基于計(jì)算機(jī)視覺的目標(biāo)圖像檢索是計(jì)算機(jī)視覺領(lǐng)域中最具有挑戰(zhàn)性的研究主題之一，其主要內(nèi)容是利用計(jì)算機(jī)模擬人的視覺來描述圖像的內(nèi)容，并根據(jù)內(nèi)容描述的特征從海量的圖像中找出感興趣的目標(biāo)圖像。它在網(wǎng)絡(luò)圖像搜索、醫(yī)學(xué)圖像挖掘、基于內(nèi)容的視頻檢索、安全監(jiān)控和不良圖像過濾等領(lǐng)域得到了廣泛的應(yīng)用，并且是機(jī)器學(xué)習(xí)、模式識(shí)別、計(jì)算機(jī)視覺和圖像處理等多門學(xué)科交叉研究的熱點(diǎn)與難點(diǎn)。由于它的復(fù)雜性和結(jié)構(gòu)性，使得基于計(jì)算機(jī)視覺的目標(biāo)圖像檢索相關(guān)技術(shù)的研究面臨眾多挑戰(zhàn)，圖像檢索的準(zhǔn)確性尚有待提高。 本文圍繞著基于計(jì)算機(jī)視覺的目標(biāo)圖像檢索進(jìn)行了一系列的研究，結(jié)合多尺度空間理論、視覺顯著性理論和視覺一致性理論等方法進(jìn)行深入研究，對(duì)實(shí)際場(chǎng)合下的應(yīng)用給出了切實(shí)可行的方案，例如光照變化下的目標(biāo)圖像檢索、基于視覺一致性的目標(biāo)圖像檢索等，針對(duì)檢索過程中的特征提取、檢索模型和視覺顯著性問題，提出了相應(yīng)的解決方法，其主要的研究?jī)?nèi)容與創(chuàng)新點(diǎn)如下： 1．特征提取的過程中，由于采集過程中條件的變化和噪聲的干擾，導(dǎo)致目標(biāo)圖像發(fā)生角度變化、光照變化，從而提取出的紋理特征發(fā)生變化，這時(shí)基于局部二元模式LBP (Local Binary Patte...

【文章頁(yè)數(shù)】：113 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
目錄
第一章 緒論
    1.1 研究的背景和意義
        1.1.1 網(wǎng)絡(luò)圖像檢索
        1.1.2 醫(yī)學(xué)圖像檢索
        1.1.3 基于內(nèi)容的視頻檢索
        1.1.4 安全監(jiān)控
        1.1.5 不良圖像過濾
    1.2 目標(biāo)圖像檢索的困難所在
    1.3 目前國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 基于文本的圖像檢索
        1.3.2 基于內(nèi)容的圖像檢索
        1.3.3 基于語(yǔ)義的圖像分類
    1.4 主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)
    1.5 本文的組織結(jié)構(gòu)
第二章 視覺注意機(jī)制及圖像檢索基礎(chǔ)
    2.1 視覺注意機(jī)制
        2.1.1 視覺注意機(jī)制的生理基礎(chǔ)
        2.1.2 視覺注意機(jī)制模型
    2.2 圖像檢索基礎(chǔ)
    2.3 特征提取
        2.3.1 顏色特征
        2.3.2 紋理特征
        2.3.3 形狀特征
    2.4 相似度度量
        2.4.1 距離度量
        2.4.2 相似系數(shù)度量
    2.5 圖像數(shù)據(jù)集及性能評(píng)價(jià)標(biāo)準(zhǔn)
        2.5.1 圖像數(shù)據(jù)集
        2.5.2 性能評(píng)價(jià)標(biāo)準(zhǔn)
    2.6 本章小結(jié)
第三章 基于彩色 LBP 局部紋理特征的目標(biāo)圖像檢索方法
    3.1 引言
    3.2 系統(tǒng)流程
    3.3 局部二元模式(Local Binary Patterns)
    3.4 局部彩色二元模式(Local Color Binary Patterns)
        3.4.1 局部彩色向量二元模式(LCVBP)
        3.4.2 局部彩色角度二元模式(LCABP)
    3.5 概率潛在語(yǔ)義分析模型(pLSA)
    3.6 實(shí)驗(yàn)及討論
        3.6.1 尺度變化實(shí)驗(yàn)
        3.6.2 角度變化實(shí)驗(yàn)
        3.6.3 光照變化實(shí)驗(yàn)
        3.6.4 多個(gè)變化實(shí)驗(yàn)
    3.7 本章小結(jié)
第四章 基于多尺度視覺顯著性的目標(biāo)圖像檢索方法
    4.1 引言
    4.2 視覺注意模型
        4.2.1 自底向上的視覺注意模型
        4.2.2 自頂向下的視覺注意模型
    4.3 顯著圖的建立及感興趣區(qū)域分割
        4.3.1 圖像預(yù)處理及特征提取
        4.3.2 顯著圖的建立
    4.4 基于顯著圖的目標(biāo)圖像檢索方法
    4.5 實(shí)驗(yàn)及討論
        4.5.1 多尺度視覺顯著圖提取方法評(píng)價(jià)
        4.5.2 基于顯著圖的目標(biāo)圖像檢索實(shí)驗(yàn)
    4.6 本章小結(jié)
第五章 基于視覺一致性的目標(biāo)圖像檢索方法
    5.1 引言
    5.2 顯著圖計(jì)算
    5.3 基于視覺一致性的圖像聚類
        5.3.1 顯著區(qū)域特征提取
        5.3.2 基于視覺一致性的帶權(quán)圖像聚類
    5.4 實(shí)驗(yàn)及討論
        5.4.1 Caltech-101 實(shí)驗(yàn)評(píng)價(jià)
        5.4.2 Google 圖像搜索引擎實(shí)驗(yàn)評(píng)價(jià)
    5.5 本章小結(jié)
第六章 結(jié)論與展望
    6.1 本文的主要結(jié)論和創(chuàng)新點(diǎn)總結(jié)
    6.2 下一步的工作設(shè)想
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的研究成果
致謝
附件



本文編號(hào)：3829593