【摘要】：反向圖片搜索引擎是一種新型的圖像搜索引擎，它可以更為直觀的表達(dá)用戶的搜索意圖，并且能客觀的幫助用戶實(shí)現(xiàn)搜索，“以圖搜圖”已成為圖像搜索引擎的發(fā)展方向。本文對幾種典型的圖像搜索算法進(jìn)行了研究分析，并對各自算法的特點(diǎn)，以及該算法所適用的典型圖片進(jìn)行了深入探討。為了適應(yīng)內(nèi)容豐富、信息復(fù)雜的圖片搜索，滿足用戶對搜索結(jié)果精度的要求，對算法進(jìn)行了優(yōu)化。 本文主要研究了基于內(nèi)容的圖像檢索算法，包括基于顏色的圖像檢索算法、基于條紋的圖像檢索算法、基于形狀的圖像檢索算法、基于局部特征不變的檢索算法。對每種算法在實(shí)際應(yīng)用中的優(yōu)缺點(diǎn)做了分析。結(jié)合分析結(jié)果給出了基于多特征的圖像檢索算法。使圖像檢索算法的精確度和健壯性都得到了提高。主要研究內(nèi)容如下： （1）改進(jìn)了基于顏色特征的圖像檢索算法。利用HSI空間在顏色表示上的優(yōu)越性結(jié)合分塊提取的方法對基于顏色特征的圖像檢索算法做出了改善。利用分塊算法在顏色的空間分布、顏色直方圖表示和圖像各個(gè)分塊之間的聯(lián)系上的優(yōu)點(diǎn)使圖像檢索更加方便、準(zhǔn)確； （2）對灰度共生矩陣、邊緣直方圖、Hu不變矩、角點(diǎn)檢測等基于底層特征的圖像檢索算法進(jìn)行性能對比，方便其在基于多特征時(shí)的應(yīng)用； （3）綜合各個(gè)基于底層特征的圖像檢索算法得出的相似度給出了加權(quán)的多特征圖像檢索算法和基于多特征融合的算法； （4）對實(shí)驗(yàn)結(jié)果進(jìn)行統(tǒng)計(jì)分析。結(jié)果證明，基于多特征的圖像檢索算法較原先基于低層特征的算法，具有快速和準(zhǔn)確等優(yōu)點(diǎn)。更加適合于基于圖像內(nèi)容的反向圖片搜索引擎。
[Abstract]:Reverse image search engine is a new type of image search engine, it can express users' search intention more intuitively, and can help users to realize search objectively. "search by map" has become the development direction of image search engine. In this paper, several typical image search algorithms are studied and analyzed, and the characteristics of each algorithm and the typical images suitable for the algorithm are discussed in depth. In order to adapt to the image search with rich content and complicated information, and to satisfy the user's demand for the accuracy of the search results, the algorithm is optimized. This paper mainly studies the content-based image retrieval algorithms, including color based image retrieval algorithm, striped image retrieval algorithm, shape based image retrieval algorithm and local feature invariant retrieval algorithm. The advantages and disadvantages of each algorithm in practical application are analyzed. An image retrieval algorithm based on multiple features is presented based on the analysis results. The accuracy and robustness of the image retrieval algorithm are improved. The main contents are as follows: (1) an improved image retrieval algorithm based on color features is proposed. The image retrieval algorithm based on color features is improved by using the advantages of HSI space in color representation and block extraction. Using the advantages of block algorithm in color spatial distribution, color histogram representation and image segmentation, image retrieval is more convenient and accurate. (2) for gray level co-occurrence matrix, edge histogram Hu invariant moment, Corner detection and other image retrieval algorithms based on bottom features are compared in order to facilitate their application in multi-feature based image retrieval. (3) synthesizing the similarity of the image retrieval algorithms based on the underlying features, the weighted multi-feature image retrieval algorithm and the multi-feature fusion algorithm are given. (4) the experimental results are statistically analyzed. The results show that the multi-feature based image retrieval algorithm is faster and more accurate than the previous one based on lower level features. More suitable for image content based reverse image search engine.
【學(xué)位授予單位】：長安大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 茹立云,彭瀟,蘇中,馬少平;基于內(nèi)容圖像檢索中的特征性能評價(jià)[J];計(jì)算機(jī)研究與發(fā)展;2003年11期

2 戚紅梅;;基于內(nèi)容的圖像信息資源檢索技術(shù)進(jìn)展研究[J];情報(bào)雜志;2008年01期

3 劉忠偉,章毓晉;十種基于顏色特征圖像檢索算法的比較和分析[J];信號處理;2000年01期

4 李國輝,曹莉華,柳偉,王辰,薛峰,熊華;多媒體信息查詢和檢索系統(tǒng)MIRc[J];小型微型計(jì)算機(jī)系統(tǒng);1999年09期

相關(guān)碩士學(xué)位論文 前10條

1 李帥豪;基于多特征的圖像檢索技術(shù)研究[D];湖北工業(yè)大學(xué);2011年

2 陳重旭;基于分塊加權(quán)—顏色特征的圖像檢索[D];吉林大學(xué);2011年

3 焦曉軍;基于綜合多特征的圖像檢索方法研究[D];重慶大學(xué);2011年

4 鄧娟;基于內(nèi)容的圖像數(shù)據(jù)庫檢索中關(guān)鍵技術(shù)的研究[D];東華大學(xué);2005年

5 余芳;基于顏色特征的圖像檢索技術(shù)研究[D];中國石油大學(xué);2007年

6 陳志雄;基于圖像配準(zhǔn)的SIFT算法研究與實(shí)現(xiàn)[D];武漢理工大學(xué);2008年

7 秦小鐵;基于語義的圖像檢索方法研究[D];西南大學(xué);2010年

8 翟劍鋒;基于多特征的圖像檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];北京郵電大學(xué);2010年

9 黃艷麗;基于整體局部顏色特征和紋理特征的圖像檢索算法研究[D];蘭州大學(xué);2012年

10 馬辰;圖像特征點(diǎn)匹配算法的研究[D];華北電力大學(xué);2012年

，

本文編號：2159645