發(fā)布時(shí)間：2018-04-18 12:08

  本文選題：圖像檢索 + 尺度不變特征��； 參考：《西安科技大學(xué)》2017年碩士論文

【摘要】：隨著數(shù)碼科技以及互聯(lián)網(wǎng)通信的迅速發(fā)展,數(shù)字圖像已經(jīng)滲透到人們的日常生活中,如交通監(jiān)控、醫(yī)療衛(wèi)生以及新聞媒體等。而大多數(shù)數(shù)字圖像都以無序的狀態(tài)存在,圖像中的一些重要信息得不到利用,尋找一種高效的檢索算法讓用戶可以準(zhǔn)確、快速地獲取所需目標(biāo)圖像,已成為一項(xiàng)急需解決的問題。針對(duì)上述需求,本文首先對(duì)目前所使用的檢索算法進(jìn)行闡述,分析傳統(tǒng)的圖像檢索方式并著重對(duì)基于內(nèi)容的圖像檢索技術(shù)進(jìn)行研究。傳統(tǒng)的圖像底層特征在光照、尺度、旋轉(zhuǎn)等情況中,無法保障檢索結(jié)果的穩(wěn)定性,因此本文選用經(jīng)典的局部尺度不變SIFT算法作為圖像檢索的算法。研究發(fā)現(xiàn),上述算法存在誤匹配點(diǎn)較多、無法在實(shí)際中應(yīng)用等缺點(diǎn)。因此本文對(duì)此算法進(jìn)行改進(jìn),一是為圖像SIFT特征描述符構(gòu)建KD-tree數(shù)據(jù)索引,并使用最優(yōu)節(jié)點(diǎn)優(yōu)先搜索BBF算法提高圖像特征點(diǎn)對(duì)的配準(zhǔn)速率;二是結(jié)合改進(jìn)的最近鄰匹配算法與隨機(jī)抽樣一致算法進(jìn)一步去除錯(cuò)誤匹配點(diǎn)對(duì)。最后,在多種實(shí)驗(yàn)環(huán)境中驗(yàn)證改進(jìn)的SIFT算法,結(jié)果表明改進(jìn)的SIFT算法在保留原始算法優(yōu)點(diǎn)的同時(shí),可以有效的降低誤匹配率,能在基于內(nèi)容的檢索系統(tǒng)中得到更好的應(yīng)用�；诟倪M(jìn)的SIFT算法,本文又設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)簡(jiǎn)易基于內(nèi)容的圖像檢索系統(tǒng),該系統(tǒng)主要由數(shù)據(jù)庫建立和數(shù)據(jù)庫查詢兩部分構(gòu)成。通過對(duì)比分析表明,改進(jìn)的SIFT算法應(yīng)用在實(shí)際檢索系統(tǒng)中不僅能有效減少配準(zhǔn)時(shí)間,也可以提高圖像的配準(zhǔn)率。
[Abstract]:With the rapid development of digital technology and Internet communication, digital images have penetrated into people's daily life, such as traffic monitoring, health care and news media.However, most digital images exist in a disordered state, and some important information in the image is not utilized, so a high efficient retrieval algorithm is found to enable users to obtain the desired target image accurately and quickly.It has become an urgent problem.In order to meet the above requirements, this paper first describes the retrieval algorithms used at present, analyzes the traditional image retrieval methods and focuses on the research of content-based image retrieval technology.The traditional image bottom features can not guarantee the stability of retrieval results in illumination scale rotation and so on. Therefore the classical local scale invariant SIFT algorithm is chosen as the image retrieval algorithm in this paper.It is found that the algorithm has many mismatch points and cannot be applied in practice.Therefore, this algorithm is improved in this paper. One is to build the KD-tree data index for the image SIFT feature descriptor, and to use the optimal node-first search BBF algorithm to improve the registration rate of the image feature points.Secondly, the improved nearest neighbor matching algorithm and the random sampling matching algorithm are combined to remove the error matching points.Finally, the improved SIFT algorithm is verified in a variety of experimental environments. The results show that the improved SIFT algorithm can effectively reduce the mismatch rate while preserving the advantages of the original algorithm, and can be better applied in content-based retrieval system.Based on the improved SIFT algorithm, a simple content-based image retrieval system is designed and implemented in this paper. The system consists of two parts: database establishment and database query.The comparison and analysis show that the improved SIFT algorithm can not only reduce the registration time but also improve the image registration rate in the actual retrieval system.
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 李彤斐;楊馬英;;足球機(jī)器人視覺目標(biāo)識(shí)別的PCA-SIFT算法[J];江南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年05期

2 李紅;彭方;;窮舉式搜索算法及其應(yīng)用[J];福建電腦;2007年05期

3 孫劍,徐宗本;計(jì)算機(jī)視覺中的尺度空間方法[J];工程數(shù)學(xué)學(xué)報(bào);2005年06期

4 趙德斌,陳耀強(qiáng),高文;基于塊方向預(yù)測(cè)和Context的圖象無失真編碼方法[J];軟件學(xué)報(bào);1998年10期

相關(guān)碩士學(xué)位論文 前10條

1 顧文嬌;基于內(nèi)容語義的圖像檢索技術(shù)研究[D];山東師范大學(xué);2015年

2 朱玉濱;基于SIFT的圖像檢索技術(shù)研究[D];吉林大學(xué);2014年

3 維妮拉·艾爾肯;基于SIFT算法的人臉識(shí)別研究[D];華北電力大學(xué);2014年

4 于艷紅;基于顏色和紋理特征的圖像檢索與應(yīng)用[D];大連理工大學(xué);2013年

5 孔珊珊;基于形狀特征的圖像檢索研究[D];太原理工大學(xué);2013年

6 喻睿;基于SIFT算法的快速穩(wěn)健圖像拼接的實(shí)現(xiàn)[D];西安電子科技大學(xué);2013年

7 張樹臣;融合顏色和形狀特征的圖像檢索技術(shù)[D];吉林大學(xué);2012年

8 廖婷婷;基于特征匹配的圖像檢索算法研究[D];華南理工大學(xué);2012年

9 張華貴;基于局部關(guān)鍵點(diǎn)特征的視頻近重復(fù)檢測(cè)算法研究[D];復(fù)旦大學(xué);2012年

10 王杰;基于顏色和紋理特征的圖像檢索[D];重慶大學(xué);2012年

，

本文編號(hào)：1768312