论文部分内容阅读
传统的基于文字标注的图像检索技术一般采用手工进行标注，具有耗时、工作量大及主观性等缺点，90年代出现的基于内容的图像检索技术在一定程度上克服了其缺陷。但是由于图像的底层特征和人们的主观感知存在较大差异、单一的特征对图像内容的描述不充分等原因，使得基于内容的图像检索技术还很难满足用户的一般检索需求。近年来，人们又提出了基于多特征的图像检索技术以及基于区域特征的图像检索技术。 本文对基于区域特征的图像检索技术进行了相关研究，重点讨论了图像特征点的提取算法，并提取特征点周围区域内的颜色和纹理特征用于图像检索。主要内容如下： 首先，通过对原始Harris兴趣算子进行适当改进，得到了一种新的基于Harris兴趣算子的彩色图像特征点提取算法。实验结果表明，与Bamard、Forstner、SUSAN三种兴趣算子及边缘检测算子所提取的特征点相比，利用改进Harris兴趣算子所提取的特征点取得了良好的分散性。 其次，将小波变换引入到图像的特征点提取中，提出了一种基于小波变换和Bamard兴趣算子的彩色图像特征点提取算法。新算法结合了小波变换和Bamard兴趣算子的优点，在一定程度上克服了边缘检测算子和兴趣算子所提取特征点容易在某些小区域聚集的缺点，所提取的特征点更能有效的表示图像的不同区域。 最后，将两种新算法所提取特征点应用于图像检索，提出了一种新的基于区域特征的图像检索方法。新方法提取了特征点周围区域图像的颜色微分不变量、颜色矩、Tamura纹理及共生矩阵等特征，通过综合比较查询图像特征和库内图像特征(根据特征点匹配数目)返回检索结果。实验结果表明，利用本文的改进Harris算子、基于小波变换和Barnard算子的方法提取的特征点分散性较高，其用于图像检索时的准确率比经典算法有大幅提高；其中，基于小波变换和Barnard算子提取的特征点用于检索时的准确率高于经典方法，取得了较好的检索效果。