论文部分内容阅读
随着多媒体信息处理技术的发展,图像数据呈快速增长趋势,为了有效管理和组织图像,基于内容的图像检索(CBIR)方法逐渐被人们所重视并成为快速检索图像数据库的核心研究领域。图像的内容主要包括颜色、纹理和形状等底层特征,如何有效地寻找低维、高效的特征和组合特征来表示图像内容,成为基于内容的图像检索技术的研究热点之一。本文围绕CBIR中的关键技术,对图像底层特征的检索算法和相关反馈技术进行了综合研究,主要研究成果包含以下几个方面:
(1)基于Contourlet变换与颜色特征的图像检索针对单一特征对图像语义信息表示能力的不足,提出了一种基于Contourlet变换的纹理特征和颜色特征的图像检索方法。该方法采用Contourlet变换和灰度平滑共生矩阵提取出图像子带的统计量作为纹理特征,图像的颜色特征则采用HSV颜色空间直方图,最后使用纹理和颜色的组合特征来检索图像库中的图像。由于Contourlet变换具有良好的多分辨率、局部化和方向性等优良特性,灰度平滑共生矩阵可以有效提取图像低频子带的主要信息,HSV颜色直方图具有计算简单,对平移和旋转不敏感的特点。所以该方法不但可以有效捕获图像的方向性,而且能够较好的检索彩色图像。通过对组合特征的检索效率进行分析,验证了该方法的有效性。
(2)基于权重修改与SVM的图像相关反馈检索针对特征权重调整算法容易造成局部收敛和SVM分类器不能获得足够的训练样本问题,提出了一种自适应权重修改与支持向量机相结合的相关反馈检索算法。检索过程分为两个阶段:在检索初期,通过用户指定图像相关性调整图像特征间和特征内权重系数算法,并利用负样本快速删除策略,得到更多的正训练样本,提高检索初期的准确率,为后期训练准确的分类器；进入检索后期,利用用户反馈获得的足够多的正、负样本以及系统通过半监督在得到的部分负样本训练对小样本训练集有良好支持能力的SVM分类器,得到准确的检索模型,并进一步通过主动学习方法优化检索模型,提高了检索准确率。实验证明系统可以使用户通过较少的反馈次数得到满意的检索结果。
(3)实现了基于内容的图像相关反馈检索技术研究系统实现了基于内容的图像相关反馈检索技术研究的设计和实现。系统中加入了本文提出的纹理特征与颜色特征的图像检索,同时实现了特征权重方法和支持向量机方法,实验结果证明了本文方法的有效性。