吴俊峰[1]2016年在《基于视觉显着性的图像检索算法研究》文中指出随着互联网技术的快速发展和以智能手机为代表的智能移动设备的迅速普及,每天在这些设备上会产生大量的多媒体数据,图像数据占据了其中很大一部分,这就需要人们对这些大量的图像数据进行高效的存储以及管理。随着数据数量的不断膨胀,传统的图像数据库技术已经不能满足当前的需要,如何有效的存储以及管理海量图像数据已经成为学术界关注的热点内容之一,其中基于内容的图像检索技术(Content-based Image Retrieval,CBIR)逐渐成为人们关注的焦点,并已经成为新一代图像数据库所使用的主流技术。传统的基于内容图像检索技术大多使用图像的底层特征(如颜色、形状和纹理)来进行图像间的相似度计算,比较少的考虑到人眼的视觉注意力特点。所谓的人眼视觉注意力,是指人们在观察周围场景或者图像的时候,会自动有选择性的关注某些特定的目标对象,作为感兴趣或者重要的目标来分析处理,人眼的这种视觉注意力机制恰好和基于内容图像检索的目标相吻合,因此将人眼的视觉注意力机制融合到基于内容图像检索算法中对于提高检索的准确率具有重要的意义。本文深入总结和分析了基于内容图像检索技术的新特点,使用人眼视觉注意力机制来帮助检索算法提高对图像的分析和理解能力,并最终提高检索算法的准确率。本文研究的重点是利用图像的视觉显着性的特点和相关理论,围绕着图像底层特征的语义位置信息的提取问题、词袋模型中非目标对象的视觉单词的祛除问题以及目标对象中图像多特征的融合问题叁个主要方面展开研究,本文的主要研究工作如下:1.以人眼视觉注意力机制为基础,结合图像的视觉显着性,提出了一种基于视觉加权空间金字塔模型的图像检索算法。该算法首先对图像进行多尺度下空间金字塔划分处理,并得到每个尺度下各分块的特征向量;然后结合反映人眼视觉特性的视觉显着性值,计算出各个尺度下空间金字塔的视觉权值;最后利用视觉权值对多尺度下空间金字塔的联合特征向量进行加权处理,并根据处理后得到的特征向量进行检索。2.针对传统词袋模型中由于视觉单词以及构建的视觉词汇表缺乏空间位置信息而影响算法准确性这一问题,本文提出使用视觉显着性值和视觉单词相结合,构造一个全新的可以反映出视觉单词空间位置信息的视觉词汇表,新构建的视觉词汇表考虑了视觉单词所在的空间位置,可以重点反映出图像中目标对象上的局部特征,尽量减少背景信息对于检索的影响。大量的仿真实验表明,新建的视觉词汇表确实可以有效的提高检索算法的准确性。3.使用基于内容的方法进行图像检索的前提是全面、深入的对图像的内容进行理解和分析,大多数词袋模型都采用一种单一的局部特征作为视觉单词,很显然这很难全面的描述图像的客观信息。本文提出了一种融合Sift特征和颜色特征的多特征词袋模型检索算法。该算法首先结合人眼的视觉注意力模型,对待检索图像进行分析和理解,并提取出图像中的目标对象,将其与周围场景分离出来;然后结合提取出的目标对象,分别计算词袋模型和和图像的颜色特征;最后将词袋模型和颜色特征结合到一起计算图像间的相似性。实验结果证明,该算法是有效的。
李星[2]2007年在《基于内容的图像检索技术研究及应用》文中认为随着多媒体技术的发展,大量的多媒体信息随之产生,基于内容的图像检索技术CBIR(Content Based Image Retrieval)开始成为国内外研究的热点问题。基于内容的图像检索系统涉及许多方面关键技术,如何准确有效的表示图像内容是其中的核心问题。MPEG-7标准的建立为多媒体内容标注的标准化指明了方向。本文首先就目前常用的一些基于内容的图像检索技术,主要是基于低层颜色、纹理、形状特征的检索技术做了详细的讨论,设计实际测评方案对其中典型的检索方法进行了对比试验,横纵向分析了他们各自的性能及适用领域,。接着引入了MPEG-7标准,研究了MPEG-7标准的具体内容和应用范围,对MPEG-7标准和图像检索系统的结合的可行性做了分析。