论文部分内容阅读
随着互联网上图片数量的高速增长，由于传统的基于文本的图像检索需要人工标注图像，而且文本标注有时不能准确的描述图像内容，所以基于文本的图像检索越来越不能满足人们的需要。基于内容的图像检索可以在一定程度上解决基于文本的图像检索的缺点，所以对基于内容的图像检索的研究越来越多。 在现有的条件下，因为基于内容的图像检索技术并不成熟，所以通用的基于内容的图像检索在现有的条件下难以达到期望的效果。由于网上购物是图像检索的一个常用领域，本文将图像检索的领域限定为衣服图像检索领域，研究如何提高基于内容的衣服图像检索领域的检索效果。 本文研究了基于内容的衣服图像检索的一些关键技术，并搭建了实验平台，验证了检索的结果和效率。 首先是服装区域的提取问题，每张服装图像的背景都是我们不需要的噪声。本文针对服装图像的特点设计了新的GrabCut算法可以在无用户交互的情况下对服装区域提取。其次是全面研究了服装图像的视觉特征提取，重点研究了颜色特征和纹理特征:(1)探讨了RGB颜色空间和HSV颜色空间以及他们之间的转换;(2)在HSV空间内提取颜色直方图;(3)介绍了DirectionFeat纹理特征和LBP(Local Binary Patterns)纹理特征。最后讨论了用kd树来进行高维特征的索引的问题。 另外，论文设计并实现了基于内容的衣服图像检索系统，包括前景提取模块、特征提取模块和索引匹配模块等，通过实验测试了上述方法的性能和效率。