本文關(guān)鍵詞：基于幾何二階矩和局部特征融合的圖像檢索

  更多相關(guān)文章： 圖像檢索 SURF 幾何二階矩 魯棒性

【摘要】：圖像檢索就是用戶在龐大的圖像庫中檢索、瀏覽想要的圖像信息的過程。圖像檢索技術(shù)是圖像處理的關(guān)鍵性技術(shù)之一,被廣泛以用于地理信息系統(tǒng),搜索引擎,知識產(chǎn)權(quán)保護,醫(yī)療臨床診斷等領(lǐng)域。隨著大數(shù)據(jù)時代的來臨,數(shù)字圖像等直觀多媒體信息的數(shù)量呈現(xiàn)出了爆發(fā)式的增長。在充斥著大量圖像信息的萬維網(wǎng)中,想要檢索到自己想要相關(guān)的圖像及其信息不再變得那么簡單;與此同時,智能終端的普及使得人們隨時隨地都能搜索瀏覽圖像,圖像檢索的環(huán)境正在從靜態(tài)向著動態(tài)的方向發(fā)展。圖像檢索技術(shù)面臨著準(zhǔn)確性以及穩(wěn)定性的雙重考驗。本文通過分析國內(nèi)外圖像檢索發(fā)展現(xiàn)狀以及圖像檢索的關(guān)鍵性技術(shù),提出了多特征融合的圖像檢索方法,通過實驗證明了算法的可行性,本文完成的工作如下:1.提出了局部特征在復(fù)雜環(huán)境下進行圖像檢索的可行性想法并進行了驗證。由于圖像檢索的環(huán)境開始變復(fù)雜,待檢索圖像出現(xiàn)多種變化,特征提取與描述將變得困難。用于圖像配準(zhǔn)的高精度局部特征描述可以很好的適應(yīng)這種情況,對SIFT以及SURF特征分別進行了光照變化,圖像模糊,視角變化的魯棒性實驗,證明了SURF特征應(yīng)用于圖像檢索的可能性。2.提出了基于幾何二階矩與SURF特征融合的快速圖像檢索方法。利用幾何二階矩進行圖像粗檢索,縮小檢索范圍,再使用局部特征進行精準(zhǔn)檢索,在幾乎不損失檢索精度的情況下,加快了圖像檢索速度,并在商標(biāo)檢索中應(yīng)用得到了預(yù)期的效果。使用該算法對語義相關(guān)圖像檢索進行了探究性實驗,得到了較好結(jié)果,并分析了其中的優(yōu)劣。
【關(guān)鍵詞】：圖像檢索 SURF 幾何二階矩 魯棒性
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 符號對照表10-11
• 縮略語對照表11-14
• 第一章 緒論14-18
• 1.1 圖像檢索的研究背景與意義14-15
• 1.2 圖像檢索國內(nèi)外研究現(xiàn)狀與難題15-16
• 1.3 著名圖像檢索系統(tǒng)介紹16-17
• 1.4 論文的主要工作及內(nèi)容安排17-18
• 第二章 圖像檢索的基礎(chǔ)理論18-28
• 2.1 圖像檢索流程簡介18-19
• 2.2 特征檢測與描述19-23
• 2.2.1 顏色20-21
• 2.2.2 紋理21-22
• 2.2.3 形狀22
• 2.2.4 局部特征22-23
• 2.3 相似性度量23-25
• 2.3.1 距離函數(shù)24-25
• 2.3.2 相似系數(shù)函數(shù)25
• 2.3.3 多特征相似度計算25
• 2.4 系統(tǒng)性能評價25-27
• 2.4.1 查全率和查準(zhǔn)率26-27
• 2.4.2 PVR曲線27
• 2.4.3 用戶評價27
• 2.5 本章小結(jié)27-28
• 第三章 局部特征的魯棒性分析28-46
• 3.1 SIFT特征28-32
• 3.1.1 差分尺度空間構(gòu)造29-30
• 3.1.2 關(guān)鍵點檢測30
• 3.1.3 關(guān)鍵點描述30-31
• 3.1.4 特征匹配31-32
• 3.2 SURF特征32-35
• 3.2.1 構(gòu)造尺度空間32-34
• 3.2.2 興趣點描述34-35
• 3.3 局部特征魯棒性實驗及結(jié)果分析35-44
• 3.3.1 光照變化魯棒性對比實驗37-38
• 3.3.2 圖像模糊魯棒性對比實驗38-39
• 3.3.3 圖像壓縮魯棒性對比實驗39-40
• 3.3.4 視角變化魯棒性對比實驗40-41
• 3.3.5 旋轉(zhuǎn)變化魯棒性對比實驗41-42
• 3.3.6 尺度變化魯棒性對比實驗42-43
• 3.3.7 匹配時間實驗43
• 3.3.8 實驗結(jié)果分析43-44
• 3.4 本章小結(jié)44-46
• 第四章 基于幾何二階矩與SURF的快速圖像檢索46-66
• 4.1 無形變歸一化46-48
• 4.2 幾何不變矩算法研究與改進48-53
• 4.2.1 不變矩定義48-49
• 4.2.2 不變矩相似距離計算公式以及改進49-50
• 4.2.3 幾何二階矩與七不變矩的對比實驗50-53
• 4.3 算法流程及介紹53-55
• 4.4 商標(biāo)圖像檢索實驗及實驗結(jié)果分析55-60
• 4.5 語義相關(guān)圖像檢索實驗及分析60-63
• 4.6 本章小結(jié)63-66
• 第五章 總結(jié)與展望66-68
• 5.1 本文工作總結(jié)66
• 5.2 未來展望66-68
• 參考文獻68-71
• 致謝71-72
• 作者簡介72-73

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 黃祥林,宋磊,沈蘭蓀;用于圖像檢索的連通直方圖方法[J];電路與系統(tǒng)學(xué)報;2002年04期

2 ;A METHOD OF SHAPE ENCODING AND RETRIEVAL[J];Journal of Electronics(China);2002年03期

3 黃祥林,沈蘭蓀;基于內(nèi)容的圖像檢索技術(shù)研究[J];電子學(xué)報;2002年07期

4 孫興華;郭麗;王正群;楊靜宇;;基于子圖像多特征組合的商標(biāo)圖像檢索[J];模式識別與人工智能;2002年01期

，

本文編號：751340