论文部分内容阅读
计算机技术、多媒体技术以及Internet技术的长足发展导致海量图像的出现,如何有效地、快速地从大规模图像数据库中检索出所需的图像是目前一个相当重要又富有挑战性的研究课题。基于内容的图像检索技术(Content Based Image Retrieval,简称CBIR)的研究正是为了解决利用自动获取的图像特征,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是指直接根据描述图像内容的各种特征进行检索,也是当前计算机视觉、图像数据库与知识挖掘等领域最活跃的研究热点之一。图像的内容包括图像的颜色特征、形状特征、纹理特征和语义特征等。图像特征提取技术和相似性度量都属于基于内容的图像检索技术的核心问题。
本文主要围绕基于内容图像检索中图像特征提取这一关键技术展开,系统地研究了图像低层视觉特征与高层语义特征的提取技术,覆盖的内容主要包括图像的边缘检测、角点提取、纹理分析以及基于内容的颜色空间分布特征提取。本文的主要创新之处总结如下:
1.边缘轮廓包含了图象中十分重要的信息,传统的边缘检测利用微分运算但是没有得到精确的微分算子表达式。本文利用Green函数经过严格的数学推导与证明,找到了微分算子的确切表达式,边缘提取实验结果说明基于Green函数的边缘检测简单有效。但是缺陷是对噪声特别敏感。
2.为了保障边缘提取算子具备抗噪性,本文研究基于数学形态学的边缘检测。已有的数学形态学算法一般只采用单一结构元素,很难对复杂边界进行有效的处理。因此本文提出一种基于多结构元素多尺度的数学形态学边缘检测算法,先用多尺度结构元素交替顺序形态开-闭平滑图像以去噪,再用多结构元素对不同方向的边缘进行提取,最后把各方向边缘融合得到图像边缘。实验结果表明,提出的算法不仅有很强的抗噪性,而且很有效的提取图像的边缘。
3.提出一种新的角点提取算法。目前用于角点提取的小波算法大多都是采用一维小波变换,不能直接用于二维灰度图像。本文提出对灰度图像进行二维离散小波变换得到三个高频分量(H、V、D),通过计算出小波模极值和方向函数确定候选角点,设定阈值由角点检测算子检测出角点,实验结果表明算法简单有效。
4.提出一种新的纹理分析算法。考虑小波变换不具有平移性,本文采用二维小波框架变换进行纹理分析,即对纹理图像进行离散小波框架变换后,利用同一变换尺度下的小波高频系数与低频系数之间的依存关系信息,构造系数共生直方图和系数共生矩阵,在此基础上进行纹理特征提取,而不是独立地提取各子带系数特征。在分类实验中分别采用K-NN分类器和基于统计学习理论的支持向量机(SVM)分类器,由实验结果表明,基于这种共生直方图和共生矩阵的特征提取分类算法能得到很好的分类结果。
5.在传统的基于内容图像检索的方法中,由于图像的领域较宽,图像的低级视觉特征和高级概念之间存在着较大的语义间隔,导致检索效果不佳。本文认为更有现实意义的做法是,缩窄图像的领域以减小低级特征和高级概念间的语义间隔,并利用机器学习方法自动建立图像类的模型,从而提供用户概念化的图像查询方式。本文以自然图像领域为例,使用相关向量机(RVM)学习自然图像的类别,学习到的模型用于自然图像分类和检索。实验结果表明提出的方法是可行的。