本文選題：CBIR + Curvelet變換��； 參考：《昆明理工大學(xué)》2017年碩士論文

【摘要】：近年來,挖掘大型圖像庫(比如太陽圖像)所包括的內(nèi)容依然是很具有挑戰(zhàn)性的,而且圖像庫也在一直不斷的增加。因此,想要在相關(guān)圖像庫中找到特定的那些圖像變得越來越困難。想要獲取具體的特定圖像,而這些圖像卻被埋葬在了龐大的圖像庫中。例如,在成千上萬張圖像的太陽圖像庫當(dāng)中,想要獲取特定的某種類型的照片依然不是個(gè)簡(jiǎn)單的任務(wù)。檢索系統(tǒng)中所使用的搜索引擎必須既高效又有效,而基于內(nèi)容的圖像檢索技術(shù)(CBIR)剛好滿足這樣的要求,它是利用圖像的顏色、紋理、形狀、邊沿等底層視覺特征來描述圖像內(nèi)容并進(jìn)行檢索的,CBIR克服了基于文本的圖像檢索方法的諸多缺點(diǎn),引起研究人員的廣泛關(guān)注。而對(duì)于太陽圖像這種灰度圖像來說,選擇紋理特征來描述無疑是效果最好的。在以往的圖像處理過程當(dāng)中小波變換因其具有較好的時(shí)域頻域分析能力,而被人們廣泛使用,但是小波變換也不是處處都是有優(yōu)勢(shì)的,當(dāng)進(jìn)行超平面奇異性的處理時(shí),小波變換就顯得不是特別合適了。而曲波(Curvelet)作為一種新的分析工具,它能夠稀疏的表示具有直線特征的圖像,可以應(yīng)用到二維圖像處理過程中。本文首先在研究多尺度幾何分析以及Curvelet理論的基礎(chǔ)上,對(duì)Curvelet變換的實(shí)現(xiàn)過程進(jìn)行了研究與分析。在此基礎(chǔ)上,論文主要做了以下工作:第一,從基于內(nèi)容的圖像檢索入手,通過對(duì)CBIR系統(tǒng)結(jié)構(gòu)的分析,針對(duì)本文所采用的太陽圖像樣本庫,選擇紋理特征提取方式,查詢過程中匹配的時(shí)候選擇歐氏距離相似性度量方式,以及對(duì)結(jié)果評(píng)價(jià)的時(shí)候選擇查全查準(zhǔn)曲線,來進(jìn)行檢索實(shí)驗(yàn)。第二,將Curvelet紋理特征提取之后應(yīng)用在太陽圖像的檢索過程中,并且通過檢索實(shí)驗(yàn)來驗(yàn)證其檢索的性能,接著又對(duì)Curvelet特征提取算法提出了優(yōu)化,成功的對(duì)Curvelet特征進(jìn)行降維,提高了檢索效率。第三,將Curvelet紋理特征與Wavelet紋理特征進(jìn)行簡(jiǎn)單加權(quán)融合,將融合之后的特征進(jìn)行檢索實(shí)驗(yàn),融合之后的特征帶來了不錯(cuò)的檢索性能。
[Abstract]:In recent years, mining large image databases (such as solar images) is still very challenging, and the image library has been increasing.Therefore, it becomes more and more difficult to find specific images in the relevant image library.Want to obtain specific images, and these images are buried in a large image library.For example, in the solar image library of thousands of images, it is still not an easy task to get a certain type of photo.The search engine used in the retrieval system must be both efficient and effective, and the content-based image retrieval technology (CBIR) just meets this requirement. It uses the color, texture, shape of the image.Edge and edge visual features to describe the image content and retrieve the CBIR overcomes many shortcomings of text-based image retrieval method and attracts wide attention of researchers.For the grayscale image of solar image, it is the best to choose texture feature to describe it.In the previous image processing process, wavelet transform is widely used because of its good analysis ability in time domain and frequency domain, but wavelet transform is not always advantageous, when processing hyperplane singularity,Wavelet transform is not very suitable.Qu Bo Curvelet, as a new analysis tool, can sparse represent images with linear features, and can be applied to two-dimensional image processing.In this paper, based on the study of multi-scale geometric analysis and Curvelet theory, the realization process of Curvelet transform is studied and analyzed.On this basis, the thesis mainly does the following work: first, starting from the content-based image retrieval, through the analysis of the CBIR system structure, aiming at the solar image sample database adopted in this paper, we choose the texture feature extraction method.The Euclidean distance similarity measurement method is chosen to match in the query process and the full search curve is selected to carry on the retrieval experiment when the result is evaluated.Secondly, the Curvelet texture feature extraction is applied to the retrieval process of the solar image, and the retrieval performance is verified by the retrieval experiment. Then the Curvelet feature extraction algorithm is optimized to reduce the dimension of the Curvelet feature successfully.The retrieval efficiency is improved.Thirdly, the Curvelet texture feature and the Wavelet texture feature are simply weighted fusion, and the fusion features are used in the retrieval experiment. The fusion features bring good retrieval performance.
【學(xué)位授予單位】：昆明理工大學(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10條

