發(fā)布時間：2019-06-18 08:28

【摘要】：隨著互聯(lián)網(wǎng)與多媒體信息技術(shù)的快速發(fā)展,基于內(nèi)容的圖像檢索已經(jīng)成為了信息領(lǐng)域的熱點研究課題,并廣泛應(yīng)用于公安系統(tǒng)、醫(yī)療系統(tǒng)、知識產(chǎn)權(quán)維護系統(tǒng)等。本文關(guān)注圖像檢索在紡織行業(yè)的應(yīng)用,探究適用于面料圖像的檢索方法,以滿足用戶越來越多的時尚需求。本文對面料圖像的特性進行了深入分析,從特征提取、索引構(gòu)建兩個方面對檢索算法進行了研究,提出基于金字塔多尺度LBP和自學(xué)習(xí)哈希的面料圖像檢索算法。本文的主要工作和創(chuàng)新點如下：1.提出了金字塔多尺度LBP特征提取算法。本文介紹了典型的LBP算子,并深入分析了幾種現(xiàn)有多尺度LBP算子的不足,在結(jié)合面料圖像特性的基礎(chǔ)上,提出一種金字塔多尺度LBP特征提取算法。該算法首先對面料圖像進行金字塔分解,然后對每層金字塔圖像提取等采樣點的多半徑LBP算子。與其它現(xiàn)有的多尺度LBP算法相比,本文提出的金字塔多尺度LBP算法的特征提取范圍更廣,特征表達能力更強,能夠有效地描述面料圖像的紋理信息。2.將自學(xué)習(xí)哈希算法應(yīng)用于面料圖像檢索。對幾種哈希技術(shù)進行了分析,針對現(xiàn)有方法的不足,提出將用于文本信息檢索的自學(xué)習(xí)哈希算法應(yīng)用到圖像檢索中,并針對圖像與文本數(shù)據(jù)之間的差異性,對自學(xué)習(xí)哈希過程進行了改進。利用改進后的自學(xué)習(xí)哈希算法對面料圖像建立索引,大大節(jié)約了數(shù)據(jù)存儲空間,減少了計算量。3.在前兩種算法的基礎(chǔ)上,提出基于金字塔多尺度LBP和自學(xué)習(xí)哈希的面料圖像檢索算法。該算法采用金字塔多尺度LBP算子提取面料圖像的特征,結(jié)合了圖像的局部信息與全局信息,有效地描述了面料圖像的紋理結(jié)構(gòu)。在索引構(gòu)建階段采用改進的自學(xué)習(xí)哈希算法,有效的保留了原始空間圖像數(shù)據(jù)的相似結(jié)構(gòu)。實驗證明,本文提出算法的檢索性能普遍優(yōu)于其它相關(guān)的算法。
[Abstract]:With the rapid development of Internet and multimedia information technology, content-based image retrieval has become a hot research topic in the field of information, and is widely used in public security system, medical system, intellectual property maintenance system and so on. This paper focuses on the application of image retrieval in textile industry, and explores the retrieval methods suitable for fabric image in order to meet the more and more fashion needs of users. In this paper, the characteristics of fabric image are deeply analyzed, the retrieval algorithm is studied from two aspects of feature extraction and index construction, and a fabric image retrieval algorithm based on pyramid multi-scale LBP and self-learning hash is proposed. The main work and innovations of this paper are as follows: 1. A pyramid multi-scale LBP feature extraction algorithm is proposed. In this paper, the typical LBP operators are introduced, and the shortcomings of several existing multi-scale LBP operators are deeply analyzed. Based on the characteristics of fabric images, a pyramid multi-scale LBP feature extraction algorithm is proposed. Firstly, the fabric image is decomposed into pyramids, and then the multi-radius LBP operator of sampling points is extracted from each layer of pyramid image. Compared with other existing multi-scale LBP algorithms, the pyramid multi-scale LBP algorithm proposed in this paper has a wider range of feature extraction and stronger feature expression ability, and can effectively describe the texture information of fabric images. 2. The self-learning hash algorithm is applied to fabric image retrieval. In this paper, several hash techniques are analyzed. In view of the shortcomings of the existing methods, the self-learning hash algorithm used in text information retrieval is applied to image retrieval, and the self-learning hash process is improved according to the difference between image and text data. The improved self-learning hash algorithm is used to index the fabric image, which greatly saves the data storage space and reduces the amount of computation. On the basis of the first two algorithms, a fabric image retrieval algorithm based on pyramid multi-scale LBP and self-learning hash is proposed. The algorithm uses pyramid multi-scale LBP operator to extract the features of fabric image, combines the local information and global information of the image, and effectively describes the texture structure of fabric image. In the index construction stage, the improved self-learning hash algorithm is used to effectively retain the similar structure of the original spatial image data. The experimental results show that the retrieval performance of the proposed algorithm is generally better than that of other related algorithms.
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 丁曉蓮;周激流;李曉華;吳朋;;人臉識別率與圖像分辨率關(guān)系的比較分析[J];計算機工程;2009年11期

