论文部分内容阅读
图像数据量的爆炸性增长以及国防军事、工业制造、医疗卫生、新闻媒体、数字娱乐和家庭生活等各个方面都对高质量图像检索提出了更大的需求,人们面临的问题不再是缺乏多媒体信息,由于信息量的限制,依靠传统的图像检索方式已经无法快速、准确地在海量的信息世界中找到自己所需要的信息。从理论方面,只有加强力度研究图像检索技术才能完善图像检索技术理论体系。从实际应用层面来讲,仍然存在着许多具有的歧义检索例子,它们严重影响了图像检索系统的整体性能。所以无论在哪个层面,图像检索关键技术的研究都具有迫切而重要的意义。本文针对基于局部特征的图像检索系统中的关键技术进行了研究。特别是其中用于特征描述的SURF算法。主要工作及研究成果包括：1、对图像检索关键技术中的特征描述子SURF算法进行了深入研究,发现SURF算法和目前主流的特征描述子一样将彩色图片当成灰色图片对待,忽略了图片的颜色信息,不利于提高图片检索的精确度。我们提出了“将颜色信息加入到SURF算法,并称之为C-SURF”。算法的基本思想是通过快速Hessian;矩阵进行尺度空间特征提取,接着通过计算以特征点为圆心圆领域内每60°窗口中所有点的Haar小波响应叠加成的新矢量来确定中心点的主方向,最后通过计算每个子区域在水平和垂直方向的Haar(?)向应响应加权值,以及色彩信息加权值,最终得到112维特征向量作为特征描述子。2、进一步深入研究SURF算法,当图片旋转角度低于20°时,不计算主方向信息的SURF算法,即U-SURF,较SURF算法在图像匹配时有更好的效果。此时将颜色信息引入U-SURF算法,称为CU-SURF算法,经实验证明,当图片旋转角度低于20°时,CU-SURF算法比SURF算法以及U-SURF算法有更好的匹配率,但是C-SURF仍是四种算法中匹配效果最好的。在以上图像检索关键技术的研究中,基于SURF的改进算法作为一个优良的工具贯穿始终,它对图像特征点进行了精确定位、详细的描述并且为以后的相似性度量提供了良好的素材,为相关反馈奠定了坚实的基础,它既提高了图像正确匹配率,又提高了图像检索系统的检索性能。