在此基础上,综合低层特征检索技术的测评结果和MPEG-7标准以及实际实现过程复杂度,选用MPEG-7推荐的可伸缩颜色描述符、颜色布局描述符和边缘直方图描述符设计基于内容的图像检索系统,并且提出综合利用这叁种特征描述符改进检索系统。设计工作的重点是图像内容描述方案的设计:将图像内容的整体特征划分成叁层结构的信息组织形式,对其中低层的颜色和纹理信息具体表征方式、提取过程、单一特征的相似度度量、组合特征的归一化相似度度量等方面都做了详细研究。设计工作还包括整体系统框架的设计和高级语义检索模块的设计等。最后介绍了整个系统的软件实现,对系统实际运行时的效果做出分析,并且对叁种描述符和综合描述符的实际检测效果进行对比,结果表明综合特征的检索系统的实际检索效果最优。
尹彦[3]2008年在《基于纹理和形状综合特征的图像检索技术研究》文中指出基于内容的视觉信息检索(主要包括基于内容的图像检索和基于内容的视频检索)是当前信息领域的重要研究热点。它是随着科学技术的进步、发展和推广应用,在视觉信息数据快速增长、信息急剧膨胀的情况下为满足人们快速提取有用的视觉信息的需求而逐步被重视起来的。基于内容的图像检索是基于内容的视觉检索的一个重要的分支。在多媒体数据库管理和多媒体通信传输中得到越来越多的重视,其中图像的纹理、颜色、形状以及空间关系等特征是进行图像检索时的主要依据。本文从图像的纹理和形状特征入手,采用基于共生矩阵的纹理描述模型及其描述符和基于边缘方向直方图的模型及其描述符分别作为纹理和形状特征的度量,研究了基于纹理和形状综合特征的图像检索技术,采用的是将两种特征进行加权综合的方法。本文介绍了设计的基于纹理和形状特征的图像检索系统。本文在分析了多媒体数据库和基于内容的视觉信息检索技术目前状况的基础上,提出并用VC++语言实现了一个介于用户和多媒体数据库之间的图像检索系统。该系统只需要用户提供范例图或采样图,系统会自动提取图像的纹理和形状特征,并借助这些特征与库中信息进行匹配,提取出需要的信息数据,用户对此验证后可直接使用或借以改进查询条件并开始新一轮检索。使用基于纹理和形状特征的加权综合检索方法,可以依据检索对象的特性调节两种特征的权值,很好的提高检索精度。本文的第一章介绍了本系统的开发背景,包括基于内容的视觉信息检索技术目前状况和开发系统的软硬件环境,第二章介绍了本检索系统的整体结构和模块划分,第叁章着重从数学理论上分析并提出了本系统所使用的检索算法,第四章着重从软件设计的角度出发介绍了系统中五大模块的实现方法,在文章最后的附录中列出了本文中所涉及的所有函数的源代码。
徐卓君[4]2008年在《基于内容的图像检索及相关反馈技术研究》文中认为随着信息时代的到来,在数据库系统和计算机视觉两大研究领域的推动下,图像信息的应用日益广泛,基于内容的图像检索技术己经成为当前一个研究热点。人们对图像数据的查询需要日益增长,对规模越来越大的图像数据库进行有效的管理就成为迫切需要解决的问题。灵活、高效、准确的图像检索策略是解决这一问题的关键技术之一。传统的基于标注的图像检索主观性太强、工作量太大。为克服这些问题,九十年代初期,基于内容的图像检索技术CBIR(Content Based Image Retrieval)被提出。基于内容的图像检索技术克服了这些弊端,充分利用图像自身的特点,由计算机自动分析提取图像的内容特征(颜色、纹理、形状及空间关系等)来进行图像的有效检索。本文全面分析了图像检索中基于颜色和纹理特征的检索技术,改进了采用K-means算法提取图像主颜色的方法,较好地提取了图像的主颜色直方图,既降低了特征维数,又较好地保持了颜色表示精度。并针对图像纹理粗糙度的提取方案进行适当改进,使得图像检索的过程更加高效,结果更加符合人眼视觉感受。文中又对基于修改特征权重的相关反馈算法进行了重点分析,在此基础上,提出了一种新的基于修改特征权重的相关反馈算法。本算法利用未标注图像与反例图像增大了训练样本数,在一定程度上解决了训练样本少的问题,提高了反馈的效率。本文最后实现了一种图像检索系统,用以根据用户需要进行相关图像检索,实现本文提出的各种图像检索方法,同时加入相关反馈功能,以提高检索精度。
