。图像分类和检索的工作均建立在特征提取的基础上,常用的特征有纹理、形状描述子等低层特征,纹理描述子反应了图像中像素灰度级的空间分布属性,形状特征代表图像最本质的特征。本文分别就图像分类和图像检索工作做了研究,在线商品图像分类方面给出一种新的纹理特征描述子,在检索方面就图像预处理,特征和相似度函数方面提出了新的构想。具体研究工作介绍如下:1.提出了一种局部纹理描述子—扇形加细局部二值模式,并将该特征与塔式梯度方向直方图特征融合,充分发挥局部纹理特征和形状特征的互补特性,进而基于融合特征设计了一种在线商品图像分类算法。对PI100和Amazon等商务网站上的商品图像库进行的实验结果表明:我们的方法与当前已有的方法相比有明显的优势,分类精度最高提高了21%,平均分类时间缩减了2/3。2.提出了一种提取物体外部边缘的方法,以求达到去除噪声边界点的效果,在此基础上给出基于边界的形状特征—HLDC(Histogram of lean and distance to centroid),并结合相似度函数使检索具有尺度和旋转不变性,以MPEG7CE Shape-1Part B作为实验图像库,实验结果证明本文的检索方法不但方便运用,且具有有效性。