1 劉芳;張寶華;王心強(qiáng);;基于灰度共生矩陣提取紋理特征的醫(yī)學(xué)圖像檢索技術(shù)的研究與應(yīng)用[J];科技視界;2014年01期

2 肖鵬;徐軍;陳少?zèng)_;;紋理特征提取方法[J];電子科技;2010年06期

3 汪海洋;潘德爐;夏德深;劉濤;毛志華;;基于方向Gabor特征的水面尾跡提取[J];儀器儀表學(xué)報(bào);2008年12期

4 袁順波;;CBIR性能評(píng)價(jià)研究:現(xiàn)狀與建議[J];情報(bào)雜志;2008年05期

5 吳洪;盧漢清;馬頌德;;基于內(nèi)容圖像檢索中相關(guān)反饋技術(shù)的回顧[J];計(jì)算機(jī)學(xué)報(bào);2005年12期

6 薛明東,郭立,張國宣,劉士建;一種新的圖像特征提取算法[J];計(jì)算機(jī)應(yīng)用;2004年S1期

7 倪林,Y.Miao;一種更適合圖像處理的多尺度變換——Curvelet變換[J];計(jì)算機(jī)工程與應(yīng)用;2004年28期

8 李智杰,高新波,姬紅兵;基于Curvelet變換的紅外圖像背景雜波抑制算法[J];紅外技術(shù);2004年05期

9 萬峰,杜明輝;人臉識(shí)別中一種新的Gabor特征提取方法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年08期

10 肖小奎,黎紹發(fā);加強(qiáng)邊緣保護(hù)的Curvelet圖像去噪方法[J];通信學(xué)報(bào);2004年02期

相關(guān)博士學(xué)位論文 前1條

1 齊恒;基于內(nèi)容圖像檢索的關(guān)鍵技術(shù)研究[D];大連理工大學(xué);2012年

相關(guān)碩士學(xué)位論文 前7條

1 何佳蓉;基于 Curvelet 的圖像檢索算法研究[D];西南石油大學(xué);2016年

2 王思武;基于太陽圖像的特征提取和檢索[D];昆明理工大學(xué);2015年

3 隋成興;曲波變換在地震信號(hào)處理中的應(yīng)用研究[D];長安大學(xué);2014年

4 彭頌;基于Curvelet變換的圖像檢索算法研究[D];湘潭大學(xué);2012年

5 沙睿;基于多特征融合的圖像相似性研究[D];南京大學(xué);2011年

6 蔡志平;采用Gabor小波紋理特征的基于內(nèi)容醫(yī)學(xué)圖像檢索[D];東北大學(xué);2008年

7 王春媛;基于內(nèi)容的圖像檢索反饋算法研究[D];哈爾濱工業(yè)大學(xué);2006年

，

本文編號(hào)：1769627