2 賈麗娟;;關(guān)于圖像分辨率的教學(xué)思考[J];印刷世界;2011年05期

3 張秀屏，劉錫國，，叢玉良;提高彩電圖像分辨率的研討[J];光學(xué)精密工程;1994年02期

4 周中華;如何使拷屏圖像更清楚[J];桌面出版與設(shè)計;1999年04期

5 林阿嵐;;如何取得完美圖像[J];電子測試;2001年08期

6 宋其華;郭根生;;解析計算機圖像分辨率[J];中國電化教育;2003年11期

7 馮金菊;;淺談分辨率[J];才智;2008年22期

8 江靜;蔡鶴;;小議分辨率與輸出圖像的關(guān)系[J];科教文匯(上旬刊);2008年03期

9 李春雨;李衛(wèi)平;;篡改圖像的識別技術(shù)研究與仿真[J];計算機仿真;2011年11期

10 ;教你詳細了解各種分辨率[J];計算機與網(wǎng)絡(luò);2011年24期

相關(guān)會議論文 前10條

1 王江寧;紀力強;;昆蟲圖像特征研究[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

2 楊德強;蘇光大;徐天偉;;一種基于幻想臉的人臉圖像分辨率提升新技術(shù)[A];第二十七屆中國控制會議論文集[C];2008年

3 張莉;李佩臻;;用Photoshop對1：1萬DRG入庫數(shù)據(jù)的處理[A];全國測繪科技信息網(wǎng)中南分網(wǎng)第二十一次學(xué)術(shù)信息交流會論文集[C];2007年

4 任曉暉;龔勇清;;體全息存儲再現(xiàn)圖像分辨率實驗研究[A];第十一屆全國光學(xué)測試學(xué)術(shù)討論會論文（摘要集）[C];2006年

5 廖熠;趙榮椿;;一種基于小波分層模型的自然景物圖像表面恢復(fù)算法[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

6 劉達;李樞平;;對DCI數(shù)字影院技術(shù)規(guī)范中圖像分級技術(shù)的理解[A];中國電影電視技術(shù)學(xué)會影視技術(shù)文集[C];2007年

7 湯敏;王惠南;;基于IDL語言的醫(yī)學(xué)圖像可視化初步研究[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2005年

8 趙源萌;鄧朝;張馨;張存林;;被動式人體太赫茲安檢成像的分辨率增強算法研究[A];中國光學(xué)學(xué)會2011年學(xué)術(shù)大會摘要集[C];2011年

9 張尚軍;徐光;祁小江;;影響CR膠片質(zhì)量原因的探討[A];2009中華醫(yī)學(xué)會影像技術(shù)分會第十七次全國學(xué)術(shù)大會論文集[C];2009年

