论文部分内容阅读
随着计算机、网络以及多媒体技术的迅速发展和应用,数字图像的数量正以惊人的速度增长。如何有效地组织、管理和检索大规模的图像数据库,已成为目前检索领域一个相当重要的研究课题。由于人工进行标注的巨大的工作量,传统的基于关键字的信息检索技术很难满足用户的要求,这就需要有一种针对类型复杂图像库的有效检索方式。基于内容的图像检索技术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,此项技术已成为国内外广泛关注的焦点,在许多领域都有了广泛地应用。本文主要围绕基于内容的图像检索中若干关键技术展开研究,主要研究成果如下:首先针对高维的图像彩色特征向量间的相关性和冗余对聚类、检索的影响,本文提出了自适应局部保持映射的图像特征降维算法(ALPP)。将聚类引入降维算法中来解决特征空间维数的自适应确定问题,使降维结果既保证了最大化地消除高维向量间的相关性和冗余,又不破坏原始数据近邻间的空间拓扑结构。实验结果表明,基于ALPP算法的图像检索的查准率和查全率相对于LPP和PCA算法,具有较高的检索精度。其次在基于内容的图像检索中,如果描述图像内容的彩色特征向量维数很高,则所建立的图像特征库和相似图像匹配检索过程中的计算复杂度将会严重增加。本文根据图像特征在原空间的分布情况,提出了一种改进的可变近邻点的LLE数据降维方法(VKNLLE),使得降维后的特征向量有效地保持了其在高维空间中的拓扑结构。实验结果表明,VKNLLE方法在基于内容的图像检索中,相对于LLE和PCA算法取得了较高的检索准确率。最后本文提出了一种基于感兴趣区域的多特征综合检索的图像检索算法(RBMCR),即通过兴趣点检测确定图像中的感兴趣区域,在确定的感兴趣区域中提取颜色和空间两种底层特征,采用体现不同特征的加权和进行相似性度量。实验结果表明,本文提出的基于颜色和空间特征相融合的算法,检索结果要好于靠单一底层特征进行检索的结果;基于局部兴趣点的图像检索算法在查准率和查全率上要优于基于全局特征的算法。