赵建成[5]2007年在《基于内容的图像检索技术的研究与应用》文中认为随着信息数字化技术、多媒体技术的广泛应用和计算机网络的飞速发展，各行各业的大量信息都在以多媒体信息的方式被数字化。图像是最为广泛和基本的多媒体信息，已成为大众化数字信息的一种形式，图像数据的应用领域已涉及到科学技术和日常生活的各个方面。在如此广泛的应用背景下，产生了大量的各式各样的图像数据库。这就要求我们要能对图像数据进行科学管理，于是人们开始对图像检索领域进行研究。图像检索已成为当今计算机领域的研究热点。基于内容的图像检索技术CBIR为图像信息的检索从可视角度开辟了一条更为准确直观的途径。目前，基于内容的图像检索使用诸如颜色、纹理、形状、空间关系等图像的视觉内容来表示和索引图像。基于内容的图像检索是个非常活跃的研究课题，这方面的专题几乎同时出现在许多国际知名期刊上。但是总的来说，目前基于内容的图像检索技术的研究还不很完善，难以达到实用的标准。因此，加强这方面的研究，建立高效准确的图像检索系统不仅具有重要的理论意义，而且具有实际应用价值。基于内容的图像检索工作有叁个关键：一是选取恰当的图像特征，二是要采取有效的特征抽取方法，叁是要有准确的特征匹配算法。本文的工作正是选择合适的特征，并对特征提取算法加以改进，然后采用合理的特征匹配算法，对图像进行检索，建立高效准确的图像检索系统。本文介绍目前基于内容的图像检索技术的发展概况，分析基于内容的检索系统的特点以及在内容检索中的重要的地位及存在的问题；研究CBIR系统的系统结构、特点及各种关键技术。针对图像特征提取等方面技术进行深入的探讨和研究；利用颜色、纹理和形状特征进行基于内容的图像检索，对部分算法提出了改进，分析了查询结果，得出了有用的结论；给出了图像检索的实验系统，建立了图像数据库，用户预先把图像存入库中，查询时从库中读出图像并显示。为了提高检索速度建立了特征库并与图像库相关联，这样在进行相似比较时系统只要计算示例图像的特征值，库中图像的特征值直接从特征库中读取，从而大大节约了计算时间。
王令军[6]2008年在《基于图切分的目标区域自动提取及其在图像检索中的应用》文中指出在基于内容的图像检索中有一种称为基于目标区域的图像检索方法,这种方法的主要思想是用目标区域的特征代替全局图像的特征进行检索。因此,其检索效率的高低主要取决于目标区域提取的精确度。目标区域的提取属于图像分割问题,在本文中采用了一种称为图切分(Graph Cut)的分割方法进行目标区域的提取。图切分方法是一种基于图论的分割方法,也是近年来国际图像分割领域的一个研究热点。其主要过程是通过用户的参与,分别标记出自己认为的目标和背景区域,然后根据标记点及其邻接点的特征,提取出用户认为的目标,这是一种交互式的分割方法。但是在图像检索系统中很难实现这种用户的参与,必须研究一种自动的目标区域提取方法。从整个交互式分割的过程来看,只要将用户的手动标记变为自动标记,那么实现目标区域的自动提取就会变成现实。要完成目标和背景区域的种子点的自动标记,则需要对大量的图像进行标记训练,最终得到目标和背景区域种子点的相关记录。在本文的训练过程中,记录了标记点的位置在整幅图像中所占的比例,每次训练的记录都与原记录取平均值来产生新的记录,这样不断训练,最后得到了一组关于目标标记点和背景标记点的比例记录。在应用时,读取记录即可完成目标和背景的自动标记,接下来按照图切分中的分割方法,完成图像目标区域的自动提取。得到自动提取的目标区域后,将其应用于基于目标区域的图像检索。把自动提取出的目标区域看作子图像,提取出子图像的颜色特征,对目标子图像和检索子图像的颜色直方图求交,然后按照颜色直方图的相似性度量准则进行图像的匹配,最终完成基于目标区域的图像检索。
