论文部分内容阅读
当今社会,由于信息技术革命的到来,多媒体技术和因特网犹如雨后春笋般蓬勃发展,互联网上充斥着大量的图像数据资源,当我们打开一个网页时,图像是最直观的信息表示,一副图片所表示的含义胜过千言万语。计算机存储技术和数字化设备如相机技术发展的速度越来越快,图像的质量越来越高,占用的空间也越来越大,图像数据量呈现指数级增长。图像信息量的快速增长,如何快速、高效以及准确的对图像进行检索已经是一个迫切的问题。但是由于传统的图像检索方法是基于文本的图像检索,这种采用对图像进行关键字信息标注的方式已经越来越落后,其弊端也日益显现,正因为如此,基于内容的图像检索技术出现了,它就是为了解决如何有效地从图像数据库中检索出相关图像的问题。基于内容的图像检索技术已经广泛应用于应用于社会安全、遥感、医学、数字图书馆、建筑、计算机辅助设计、地理信息系统、商标版权管理等诸多领域。本课题针对目前基于内容的图像检索存在的问题,对基于内容的图像检索技术进行了一些分析和改进。本文主要围绕基于内容图像检索中特征选择和特征提取以及检索时索引的目标分类技术展开研究,系统讨论了图像颜色、形状、不变矩、角点、梯度直方图的综合特征提取技术,以及支持向量机的多分类模型的图像检索索引库,因为在图像量很大的情况下,利用图像索引,可以大大提高检索的效率文章的主要研究工作如下:(1)分析和研究了基于内容的图像检索技术中的关键核心技术,如图像检索系统的体系结构,颜色、纹理、形状特征的表示和提取方法,以及模式分类方面的知识,还有图像特征的相似性度量方法以及图像检索性能标准的选取等。(2)提出了基于综合特征的图像检索方法。分析了颜色直方图特征、颜色矩特征、不变矩、角点、梯度方向直方图特征各自的优缺点以及检索性能。考虑到仅依赖单一特征进行检索效果不够理想,为了充分表示一副图像的包含的信息,将综合特征引入到了图像检索方法中,使图像检索具有更好的有效性以及普适性。(3)采用了基于支持向量机多分类模型的图像检索方法。系统分析了支持向量机在模式分类领域中,较之传统的贝叶斯网络、神经网络、Adaboost等方法,具有更好的泛化能力,以及对用户指定的参数不敏感,实现简单等优点。将支持向量机多分类模型应用于图像检索中,缩小检索的范围、提高检索的速度,又可以保证检索的准确性。(4)通过对第三章和第四章两种图像检索算法的结合,开发了一个基于内容的图像检索原型系统,该系统具有综合多特征的特征提取方法,以及应用支持向量机分类器进行匹配索引的功能。最后通过实验数据对系统的性能进行了测试,验证了该系统图像检索的高效性、快速性以及普适性。