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了大量图像的出现,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研究正是为了解决如何有效地从图像数据库中检索出相关图像的问题,近年来,此项技术的研究非常活跃,在许多领域都有应用。 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的提取技术,覆盖的内容主要包括图像的颜色特征、形状特征以及颜色的空间分布特征。本文的主要贡献总结如下: 1.深入分析和研究了基于内容图像检索领域的一些关键技术,其内容包括颜色空间、图像主要低层特征(颜色、形状和纹理)的描述方法、图像特征间的相似性度量准则以及图像检索算法的性能评价方法等。 2.提出了一种结合颜色不变量和形状特征的彩色图像检索算法。根据HSV颜色空间中各分量的特性,提出采用色调不变量作为图像的颜色特征;针对HSV颜色空间的H、S和V三个独立灰度分量,设计了状态矩阵来描述它们各自的形状特征;针对图像的状态矩阵,文中提出两种方法来进行特征提取:(1)马尔可夫链的一步转移概率矩阵,(2)状态相关图,上述两种方法的主要区别在于一步转移概率矩阵反映了图像状态矩阵中相邻状态间的变化关系,而状态相关图反映了图像状态矩阵中状态间的空间变化关系。 3.提出了一种基于图像分块颜色和形状特征的彩色图像检索算法。在系统地分析和研究了以往图像分块主色提取方法的基础上,提出了一种新的图像分块主色调和主色的确定方法;针对图像的形状特征,定义了两个新的反映图像形状总体特征和变化特征的描述符:平坦度和凹凸度;同时,针对图像分块平坦度和凹凸度的统计特性,给出了相应的量化方法;最后,结合图像分块主色、主色调以及平坦度和凹凸度的量化结果,提出了相应的检索算法。 4.提出了一种基于信息熵的图像检索算法EBIR(Entropy-Based Image Retrieval)。在研究了以往图像形状特征表示方法的基础上,结合网格描述符GD(Grid Descriptor)、图像灰度信息和信息论中信息熵的概念,提出采用图像单元熵构成的熵矩阵来描述图像特征,从而将图像的灰度信息和形