10 何東曉;隋守鑫;劉微;;高清透霧攝像機的研發(fā)及在交通領(lǐng)域的應(yīng)用[A];第八屆中國智能交通年會優(yōu)秀論文集——智能交通與安全[C];2013年

相關(guān)重要報紙文章 前10條

1 劉筱霞;陳永常;PHOTOSHOP中圖像分辨率的設(shè)置[N];中國包裝報;2002年

2 王樹連;從購買圖像到租用衛(wèi)星[N];中國測繪報;2003年

3 楊興平;如何抓取指定分辨率的圖像[N];中國電腦教育報;2003年

4 李鑫;飛利浦200BW8商務(wù)人士明智新寵[N];電子資訊時報;2007年

5 記者 曾遺榮邋通訊員 冷承秋 實習(xí)生 向哲林;美國一高科技公司將落戶武漢[N];湖北日報;2007年

6 唐鳳碧;正確運用數(shù)碼相機分辨率[N];中國攝影報;2007年

7 ;創(chuàng)維TWH-43L（DLP）光顯背投圖像不良的檢修[N];電子報;2008年

8 WLF;細說分辨率[N];電腦報;2003年

9 宏杉;感受專業(yè)動力[N];中國計算機報;2001年

10 宋連黨;家庭VCD像冊大制作[N];中國電腦教育報;2003年

相關(guān)博士學(xué)位論文 前10條

1 吳輝群;慢性病信息管理系統(tǒng)中視網(wǎng)膜圖像的互操作性及其血管網(wǎng)絡(luò)定量分析研究[D];復(fù)旦大學(xué);2014年

2 田虎;單目圖像的深度估計[D];北京郵電大學(xué);2015年

3 唐玉芳;商品圖像分類算法研究[D];北京郵電大學(xué);2015年

4 賈勇;建筑物透視探測關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2014年

5 黃仁杰;非可控條件下人臉識別中的若干問題研究[D];電子科技大學(xué);2015年

6 萬方;基于多幅圖像的三維結(jié)構(gòu)化場景重建技術(shù)研究[D];武漢大學(xué);2013年

7 馬鐘;視覺感知啟發(fā)的對象發(fā)現(xiàn)關(guān)鍵技術(shù)研究[D];西北工業(yè)大學(xué);2015年

8 張旭;面向局部特征和特征表達的圖像分類算法研究[D];合肥工業(yè)大學(xué);2016年

9 王洪;航空光電平臺圖像穩(wěn)定技術(shù)研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機械與物理研究所）;2012年

10 孫艷;基于內(nèi)容圖像檢索與敏感圖像過濾的若干算法研究[D];吉林大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 楊棟;面向CTA圖像的冠脈血管分割算法研究和血管狹窄度分析[D];浙江大學(xué);2015年

2 龔若皓;基于嵌入式移動GPU的圖像編解碼并行優(yōu)化[D];西南交通大學(xué);2015年

3 曹福來;發(fā)動機燃油噴霧圖像篩選及處理方法的分析研究[D];長安大學(xué);2015年

4 張弛;基于卷積神經(jīng)網(wǎng)絡(luò)的鞋印圖像分類算法研究[D];大連海事大學(xué);2016年

5 張貴平;圖像視點調(diào)整技術(shù)研究[D];南京大學(xué);2014年

6 李杰;高速圖像數(shù)據(jù)實時存儲與顯示關(guān)鍵技術(shù)研究[D];中北大學(xué);2016年

7 胡蓓蕾;基于圖像融合的水下圖像顏色恢復(fù)[D];中國海洋大學(xué);2015年

8 周黎;基于千兆網(wǎng)的高性能嵌入式圖像處理技術(shù)研究[D];中國科學(xué)院研究生院(光電技術(shù)研究所);2016年

9 顧幫忠;基于CCD的DR影像校正[D];東南大學(xué);2015年

10 張磊;鉚釘尺寸與表面缺陷在線檢測關(guān)鍵技術(shù)研究[D];西南交通大學(xué);2016年

本文編號：2501326