本文關(guān)鍵詞：基于多特征融合和SVM分類(lèi)的圖像檢索技術(shù)研究

  更多相關(guān)文章： 圖像檢索 視覺(jué)特征 多特征融合 DS理論 SVM分類(lèi)

【摘要】：由于圖像在公安系統(tǒng)、數(shù)字圖書(shū)館、醫(yī)療和診斷、知識(shí)產(chǎn)權(quán)以及衛(wèi)星遙感圖像分析的廣泛應(yīng)用，圖像數(shù)據(jù)庫(kù)規(guī)模不斷增大，如何更好地對(duì)這些圖像進(jìn)行管理、檢索和查詢成為當(dāng)前研究的重點(diǎn)。 圖像特征的選擇對(duì)圖像檢索技術(shù)的性能和檢索效果有至關(guān)重要的影響。由于顏色、紋理及形狀是圖像內(nèi)容的基本特征，本文借助這三種特征進(jìn)行圖像的檢索。實(shí)驗(yàn)選擇了顏色直方圖、顏色相關(guān)圖、紋理共生矩陣、Tamura紋理以及Hu不變矩五種特征提取方法，，對(duì)圖像庫(kù)中10類(lèi)圖像分別進(jìn)行單一特征檢索，并以查準(zhǔn)率為評(píng)定標(biāo)準(zhǔn)，統(tǒng)計(jì)各個(gè)特征對(duì)每類(lèi)圖像的查準(zhǔn)率。 由于基于單一特征的圖像檢索性能有限，對(duì)不同類(lèi)別的圖像要得到普遍較好的檢索效果，本文提出了基于加權(quán)多特征的檢索方法和基于改進(jìn)的DS理論多特征的檢索方法。加權(quán)多特征的檢索方法是根據(jù)單一特征的查準(zhǔn)率，本文對(duì)每一類(lèi)圖像以每種特征的查準(zhǔn)率為權(quán)重依據(jù)，進(jìn)行加權(quán)多特征融合檢索，并與等比例多特征融合檢索進(jìn)行檢索結(jié)果比較。之后又在上一種方法的基礎(chǔ)上引入了DS理論概念，并對(duì)DS理論多特征檢索的檢索原理和過(guò)程進(jìn)行了研究。選擇Corel-test圖像庫(kù)，以DS合并原則為依據(jù)，并去除掉特征中單一查準(zhǔn)率最低的特征，計(jì)算剩余特征的組合信任度，通過(guò)信任度計(jì)算特征相似度。實(shí)驗(yàn)結(jié)果表明，基于多特征DS理論的圖像檢索在一定程度上可以彌補(bǔ)基于加權(quán)多特征圖像檢索在某些圖像類(lèi)別方面的缺陷。 在上面的工作之后，經(jīng)過(guò)研究分析，我們對(duì)現(xiàn)有的語(yǔ)義檢索技術(shù)進(jìn)行了研究，選擇了較成熟的SVM分類(lèi)理論，通過(guò)選取部分圖像作為訓(xùn)練集進(jìn)行訓(xùn)練分類(lèi)，同時(shí)考慮上一章提出的不同特征的優(yōu)先級(jí)問(wèn)題，提出了綜合利用SVM和多特征的圖像檢索技術(shù)，來(lái)獲得更高的檢索效率。
【關(guān)鍵詞】：圖像檢索 視覺(jué)特征 多特征融合 DS理論 SVM分類(lèi)
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP391.3
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 課題研究背景和意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-14
• 1.2.1 基于內(nèi)容特征的圖像檢索11-13
• 1.2.2 基于語(yǔ)義的圖像檢索技術(shù)13-14
• 1.3 本文主要的研究?jī)?nèi)容14-15
• 第2章 基于內(nèi)容的圖像檢索技術(shù)研究分析15-31
• 2.1 引言15
• 2.2 圖像預(yù)處理15-18
• 2.2.1 圖像中的噪聲介紹15-16
• 2.2.2 噪聲預(yù)處理16-18
• 2.3 圖像視覺(jué)特征提取18-23
• 2.3.1 顏色特征18-19
• 2.3.2 紋理特征19-22
• 2.3.3 形狀特征22-23
• 2.4 圖像檢索系統(tǒng)的相關(guān)標(biāo)準(zhǔn)23-26
• 2.4.1 相似性度量標(biāo)準(zhǔn)23-25
• 2.4.2 檢索性能評(píng)價(jià)標(biāo)準(zhǔn)25-26
• 2.5 基于視覺(jué)特征的檢索實(shí)驗(yàn)及分析26-30
• 2.5.1 特征歸一化原理26-27
• 2.5.2 基于單一視覺(jué)特征的圖像檢索實(shí)驗(yàn)及分析27-28
• 2.5.3 等比例特征融合圖像檢索及分析28-30
• 2.6 本章小結(jié)30-31
• 第3章 基于 DS 理論的加權(quán)多特征圖像檢索分析31-44
• 3.1 引言31
• 3.2 多特征融合檢索綜述31-34
• 3.3 基于加權(quán)多特征的融合圖像檢索34-36
• 3.3.1 加權(quán)多特征融合原理34-35
• 3.3.2 加權(quán)多特征融合檢索實(shí)驗(yàn)及分析35-36
• 3.4 基于 DS 理論的加權(quán)多特征融合36-43
• 3.4.1 DS 理論的基本定義37-38
• 3.4.2 實(shí)驗(yàn)步驟38-39
• 3.4.3 圖像檢索實(shí)驗(yàn)結(jié)果及分析39-43
• 3.5 本章小結(jié)43-44
• 第4章 基于 SVM 語(yǔ)義分類(lèi)的多特征檢索分析44-55
• 4.1 引言44
• 4.2 SVM 的基本原理概述44-46
• 4.3 SVM 分類(lèi)46-49
• 4.3.1 SVM 二分類(lèi)46-48
• 4.3.2 SVM 多分類(lèi)48-49
• 4.4 基于 SVM 語(yǔ)義分類(lèi)的圖像檢索實(shí)驗(yàn)及性能分析49-54
• 4.4.1 SVM 訓(xùn)練算法49-50
• 4.4.2 實(shí)驗(yàn)步驟50-51
• 4.4.3 實(shí)驗(yàn)結(jié)果及分析51-54
• 4.5 本章小結(jié)54-55
• 結(jié)論55-56
• 參考文獻(xiàn)56-60
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文60-61
• 致謝61

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 羅德勇,明海;數(shù)字圖書(shū)館中基于內(nèi)容的多媒體檢索研究[J];情報(bào)探索;2003年01期

2 張騫;;基于文本的與基于內(nèi)容的圖像檢索技術(shù)比較研究[J];情報(bào)探索;2012年01期

3 阿斯艷·哈米提;阿不都熱西提·哈米提;;基于文本的圖像檢索與基于內(nèi)容的圖像檢索技術(shù)的比較研究[J];首都師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年04期

本文編號(hào)：531417