利用小波的综合纹理和形状特征图像检索及系统实现

论文摘要

基于内容的图像检索（Content-Based Image Retrieval, CBIR）作为一门新兴技术,已经得到了广阔的应用和发展。CBIR直接利用图像的低层视觉特征描述图像的内容,并将这些特征表示成特征向量的形式进行匹配以完成检索。显然,准确、有效的提取和表达图像的低层视觉特征显得尤为重要。本文在图像处理、计算机视觉与数据库等技术的基础上,针对如何准确、有效的提取和表达图像的纹理、形状特征进行了研究,并利用小波变换的多分辨率特征,实现了对纹理和形状特征提取算法的改进。在纹理特征提取方面,针对普通小波变换不具备旋转、平移和尺度不变性的缺点,本文提出先利用一阶角向矩加权方向进行坐标轴旋转校正,再利用平移和尺度不变小波进行分解,实现不变性小波分解,并在此基础上利用不变性小波系数的均值和标准差来描述纹理特征。在形状特征提取方面,先利用小波变换的模极大值对图像进行多尺度边缘提取,再利用Hu不变边界矩和5个推广的不变矩所组成的12个不变矩组对形状特征进行描述。单一特征只能反映图像某一方面的特性,而采用综合特征的图像检索能将这些特征有效结合起来,发挥各自优势,实现优势互补。因此,本文在实现纹理和形状特征提取与检索基础上,综合了二者信息,实现了利用小波的综合纹理和形状特征的图像检索。最后,在对典型图像检索系统分析的基础上,实现了一个基于内容的图像检索系统,并利用该系统,对本文改进的纹理、形状检索算法及综合检索算法进行了验证,实验结果表明：本文改进的纹理和形状检索算法具有更高的查准率和更强的鲁棒性,综合纹理和形状的多特征检索算法较单一特征检索算法具有更加优良的检索效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题背景与意义
• 1.2 图像检索技术发展历程
• 1.3 CBIR系统通用模块及检索过程
• 1.4 国内外相关研究现状
• 1.4.1 国外研究现状
• 1.4.2 国内研究现状
• 1.5 本文的主要研究内容与章节安排
• 1.5.1 本文研究内容
• 1.5.2 本文章节安排
• 第二章 基于内容的图像检索的关键技术
• 2.1 特征提取技术
• 2.1.1 颜色特征提取技术
• 2.1.2 纹理特征提取技术
• 2.1.3 形状特征提取技术
• 2.1.4 空间关系特征提取技术
• 2.2 相似匹配技术
• 2.3 相关反馈技术
• 2.4 检索算法评价准则
• 2.5 本章小结
• 第三章 小波分析基本理论
• 3.1 小波分析简介
• 3.2 连续小波变换与离散小波变换
• 3.3 多分辨率分析
• 3.4 二维小波
• 3.5 本章小结
• 第四章 利用小波的纹理特征提取检索
• 4.1 常用纹理特征提取方法
• 4.1.1 统计法
• 4.1.2 结构法
• 4.1.3 模型法
• 4.1.4 频谱法
• 4.2 本文改进的纹理特征提取算法
• 4.2.1 旋转不变性小波变换
• 4.2.2 平移和尺度不变性小波变换
• 4.2.3 不变性小波变换
• 4.2.4 纹理特征表示
• 4.3 特征匹配
• 4.4 纹理特征的实验结果与分析
• 4.5 本章小结
• 第五章 利用小波的形状特征提取及综合特征检索
• 5.1 常用的形状描述符
• 5.1.1 Zernike矩
• 5.1.2 Hu不变矩
• 5.1.3 小波描述符
• 5.2 本文改进的形状特征提取算法
• 5.2.1 小波模与模极大值
• 5.2.2 Hu边界不变矩及推广的不变矩
• 5.2.3 形状特征表示
• 5.3 综合纹理和形状特征提取算法
• 5.3.1 综合特征检索算法的应用
• 5.3.2 特征归一化
• 5.4 实验结果与分析
• 5.4.1 形状特征的实验结果与分析
• 5.4.2 综合特征的实验结果与分析
• 5.5 本章小结
• 第六章 图像检索系统设计
• 6.1 系统开发环境与工具
• 6.2 系统总体框架及功能块描述
• 6.2.1 系统总体框架
• 6.2.2 主要功能块
• 6.3 本章小结
• 总结和展望
• 参考文献
• 攻读硕士学位期间取得的学术成果
• 致谢