圖像檢索一直是多媒體技術(shù)領(lǐng)域的研究熱點(diǎn),同時(shí)也被廣泛地應(yīng)用在搜索引擎、商標(biāo)檢索和電商貿(mào)易等領(lǐng)域。本文的應(yīng)用背景是電商貿(mào)易下的酒瓶檢索,由于酒瓶生產(chǎn)可以后期上色,因此形狀是最主要的區(qū)分特征,而分割是形狀特征提取的必要步驟。本文所針對(duì)的數(shù)據(jù)集包括數(shù)據(jù)庫(kù)圖片和檢索圖片。數(shù)據(jù)庫(kù)圖片存在漸變背景噪聲、橫線噪聲及弱邊緣的分割難點(diǎn)。由于酒瓶光滑、透明及光照不均勻等原因,檢索圖片常常具有很復(fù)雜的環(huán)境條件:反射、折射產(chǎn)生的高光以及酒瓶透明、物體陰影導(dǎo)致的灰度極度不均勻,以及弱邊緣和邊緣缺失。本文數(shù)據(jù)集形狀還具有類內(nèi)差異大、類間距離小的難點(diǎn),并且實(shí)際應(yīng)用系統(tǒng)要求在30秒內(nèi)返回前16個(gè)相似圖片。本文分為數(shù)據(jù)庫(kù)圖片分割、檢索圖片分割和形狀檢索三大步驟,每個(gè)步驟分別對(duì)上述的難點(diǎn)進(jìn)行了研究與解決。本文的主要的貢獻(xiàn)如下:1、針對(duì)數(shù)據(jù)庫(kù)圖片的分割難點(diǎn),對(duì)區(qū)域生長(zhǎng)法進(jìn)行了改進(jìn)。該方法使用前景概率圖對(duì)區(qū)域的生長(zhǎng)準(zhǔn)則進(jìn)行自適應(yīng)縮放,既保留了區(qū)域生長(zhǎng)法能濾除漸變背景噪聲的特性又能分割弱邊緣,同時(shí)使用閉操作處理橫線噪聲,最終完成了數(shù)據(jù)庫(kù)圖片的分割。2、針對(duì)檢索圖片的高光問題,提出了一種反射、折射通用的高光區(qū)域檢測(cè)方法。本方法根... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：98 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Otsu算法分割結(jié)果

右下方產(chǎn)生了過分割。綜上分析，基于閾值的分割更適合于前、布復(fù)雜但具有良好的灰度可區(qū)分性時(shí)的分割。NY 算法中存在兩個(gè)超參數(shù)：高、低閾值。一般推薦的高低閾值采取 3:1 的閾值比例，使用低閾值從小大進(jìn)行邊緣檢測(cè)，選取的邊緣檢測(cè)結(jié)果如下圖所示：

數(shù)的開運(yùn)算去除孤立噪點(diǎn)和橫線噪聲，其分割結(jié)果如下：a. 原圖 b. 分割結(jié)果圖2.7 區(qū)域生長(zhǎng)法分割結(jié)果 1區(qū)域生長(zhǎng)法對(duì)具有橫線、漸變背景噪聲及弱邊緣的分割樣例得到了較好的分割結(jié)果，數(shù)據(jù)庫(kù)中絕大部分圖片也得到了不錯(cuò)的分割，如下圖所示：圖2.8 區(qū)域生長(zhǎng)法分割結(jié)果 2但對(duì)于數(shù)據(jù)庫(kù)圖片也存在如下的過分割：a. 原圖 b. 分割結(jié)果圖2.9 區(qū)域生長(zhǎng)法分割結(jié)果 3

【參考文獻(xiàn)】：
期刊論文
[1]基于模糊形狀上下文與局部向量相似性約束的配準(zhǔn)算法[J]. 馬新科,楊揚(yáng),楊昆,羅毅.  自動(dòng)化學(xué)報(bào). 2020(02)
[2]無(wú)人船監(jiān)視圖像反光區(qū)域檢測(cè)與去除方法及實(shí)驗(yàn)驗(yàn)證[J]. 時(shí)俊楠,金久才,張杰.  海洋科學(xué). 2018(01)
[3]基于模糊形狀上下文特征的形狀識(shí)別算法[J]. 韓敏,鄭丹晨.  自動(dòng)化學(xué)報(bào). 2012(01)
[4]傅立葉描述子識(shí)別物體的形狀[J]. 王濤,劉文印,孫家廣,張宏江.  計(jì)算機(jī)研究與發(fā)展. 2002(12)



本文編號(hào)：3332301