论文部分内容阅读
随着信息技术的发展,大量的存储设备和数字设备的出现和广泛使用,使得人们有越来越多的机会接触到图像信息。图像数量的大幅增加,使得传统的依靠人工方法从图像库中检索需要的图像变得不切实际,如何有效地管理并获取所需的图像成为研究者关注的热点。因此,在20世纪90年代,基于内容的图像检索技术得到了迅猛发展,该方法利用图像的颜色、纹理和形状等低层特征对图像进行检索。然而,在实际的检索过程中,用户判断图像是否相似往往并不是根据“视觉相似”,而是依据图像中是否包含相同的场景或对象,即依靠“语义相似”进行检索。为了克服上述问题,基于场景语义的图像检索技术被广泛应用起来。本文首先回顾了基于内容的图像检索技术的研究背景、研究现状,介绍了几种经典的CBIR (Content-Based Image Retrieval)检索系统,分析了图像的层次化语义模型,对基于场景语义的图像检索方法的系统构成、特征提取、特征匹配以及性能评价准则等关键技术作了详细的介绍。然后,针对本文重点研究的建筑物场景图像进行分析,在已有研究成果的基础上,实现了基于边缘方向直方图的图像检索方法和基于SIFT (Scale Invariant Feature Transform)特征的图像检索方法。考虑到利用图像的单一特征进行检索往往会导致顾此失彼,不能充分发挥各个特征的优势,本文结合图像的边缘特征和SIFT特征,提出了一种改进的基于边缘和SIFT综合特征的检索方法。最后,将改进的基于综合特征的图像检索算法在Matlab7.1平台上进行测试。实验结果表明,该方法能更好地实现各个特征的优势互补,提高了检索精度。本文的创新点主要体现在以下两个方面:(1)为了提高检索的精度,将EMD (Earth Mover’s Distance)距离引入到基于边缘方向直方图的检索算法中,采用欧氏距离与EMD距离相结合的方法对图像进行相似性度量。实验证明,该方法能更准确地对图像进行匹配。(2)不同类别的图像的结构特征往往有差异,采用统一的权值描述图像特征通常并不准确。针对这一不足,通过分析图像的直线特征,设定阈值,对边缘和SIFT特征进行自适应加权,提出了一种改进的基于综合特征的检索方法。