论文部分内容阅读
基于内容的图像检索是当前多媒体技术和人工智能的热点课题之一，它直接对图像内容（如图像的颜色、形状、纹理、背景等）进行分析，并对图像特征进行合理的描述，使得检索过程更加有效，更能适应人的视觉特征。形状是图像最显著的视觉特征之一，基于形状的图像检索是基于内容的图像检索的一个十分重要的方面，通过提取物体的形状特征，利用形状特征间的相似度实现图像的检索。本文的主要研究内容和贡献如下：
（1）对基于形状的图像检索的关键技术──形状特征的提取和特征空间中的相似性度量进行了深入的研究，详述了目前已有的几种算法，并从应用的角度分析了它们各自的优缺点。
（2）提出了一种基于结构矩的图像特征提取方法。这种方法是将原有密度函数变换到新的密度函数而得到的，具有良好的平移、旋转和尺度缩放不变性，能够描述复杂结构图像的形状，是对不变矩方法的一种发展。
（3）提出了一种基于三角函数的相似性度量方法。这种方法能够将数轴上任意两点之间的距离归一化，大大降低了特征子之间的量纲差异对整个特征距离的影响，提高了图像检索的准确性。