基于邻近空间理论的图像检索方法研究
论文名称：《基于邻近空间理论的图像检索方法研究》
指导教师：刘晓东
论文作者：王静
毕业院校：大连海事大学
文章内容概要
- 综述了图像检索技术的发展以及国内外的研究现状
- 介绍图像检索的关键技术与在特征匹配上三种常用的匹配方法
- 简述邻近空间理论与颜色直方图特征提取框架
- 简述优势粒结构相似度并提出改进的优势粒结构相似度方法用于图像之间的相似度匹配
- 提出了探测函数的欧氏度量方法用于相似度匹配的方法
基于颜色特征的图像检索关键技术
-
特征提取，何选择合适的颜色空间来描述颜色特征
- 颜色空间，在图像处理中最普遍的颜色模型是RGB颜色空间，HSV模型接近人类视觉感知，RGB->HSV
- 颜色量化，会对颜色的数目进行一定的筛选，减少2的24次方种颜色空间
- 颜色特征，普遍的提取方法有颜色直方图、颜色矩和颜色熵
-
特征匹配技术
-
闵可夫斯基距离
-
假设两点： \(P=(x_{1},x_{2},\ldots ,x_{n}){\text{ and }}Q=(y_{1},y_{2},\ldots ,y_{n})\in \mathbb {R} ^{n}\)
-
明氏距离为 \(\left(\sum _{i=1}^{n}|x_{i}-y_{i}|^{p}\right)^{1/p}\)
-
-
-
性能评价准则
- 最普遍采用的评价方法就是查准率和查全率
- 查准率是用来衡量检索系统拒绝非相关图像的能力
- 查全率是用来衡量检索系统检索出相关图像的能力
基于邻近空间理论的颜色直方图特征提取方法
- 像素的多样特征，如灰度、颜色、纹理和几何结构作为它的属性
- 读出图像的数据信息之后把图像进行分块处理，通过颜色的量化算法获得每块的颜色向量，然后用颜色直方图进行统计
- 在HSV颜色空间中表示的图像来说，其中H、S、V中的任何一个通道分量都可以形成自己的直方图
- 探测函数的欧氏度量进行计算两幅图像的特征向量之间的相似度
基于改进的优势粒结构相似度的相似度匹配方法
- 将图像所表达的信息作为一个信息系统，像素是对象，像素的各种特征，然后根据这些属性进行分类
- 挑选出描述图像的特征向量中若干个显著的颜色特征值
基于邻近空间理论的图像检索方法
- 查询图在RGB颜色空间中的红色、绿色和蓝色坐标通过非线性转化为HSV颜色空间中的色调、饱和度和亮度坐标
- 在HSV颜色空间中通过对颜色特征的量化得到72种颜色特征值
- 结合邻近空间理论通过颜色直方图特征得到查询图的特征向量
- 计算出前m名显著的颜色特征值用于相似度匹配
- 按照同样的方法处理图像库中的每一幅图像并得到图像库中图像的前m名显著的颜色特征值
- 使用改进的优势粒结构相似度的测量方法计算查询图和图像库中的每一幅图
