论文部分内容阅读
在信息技术日新月异的今天,无论单张图像大小还是图像总体数量上都是在呈现几何倍数的增长,这将给图像的管理和检索带来了巨大的挑战。如何从海量图像中检索出需要图像是当前诸多科研领域中的难题,而基于内容的图像检索方法就是解决此类问题的重要手段。本文以基于内容的图像检索与匹配为研究方向,利用经典SIFT特征提取算子对图像进行分割与匹配,并在此基础分析图像噪声对SIFT算子的影响。本文的主要工作有:在图像分割过程中,针对交互式Graph Cuts图像分割算法算法需要人工手动选择前景目标和背景场景条件的不足,提出一种基于SIFT算法的改进Graph Cuts(GC)图像分割算法,应用于自动寻找图像分割的种子点。仿真结果表明,改进的GC算法有较好的分割效果。在图像匹配过程中,针对传统SIFT算法对颜色特征提取先天性的不足,提出一种基于颜色直方图的SIFT特征提取算法。首先根据传统SIFT特征提取算法计算特征点的位置、尺度和方向;其次以特征点为中心,以16?16领域大小为窗口,增加计算颜色直方图,利用颜色直方图进行初次匹配,以缩小图像的搜索范围;最后根据传统SIFT特征点的算子进行第二次匹配,并将匹配出的图像以相似度由高到低进行排列。实验结果显示,改进的SIFT算法具有较高的查准率和查全率。在分析图像噪声对SIFT算法的影响过程中,针对脉冲噪声对图像匹配的干扰提出一种改进型滤波的算法,用以降低脉冲噪声对SIFT特征提取的影响。首先求出图像直方图,检测图像直方图的左右两个峰值点,检测出可疑的噪声点,进而通过灰度值确定其坐标;其次利用图像局部相似性这一原理,在局部窗口选择递归加权平均值来取代被污染的像素点的灰度值。实验结果表明,改进型开关中值滤波的算法对脉冲噪声降噪效果较好,利于SIFT的特征提取。综上所述,本文主要完成图像分割、匹配以及图像降噪三方面工作。结果实验显示,改进型的算法能够提高图像检索系统的查准率和查全率,实现了提高图像分割、匹配精确度的目标。