论文部分内容阅读
随着互联网及数据库中大量图像的出现,如何快速地浏览图像、检索图像成为迫切需要解决的问题。图像包含有文本信息和内容信息,文本信息就是对图像内容的文字描述,而内容信息能真实反映图像包含的内容。基于文本信息的图像检索存在人工标注工作量巨大及机器标注不准确的缺点,而基于图像自身内容的检索可以弥补上述缺陷,所以,基于内容的图像检索(Content-Based Image Retrieval, CBIR)是目前该领域的重点研究对象之一。针对CBIR技术的研究主要集中在基于底层特征、基于高层语义、自动标注、相关反馈及快速图像检索等几个方向。本文以基于底层特征的快速图像检索为方向,结合多尺度分析、概率统计检索框架、颜色空间及主颜色技术对CBIR进行研究,研究工作可归纳为以下几点:(1)深入分析基于概率统计的图像检索框架、流程及相关技术,对比四种概率统计模型的性能与适应性以确定本文算法中采用的概率统计模型,并采用两种常用的参数估计方法估计模型中的参数。(2)在深入研究基于多尺度分析的CBIR基础上,针对其丢失了图像颜色这个重要信息的缺陷,通过在图像预处理阶段利用RGB颜色空间模型的特性,提出一种基于RGB颜色空间的多尺度分析图像检索算法,并对实验结果进行分析。实验结果表明,本文算法的检索性能与传统的多尺度算法相比均有了明显的改进,其平均检索率和平均归一化修正检索等级分别提高了约3.65%和25.8%。(3)在深入研究了基于概率统计理论的CBIR算法的基础上,针对其在图像规律统计步骤中只关注图像的灰度信息而忽略了图像的颜色信息这个缺陷,本文对传统的概率统计图像检索算法加以改进,结合非常有效的全局量化主颜色提取算法,提出了一种综合多特征的改进算法,并给出三种改进的实验方案。实验结果表明,相比传统的概率统计图像检索算法,本文算法在检索性能上有较大改进,平均查全率和平均归一化修正检索等级分别提高了约30%和22%。