吴锐航[7]2007年在《基于SIFT特征的图像检索技术研究》文中提出基于内容的图像信息检索是多媒体信息检索领域中重要的组成部分,对图像的内容进行准确快速的描述一直都是图像检索技术中研究的重点和难点。传统的图像特征提取方法,基本上是围绕图像的颜色、纹理、形状和空间关系来展开的。本文提出一种基于SIFT特征的新的图像信息检索算法。SIFT特征向量是一种图像局部特征向量。它对于图像的尺度缩放、旋转、平移以及一定程度的仿射和光照变化具有良好的不变性。本文的主要内容如下:1.系统分析和总结SIFT特征向量的特点,尝试将它应用到基于内容的图像信息检索中,并且改进传统的图像相似度度量方法。实验证实,改进后的图像距离度量更适合基于SIFT特征的图像检索。2.采用主成分分析的方法对128维的SIFT特征向量进行降维。这种主成分分析主要是通过K-L变换来实现的。它消除了各分量之间的相关性,大大降低了算法的计算量。3.借鉴国际上公认的高维索引技术——基于向量近似的索引技术对降维后的特征向量进行量化近似,加速相似向量搜索过程中的数据过滤速度。4.通过实验进一步证实将SIFT特征提取方法应用在基于内容的图像检索中的可行性,并简单分析了它的应用前景。
王水璋[8]2008年在《基于纹理的图像检索技术研究》文中研究指明随着计算机技术和网络技术的发展,以及多媒体的推广应用,产生了大量的各式各样的图像。如何有效地对这些图像进行分析、存储和检索是一个急待解决的问题。基于内容的图像检索技术能有效地解决这一问题,成为研究的重点。图像检索的研究目的就是实现自动化、智能化的图像查询和管理方式,使查询者可以实现方便、快速、准确地查找。纹理是图像的一个主要视觉特征,也是基于内容图像检索系统中的一个重要手段。本文对基于纹理特征的图像检索技术进行了研究,并通过实验验证了检索算法的有效性。图像的特征提取是图像检索的关键技术之一。小波变换具有多分辨率与多方向特性,其形成的特征矢量能够在一定程度上对图像进行精确描述,并充分反映纹理图像的细节信息,而目不需要对图像进行全分解,因此计算量明显减少,且检索效果也得到了提高,可以用于大规模的图像数据库检索。所以本文将小波变换用于图像的纹理特征提取,并与基于灰度共生矩阵、梯度-灰度共生矩阵的纹理特征提取进行了检索比较。设计并实现了一个基于纹理特征的图像检索系统。给出了系统的流程图,并介绍了系统的查询模块、特征提取模块、匹配模块和图像显示模块及其各个模块的功能。系统采用欧氏距离法作为图像的相似性度量,分别采用叁种方法提取图像的纹理特征。最后通过实验对给定的图像进行检索,检索结果找出10幅相似图像并按照相似度从大到小排列。实验结果表明,基于小波变换的纹理特征提取计算简单、有效、且检索效果较好。
曾奇森[9]2007年在《基于内容的图像检索相关技术研究》文中研究指明随着数据库技术、多媒体技术以及计算机视觉技术的快速发展，图像作为一种重要的多媒体信息的载体，已经广泛地应用于众多领域。为了方便用户能够快速地、准确地从海量的图像资源中找到自己所需要的图像，基于内容的图像检索(CBIR)技术正逐渐成为目前研究的热点。本文在理解和掌握基于内容的图像检索技术相关领域知识的基础上，主要对图像特征的提取方法进行了深入地研究，并完成了以下工作：1、由于基于HSV空间的颜色直方图法不能有效地表达图像颜色分布的空间信息，所以本文在颜色直方图法的基础上，对图像颜色特征提取算法做了一些改进。在改进的分块主色法中，本文采用了一种矩形重迭式分块策略对图像进行分块来反映图像颜色分布的空间信息，同时也有效地弥补了传统分块策略没有考虑分块间联系的缺陷；在颜色聚合矢量法中，采用了更加符合人的视觉感受的HSV颜色空间模型来描述图像的颜色聚合矢量。最后通过实验验证了上述颜色提取算法的有效性，并对它们的性能进行了比较分析。2、在基于改进的分块主色法的图像检索系统中引入了一种相关反馈机制，其主要思想是通过用户对检索结果的反馈信息获得一个反馈图像集，然后通过计算反馈图像集对应分块距离的加权方差来动态调整权值数组中的权重系数，最后利用新的权值数组进行图像检索。通过实验表明该相关反馈策略能够提高系统的查准率，能够更加有效地检索出用户所需的图像。3、为了融合多种特征进行图像检索，提高系统的检索性能，本文主要对综合颜色特征和纹理特征的图像检索方法进行了研究，并实现了综合改进的分块主色法和灰度共生矩阵算法的图像检索方法，最后通过实验表明采用该图像检索方法能够有效地提高系统的查准率。4、本文把基于内容的图像检索技术应用到CGProject项目的资源搜索模块中，设计并实现了一个图像检索系统CGProImageSearch系统，该系统在图像检索性能上做了一些优化，实验表明该系统在CGProject项目中具有良好的实用性。
