论文部分内容阅读
随着科技的发展,特别是移动设备越来越普及,用户能轻松获取到周边图像并在自己设备存储成为潮流。在图像数据越来越多的情况下,对图像搜索、定位、识别、分类等成为这几年科研活跃的课题。其中,图像检索从90年代开始活跃至今仍然是重要课题之一。 本论文的内容涉及到从传统底层特征到当前热点的显著性学习图像检索系统研究,分成三个不同模块单独进行研究,然后比较其有效性。首先对特征的主要概念解释并总结低级特征的提取方案,其中提及到颜色、纹理、形状的图像特征。对每种特征提取方案使用常用的向量距离计算方法进行了讨论。其次研究了视觉显著性检测方法和对特征点检测方法,然后与ORB关键点检测技术相结合,利用视觉显著性检测原理对ORB关键点调整。最终,提出基于ORB图像显著区域内的各特征检索模型,并进行了大量实验及结果分析。使用显著性分析在检索过程中可以减少大量图像的次要信息,提高部分检索结果质量。 本论文系统实现使用Python编程环境搭建,因此系统具有可读性、快速开发和可扩展性性质。利用Web技术可以将整个系统模型作为Web应用并让更多观众尝试使用。