论文部分内容阅读
网络和多媒体技术的快速发展,在促进信息快速交流的同时也改变着人们对信息的获取方式,应用领域也在不断扩大。由于信息本身的不确定性以及获取方式的不断更新等特点,如何从数据量庞大且不断变化的数据库中筛选出更符合要求的图像成了研究的一个热点,各种图像检索方法层出不穷。在早期的图像检索方法中,以基于文本的检索方法为主,比较常见的就是基于图像标注的检索方法,但是由于人工标注具有主观性,再加上人工标注在实现上费时费力,因此该算法并不能满足人们的需要。基于内容的图像检索方法的迅速发展,从根本上解决了图像检索中存在的问题。本文的主要研究工作是,提出一种基于多特征加权融合的图像检索方法,该方法是基于图像分割技术、特征提取技术、特征融合技术等方面的发展而不断改进完善的,主要工作如下:1.结合分水岭和水平集算法的目标识别方法结合分水岭算法在图像分割中精确度比较高的优势,以及水平集算法的优点,提出一种基于区域合并的目标识别方法。首先在原图像上应用分水岭算法,把图像分割成多个连续的小区域,然后结合水平集算法对这些小区域进行合并,从而完成目标图像的识别。这种方法在视觉上避免了过分割现象,目标识别的准确程度得到改善。2.分段量化颜色特征并在LBP码中加入不变码为了获取更准确的图像检索结果,在颜色特征提取方面,提出一种分段的颜色特征向量量化方法,实现特征向量从高维到多维的变化,从而降低特征计算的时间复杂度;基于纹理特征的旋转不变性,对传统的LBP算法做出了改进,在LBP编码中加入尺度不变码和旋转不变码,更好的描述图像纹理特征。3.基于权值矩阵的多特征融合方法将本文提出的目标识别方法和特征向量提取方法应用到图像检索中,实现颜色特征和纹理特的加权融合,并改进了传统的基于固定权值的加权方式,提出了基于权值矩阵的加权方式。根据特征向量对应维之间的距离确定权值大小并形成权值矩阵,然后根据特征向量之间的相似度的大小排序,完成图像检索工作。为了验证该方法的有效性,与其他方法进行比对发现,该方法在查全率和查准率上都有所提高。另外,由于权值矩阵并不是针对某一特定的数据集确定的,当数据集发生变化的时候,该方法同样具有检索鲁棒性。