基于区域模糊特征的图像检索研究

论文摘要

基于区域的图像检索技术是基于内容的图像检索的一个重要研究方向,从对象层次上来理解和表示图像,在一定程度上实现了基于对象层次的检索,减小了图像底层特征和高层语义之间的鸿沟,有效地改进了检索性能。模糊集理论能使图像检索脱离精确的计算,结合模糊集理论已成为图像检索的一种趋势。这篇论文引入了模糊集理论来研究基于区域的图像检索。对图像分割,区域模糊特征提取,相似度计算,索引树的建立以及相关反馈等内容进行了研究。在基于区域的图像分割方面,运用K-均值聚类算法把图像分割成区域。实验结果表明该方法具有较好的图像分割效果。在区域特征模糊化方面,运用模糊集理论,对区域的颜色、纹理、形状应用Cauchy隶属度函数获取区域的模糊特征。该方法增强了图像分割的鲁棒性及图像检索的效果。在图像相似度计算方面,引入了区域综合匹配方法。并提出一种距离转化为相似度的方法。实验结果表明该方法是一种性能较好的度量方法,提高了检索的精度。在索引树建立方面,提出一种改进的聚类方法建立索引树,其方法的主体是K-均值聚类,加上初始聚类确定聚类数目和初始聚类中心,并配以搜索算法,使检索速度更加快速。在相关反馈方面,提出一种基于SVM的相关反馈的图像查询方法,利用人机交互,让系统能够根据用户选择,猜测用户的兴趣,并能自动地调整相似性度量准则来提高检索的准确率。用SVM理论对特征向量集合分类,每次查询修剪索引树得到候选树以便建立相关反馈机制,使得检索结果更贴近于用户思路。在上述研究的基础上,设计并实现了一个基于区域模糊特征的图像检索系统（Region-Based Image Retrieval with Fuzzy Features System, RBIRFFS）。系统利用SQL Server建立特征数据库,存放图像的特征。实验证明系统具有一定的实用价值。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.1.1 图像检索的发展过程
• 1.1.2 研究的着眼点及意义
• 1.2 国内外研究现状
• 1.2.1 基于内容的图像检索国内外研究现状
• 1.2.2 基于区域的图像检索国内外研究现状
• 1.3 研究内容
• 1.4 文章的组织结构
• 第二章 图像检索相关技术简介
• 2.1 图像特征提取技术
• 2.1.1 颜色特征
• 2.1.2 纹理特征
• 2.1.3 形状特征
• 2.2 图像分割技术
• 2.3 相似性度量
• 2.3.1 区域相似性度量
• 2.3.2 相似性匹配
• 2.4 索引技术
• 2.5 查询方式及相关反馈机制
• 2.6 模糊集理论
• 2.7 小结
• 第三章 图像区域分割及区域模糊特征提取
• 3.1 基于K-均值聚类的图像区域分割方法概述
• 3.2 图像像素块特征提取
• 3.2.1 颜色空间选择
• 3.2.2 颜色特征提取
• 3.2.3 纹理特征提取
• 3.3 图像分割
• 3.3.1 k的确定
• 3.3.2 聚类算法
• 3.4 区域模糊特征提取
• 3.4.1 区域特征描述
• 3.4.2 区域特征模糊化
• 3.5 实验结果
• 3.6 小结
• 第四章 相似性计算及图像区域索引的建立
• 4.1 相似性计算
• 4.2 索引树的建立
• 4.2.1 改进的聚类算法
• 4.2.2 索引的建立
• 4.3 搜索算法及相似排序
• 4.3.1 搜索算法
• 4.3.2 相似排序
• 4.4 实验比较及分析
• 4.4.1 实验结果
• 4.4.2 比较实验
• 4.4.3 实验分析
• 4.5 小结
• 第五章 相关反馈机制的建立
• 5.1 相关反馈概述
• 5.2 SVM概述
• 5.3 基于SVM的相关反馈
• 5.3.1 反馈方法
• 5.3.2 修剪索引树
• 5.4 实验
• 5.4.1 SVM的参数选择
• 5.4.2 反馈实验结果
• 5.5 小结
• 第六章 基于区域模糊特征的图像检索系统的设计与实现
• 6.1 系统的设计
• 6.1.1 系统的整体框架
• 6.1.2 图像数据库管理
• 6.2 系统的实现
• 6.3 图像检索系统性能评价
• 6.4 小结
• 第七章 结论及将来进一步的研究工作
• 7.1 结论
• 7.2 进一步的研究工作
• 参考文献
• 攻读学位期间参加项目及发表论文目录
• 致谢