發(fā)布時間：2024-03-01 20:08

　　目前,從大量數(shù)據(jù)圖像中精準的檢索到特定的圖像是多年來圖像處理領(lǐng)域的研究熱點。由于成本,時耗和主觀性等問題,導(dǎo)致傳統(tǒng)的基于文本的圖像檢索技術(shù)(TBIR)在面對海量的圖片數(shù)據(jù)庫資源時檢索效果并不突出。相比之下,基于內(nèi)容的圖像檢索技術(shù)(CBIR)能夠更好的適應(yīng)這種情況,在面對種類繁雜的圖像數(shù)據(jù)庫資源時檢索效果比較好。CBIR對基于文本的檢索技術(shù)在圖像檢索方面所存在的缺陷進行了改進,在圖像檢索時根據(jù)圖像的顏色、紋理以及形狀等底層特征自動地提取圖像內(nèi)容,從而可以保證整個圖像檢索過程有效的完成。圖像的底層特征包括顏色特征、紋理特征、形狀特征等。其中,商品圖像的形狀通常與目標相關(guān)聯(lián),比較符合人們識別圖像的視覺習(xí)慣,且具有一定語義信息,因此可以把形狀特征認為是比顏色和紋理更高級的特征。在基于內(nèi)容的圖像檢索過程中,圖像的形狀應(yīng)滿足平移,旋轉(zhuǎn)和尺度不變的特性。傳統(tǒng)的基于形狀特征的商品圖像檢索算法在特征提取方法的選擇方面存在局限性,無法確保其檢索結(jié)果的準確度。為了提高商品圖像檢索的性能,對描述商品圖像信息的形狀特征的尋找至關(guān)重要。針對上面所描述的問題,本文提出一種基于改進傅里葉描述子的商品圖像檢索方法。首先...

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－３鏈碼的旋轉(zhuǎn)歸一化??（２）、傅里葉描述子??

當(dāng)給定目標的邊界由鏈碼表示的時候，鏈碼會隨著目標的旋轉(zhuǎn)而變化，但其不會受??到目標平移的影響。為了獲得具有旋轉(zhuǎn)不變性的鏈碼，我們可以定義所謂的差分代碼。??圖２－３為鏈碼的旋轉(zhuǎn)的歸一化。對應(yīng)于鏈碼的差分代碼定義如下：??Ｍｖ?－Ｓ＇Ｙｊａｌ?，ａ，?＝（ａ，－ａｎ）ＭＯＤ?Ｎ，ａ....

圖２＊４共生矩陣轉(zhuǎn)換模式??１６??

通過上式可以得到空間兩個灰度級分別為ｉ和ｊ的兩個像素點同時發(fā)生的概??率定義為將空間坐標點（ｘ，ｙ）轉(zhuǎn)換為“灰色對”（ｉ，ｊ）的，即可獲得所需的灰度級共生矩陣。??如圖２－４所示，為共生矩陣轉(zhuǎn)換模式。其歸一化公式如下所示：??ｐ根詞丨，諷?（２－，９）??歸一化的常數(shù)為Ｒ。??１....

圖３－２特征提取過程??

始點位置的影響的特性，所以計算特征向量前需首先確定起始點的位置。首先對商品圖像進行??預(yù)處理，然后找到過圖像重心的最小慣量軸與輪廓的交點來確定傅里葉描述子起始點的位置，??繼而對其進行傅里葉變換得到特征向量。圖３－１描述了基于最小慣量軸提取形狀特征的整體流??程。本文基于改進傅里....

圖３－４中心點的梯度向量、方位角以及邊緣方向??

?（３－１７）??＝?ａｒｃｔａｎ（＊＾?）??如上圖３－４所示，表示了中心點的梯度向量、方位角以及邊緣方向。??廣ｙ??，梯度方向??｜?＝＝３亡??ｘ????一?１文一??：?緣方向??圖３－４中心點的梯度向量、方位角以及邊緣方向??２７??

本文編號：3915766