基于相關反饋和綜合特征的圖像內(nèi)容檢索系統(tǒng)研究和實現(xiàn).pdf

1、在信息量迅速增長的21世紀，信息的有效檢索是一個熱點問題。在圖像檢索領域里，在傳統(tǒng)的基于關鍵字的圖像檢索越來越不能滿足人們對信息有效的獲取的情況下，基于圖像內(nèi)容檢索(CBIR，Content-BasedImageRetrieval)系統(tǒng)應運而生，CBIR是在提取圖像的顏色、形狀、紋理等視覺特征后，采用一定的方法對這些特征進行比較，從而判斷圖像之間的相關度，查找出最符合的圖像。在此系統(tǒng)內(nèi)的圖像標識方式是圖像特征屬性描述，檢索線索是一目了然

2、的圖像示例，輸入為圖像示例，輸出為所有與示例特征相同或相近的圖像，按相似程度排列，供用戶選擇，從而把在傳統(tǒng)圖像檢索技術中一般用戶難以完成的圖像特征描述、提取與識別等難題，交給系統(tǒng)去解決。這項技術現(xiàn)在已經(jīng)在小范圍內(nèi)有了一定的使用，比如圖書館數(shù)字查詢系統(tǒng)等，而離技術普及還有許多問題需要解決。 本文首先介紹了基于圖像內(nèi)容查詢技術的發(fā)展現(xiàn)狀，然后對數(shù)字圖像處理的基礎進行了說明，在此基礎上，介紹了文章所采用的圖像的二值化算法-Otsu算法

3、。 接著，文章通過介紹圖像的顏色、形狀、紋理和空間特征的提取，圖像相似度的度量方法，特征向量的內(nèi)部和外部歸一化，以及圖像查詢的評測標準，提出了一種基于顏色、形狀和空間特征的綜合特征檢索方法，其中顏色特征的提取采用HIS顏色空間進行，形狀特征的提取是在圖像二值化基礎上采用的不變矩方法，空間特征的提取是按照一定比例把圖像分成九個矩形部分，然后對處于不同位置的矩形賦給不同的權重。而綜合特征的計算是在對顏色和形狀特征向量進行歸一化后，加

4、權求和得到。 為了解決上層的語義和低層的視覺特征的差別，文章引入了相關反饋技術，在對它進行介紹之后，對基于修改查詢向量的反饋方法進行了改進，提出一種結合數(shù)據(jù)庫技術和聚類方法的相關反饋，使得相關反饋具備一定的記憶功能。 在對系統(tǒng)響應時間的提高上，本文對顏色向量進行了聚類，采用聚類的中心作為數(shù)據(jù)庫的索引，使得系統(tǒng)的查詢時間大為減少，其中聚類采用的為K-mean算法，最佳聚類數(shù)的選擇是采用DBIndex準則自動進行。