陈蔚[10]2008年在《基于内容的图像检索技术在数字化学习资源中的应用研究》文中研究指明信息化是当今社会发展的趋势,以多媒体和网络技术为核心的信息技术已经成为拓展人类能力的创造性工具。信息技术的飞速发展及其在教育领域的广泛应用,促使教育进行全方位的变革,在这种发展的大背景下,数字化学习的概念受到人们的广泛关注.数字化学习是信息技术所提供的丰富资源与全新沟通机制的学习环境下的一种全新的学习方式,数字化学习资源的开发和应用是影响数字化学习效果的关键因素.数字化学习资源是指经过数字化处理的文本、图像、视频等多媒体信息资源,用户通过信息技术手段来使用这些资源。数字化学习资源不仅具有多媒体、超文本、友好的交互、虚拟仿真、远程共享等特性,而且知识间的联系是网状的,可以有多种组合方式与检索方式。数字化学习资源已得到使用者的普遍欢迎和广泛利用,但是资源的管理和应用尚有许多不尽人意之处,随着资源以几何级数地快速增长,问题也随之越来越突出。传统的数字化学习资源中的图像管理和检索主要是采用基于文本的图像检索技术,虽然其在技术上已经比较成熟,但存在图像的标注需要人工来完成以及人为描述不准确等问题,这些问题影响着资源的管理和应用的效率。因此本文在分析了数字化学习资源管理现状的基础上,提出采用基于内容的图像检索技术来解决上述问题。由于视频本身也是由一系列图像构成的,所以本文对视频索引也进行了相应的研究,以此来丰富数字化学习资源管理.本文的创新之处在于对图像进行人脸检测的基础上,提出利用图像人脸信息和图像纹理、高斯密度特征相结合的多特征图像检索算法;并提出利用镜头边界检测对视频进行分段,再提取视频段的关键帧建立索引数据,同时结合多特征图像检索的视频索引检索算法;以及在算法研究的基础上,提出了将基于内容的图像检索和视频索引运用到数字化学习资源的管理中,解决传统检索技术在资源管理和应用中存在的问题。在算法的验证实验中,建立了由JPEG格式图像组成的实验图像库和MPEG格式视频组成的实验视频库,本文提出的算法与现行的其它算法进行了对比实验,从实验结果可以看出本文的算法在查全率、查准率等验证参数上都取得了较好的效果。最后,在完成实验的基础上,总结了算法的不足,阐述了在数字化学习资源中的应用以及对今后工作的展望。
参考文献：
[1]. 基于视觉显着性的图像检索算法研究[D]. 吴俊峰. 大连海事大学. 2016
[2]. 基于内容的图像检索技术研究及应用[D]. 李星. 北京交通大学. 2007
[3]. 基于纹理和形状综合特征的图像检索技术研究[D]. 尹彦. 东华大学. 2008
[4]. 基于内容的图像检索及相关反馈技术研究[D]. 徐卓君. 吉林大学. 2008
[5]. 基于内容的图像检索技术的研究与应用[D]. 赵建成. 华东师范大学. 2007
[6]. 基于图切分的目标区域自动提取及其在图像检索中的应用[D]. 王令军. 南京理工大学. 2008
[7]. 基于SIFT特征的图像检索技术研究[D]. 吴锐航. 厦门大学. 2007
[8]. 基于纹理的图像检索技术研究[D]. 王水璋. 太原理工大学. 2008
[9]. 基于内容的图像检索相关技术研究[D]. 曾奇森. 南京理工大学. 2007
[10]. 基于内容的图像检索技术在数字化学习资源中的应用研究[D]. 陈蔚. 西南大学. 2008
标签：计算机软件及计算机应用论文; 图像检索论文; 特征提取论文; 颜色模型论文; 图像融合论文; 用户研究论文; 颜色空间论文; 空间分析论文; 空间数据论文; 图像数字化论文; 系统学习论文; 数据检索论文; 用户分析论文;