基于内容的图像检索系统设计与实现

论文名称：《基于内容的图像检索系统设计与实现》

指导教师：王晓飞

论文作者：王梓琪

毕业院校：黑龙江大学

文章内容概要

简要论述了CBIR系统的国内外研究现状，并对目前系统所采用的主要技术做了总结分析
介绍图像检索系统包含的基本技术，包括对图像颜色、纹理和形状等特征的提取技术
对SIFT算法所采用的主要技术和方法进行论述分析
论述基于改进的SIFT算法的图像检索系统
提出了基于BBF的Tree算法，引入随机抽样一致性RANSAC算法，改进了最近邻匹配算法

基于内容的图像检索相关技术

CBIR系统首先对检测图像的特征进行提取，构建出其相应的语义特征
与图像数据库中具有相同或相似特征点的图像进行相似度匹配，实现检索中的相似匹配过程
选择一种合理高效的特征提取方法，颜色矩阵、灰度共生矩阵、LBP纹理、Tamura纹理
特征信息进行处理，并将处理后的数据与原数据库中的信息进行相似度匹配
色彩空间
- RGB空间模型是由红色(R)、绿色(G)、蓝色(B)三基色组合而形成的模型
- HSV空间模型包括色调(H)、饱和度(S)、亮度(V)
\[H=\left\{\begin{array}{ll} \arccos \frac{(R-G)+(R-B)}{2 \sqrt{(R-G)^{2}+(R-B)(G-B)}} & B \leq G \\ 2 \pi-\arccos \frac{(R-G)+(R-B)}{2 \sqrt{(R-G)^{2}+(R-B)(G-B)}} & B>G \end{array}\right.\] \[\begin{array}{c} S=\frac{MAX(R, G, B)-MIN(R, G, B)}{MAX(R, G, B)} \\ V=\frac{MAX(R, G, B)}{255} \end{array}\]
颜色空间的量化
1. 首先将H划分成8个不同的区间，每个区间包含的颜色都为近似颜色
2. 将S和V分别进行三级单位量化，其量化区间长度相同
3. 构造一维特征矢量。即将三维向量参数通过公式整合到一维参数之中，这个整合的一维参数是个特征向量
图像的纹理特征
- 纹理特征分析的重点在于构成纹理的像素点，通过对构成同一纹理的不同像素点的分析计算，来获取此条纹理的特征
- 数理统计分析法衡量获取的纹理的空间频率大小，从而确定纹理的细致程度的技术
基于局部SIFT算法的图像检索技术
- 在尺度、光照、噪声等外界变化干扰中，也能较为准确的获取图像的细节特征
- 提取建立检测点，将特征参数组成一个特征点集，进行特征对比匹配

基于改进SIFT算法的图像检索技术、

基于BBF的Kd-Tree算法
- Kd-Tree算法往往搜索范围较广，回溯搜索
随机抽样一致性算法(RANSAC)
- 典型数形结合的理论应用
- 集合中的所有数据建立一个适合绝大多数有效数据的数学模型，有效数学模型
RANSAC算法流程
1. 通过局部数据集合构建一个未知参数的数学模型
2. 将其他数据集合中的数据带入上面这个模型，观察这些点与模型的契合程度，若适用于这个模型，则将其保留起来，把它也放到局内点集之中
3. 当被放入这个局内集合中的点达到一定的比率或是数值，我们就可以认定这个模型是有效的
4. 反之，若被放入局内点集的数据较少，那就说明该模型不适合这些点，需要重新对所有的局内点进行测试评估

基于内容的图像检索系统设计与实现

基于内容的图像检索系统设计与实现

FEATURED TAGS

FRIENDS