论文部分内容阅读
随着多媒体技术的发展,互联网的不断普及,数字图像作为一种内容丰富,表现力强的信息储存方式被广泛应用,海量的数字图像也因此产生。如何快速准确的从数据库中找到用户所需要的图像逐渐成为一个难题并被研究者重视。传统的基于文本的图像检索技术(Text-Based Image Retrieval)主要依靠人工标记,在大量消耗人力资源的同时,还存在着用户对图像内容的理解不同、标记的信息不全等问题。因此,上世纪90年代初,有人提出了基于内容的图像检索技术(Content-Based Image Retrieval),该技术通过对图像的颜色、形状、纹理以及空间分布等的视觉特征的刻画和提取,计算出不同图像内容的相似程度,来实现图像的检索。相对TBIR使用的人工标记描述图像特征的方法,CBIR方法所得到的图像特征具有更好的通用性,能够有效的弥补基于文本的图像检索技术中的不足。本文围绕基于内容的图像检索中的相关核心问题进行了深入研究,主要工作内容和创新点如下:(1)针对单一图像特征很难全面有效的提取图像内容信息的问题,本文提出了一种基于多种特征融合的彩色图像检索方法。该方法首先在对立颜色空间中利用圆谐-傅里叶矩提取图像的颜色特征;然后使用金字塔双树方向滤波器组(PDTDFB)对图像进行分解,通过计算分解所得到的每个子带的熵和标准差,构建出图像的纹理特征;最后融合颜色和纹理两种特征,通过计算不同图像间特征的相似度,实现图像检索。仿真实验结果表明,该方法能够有效的提取图像的内容信息,并得到比较理想的检索结果。(2)为了解决传统全局图像特征无法较好的描述图像关键内容的问题,提出了一种基于兴趣点的图像特征检索方法。首先,对HSV颜色模型中的H、S、V三个分量进行非等间隔量化,得到颜色量化矩阵;然后利用概率密度和ASIFT算法进行兴趣点提取;最后将提取后的兴趣点映射回原图像,结合空间直方图构建图像的底层特征,通过计算不同图像特征间的相似度,进行图像检索。仿真实验证明,该方法能够充分有效的提取图像中的兴趣点,较好的表达图像的内容信息,最终获得比较理想的检索结果。