基于內(nèi)容的圖像搜索引擎（CBIR）是根據(jù)圖像的特征在圖像數(shù)據(jù)庫中搜索自己想要的圖像。研究更加有效的圖像搜索技術(shù)，提高用戶對(duì)圖像搜索引擎的滿意度對(duì)基于內(nèi)容的搜索引擎具有十分重要的意義。本文采用動(dòng)態(tài)調(diào)整權(quán)值的區(qū)域加權(quán)信息熵算法來提取圖像特征。在研究相關(guān)反饋技術(shù)的基礎(chǔ)上，實(shí)現(xiàn)了多特征融合的相關(guān)反饋算法，探索適合基于內(nèi)容圖像搜索引擎中的圖像特征提取方法和相關(guān)反饋方法，并開發(fā)出基于內(nèi)容的搜索引擎系統(tǒng)。主要的工作包括：在區(qū)域加權(quán)信息熵理論的基礎(chǔ)上，提出了動(dòng)態(tài)調(diào)整權(quán)值的區(qū)域加權(quán)信息熵圖像特征提取算法。該算法采用動(dòng)態(tài)調(diào)整權(quán)值的區(qū)域信息熵表示圖像特征，根據(jù)圖像顏色空間分布的不同情況動(dòng)態(tài)確定圖像每個(gè)區(qū)域的權(quán)值，由這些動(dòng)態(tài)生成的權(quán)值得到圖像動(dòng)態(tài)調(diào)整權(quán)值的區(qū)域加權(quán)信息熵值。與現(xiàn)有的權(quán)值固定的區(qū)域加權(quán)信息熵圖像特征提取算法相比，動(dòng)態(tài)調(diào)整權(quán)值的區(qū)域加權(quán)信息熵算法更能滿足復(fù)雜數(shù)字圖像特征提取的要求。實(shí)驗(yàn)結(jié)果表明，動(dòng)態(tài)調(diào)整權(quán)值的區(qū)域加權(quán)信息熵算法比區(qū)域加權(quán)信息熵算法提取圖像特征的準(zhǔn)確率高6%。在動(dòng)態(tài)調(diào)整權(quán)值的區(qū)域加權(quán)信息熵算法的基礎(chǔ)上，結(jié)合圖像HSV空間顏色模型平均顏色特征提取算法，提出了一種基于動(dòng)態(tài)調(diào)整權(quán)值的區(qū)域加... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：51 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

九宮格圖像區(qū)域分割方法

圖 4.1 基于內(nèi)容搜索引的物理層特征，包括描述來表示了這幅圖，所以導(dǎo)致一種特征多特征融合的圖像特配圖像特征，從而解合技術(shù)，但并不是所的，所有每種圖像特像多特征之前必須對(duì)MAXOEkIkik=,,

24圖 4.3 基于多特征融合的圖像相關(guān)反饋算法流分析對(duì)比實(shí)驗(yàn)以多特征融合算法來對(duì)已經(jīng)檢索到的圖像結(jié)果集，本次實(shí)驗(yàn)采用的圖像庫參考第三章實(shí)驗(yàn)部分分別取一幅圖像進(jìn)行實(shí)驗(yàn)，根據(jù)這三種算法來對(duì)本章來的實(shí)驗(yàn)進(jìn)行查詢，分別得到前 50 幅圖像和前 30 幅


本文編號(hào)：3291903