本文選題：圖像檢索　切入點(diǎn)：局部特征　出處：《太原理工大學(xué)》2017年碩士論文　論文類(lèi)型：學(xué)位論文

【摘要】：隨著互聯(lián)網(wǎng)+時(shí)代的來(lái)到,網(wǎng)絡(luò)與人們的學(xué)習(xí)、生活以及工作等都發(fā)生了越來(lái)越緊密的聯(lián)系,與此同時(shí)也使得圖像數(shù)量急劇增加。那么,如何從海量的圖像數(shù)據(jù)庫(kù)中極速、精確地檢索圖像顯然已成為一個(gè)十分有意義而且具備挑戰(zhàn)性的課題。目前,圖像檢索技術(shù)主要分為兩大類(lèi):基于文本的圖像檢索(TBIR)和基于內(nèi)容的圖像檢索(CBIR)。圖像檢索研究談?wù)摰暮诵募夹g(shù)是圖像特征的提取。圖像的特征一般可以通過(guò)局部特征或者全局特征來(lái)描述,全局特征可以把圖像各個(gè)部分的影響因素綜合的考慮進(jìn)去,而局部特征更能反映出細(xì)節(jié)信息。然而,圖像內(nèi)容的變化是如此復(fù)雜和多變,要想僅通過(guò)單一特征就能夠高效準(zhǔn)確地完成圖像檢索恐怕是非常困難的。針對(duì)這一問(wèn)題,本文提出一種新的基于局部特征和全局特征相融合的圖像檢索算法。主要研究工作如下:1.針對(duì)圖像局部特征和全局特征如何提取進(jìn)行研究和討論。對(duì)于局部特征,選取最具代表性的SIFT特征,并著重介紹一幅圖像特征描述子的生成過(guò)程;對(duì)于全局特征,分別討論量化以后的顏色特征和改進(jìn)的LBP紋理特征。2.針對(duì)SIFT描述子大多是使用圖像的灰度信息來(lái)進(jìn)行描述,對(duì)形狀類(lèi)似但顏色不同、同一形狀但背景有差異的物體辨別能力差的問(wèn)題,本文提出一種改進(jìn)的SIFT特征描述符,并在改進(jìn)的基礎(chǔ)之上融合顏色特征對(duì)圖像進(jìn)行檢索。3.針對(duì)SIFT算法在圖像特征提取和檢索中易受圖像噪聲和亮度變化影響的問(wèn)題,本文提出了基于紋理的LBP算法與局部SIFT算法相結(jié)合的圖像檢索算法。通過(guò)大量實(shí)驗(yàn)仿真表明,本文提出的融合算法與僅靠單一特征檢索圖像的算法比較,具有很好的檢索性能,證明了基于局部特征與全局特征的圖像檢索算法的準(zhǔn)確性和有效性。
[Abstract]:With the advent of the Internet era, the network and people's study, life and work have been more and more closely linked, and at the same time, the number of images has increased dramatically. Accurately retrieving images has clearly become a very meaningful and challenging subject. Image retrieval technology is divided into two main categories: text-based image retrieval (TBIRR) and content-based image retrieval (CBIR). The core technology of image retrieval research is image feature extraction. Feature or global feature to describe, The global feature can take into account the influence factors of each part of the image, while the local feature can reflect the detail information more. However, the change of the image content is so complex and changeable. It may be very difficult to do image retrieval efficiently and accurately with a single feature. In this paper, a new image retrieval algorithm based on the fusion of local and global features is proposed. The main research work is as follows: 1. How to extract local and global features of images is studied and discussed. The most representative SIFT feature is selected, and the process of generating a feature descriptor of an image is introduced. The color features after quantization and the improved LBP texture features are discussed respectively. For the SIFT descriptors, most of them are described by the gray level information of the image, but the shapes are similar but the colors are different. In this paper, an improved SIFT feature descriptor is proposed for the problem of poor discriminant ability of objects with the same shape but different background. Based on the improved algorithm, the color feature is fused to retrieve the image. 3. Aiming at the problem that SIFT algorithm is easy to be affected by image noise and brightness change in image feature extraction and retrieval. In this paper, an image retrieval algorithm based on texture based LBP algorithm and local SIFT algorithm is proposed. A large number of experiments show that the fusion algorithm proposed in this paper has good retrieval performance compared with the one based on a single feature. The accuracy and validity of image retrieval algorithm based on local feature and global feature are proved.
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 姚玉閣;于艷東;;基于興趣點(diǎn)特征的圖像檢索方法[J];吉林大學(xué)學(xué)報(bào)(理學(xué)版);2016年02期

2 冀鑫;冀小平;;融合矢量量化與LBP的圖像檢索算法[J];電視技術(shù);2015年23期

3 陳燕芹;段錦;祝勇;錢(qián)小飛;肖博;;基于紋理特征的圖像復(fù)雜度研究[J];中國(guó)光學(xué);2015年03期

4 祝曉斌;劉亞奇;蔡強(qiáng);曹健;;基于內(nèi)容的圖像檢索技術(shù)研究[J];計(jì)算機(jī)仿真;2015年05期

5 周東堯;伍岳慶;姚宇;;基于全局特征和尺度不變特征轉(zhuǎn)換特征融合的醫(yī)學(xué)圖像檢索[J];計(jì)算機(jī)應(yīng)用;2015年04期

6 葛杰;曹晨晨;李光;;基于機(jī)器視覺(jué)的圖像形狀特征提取方法研究進(jìn)展[J];包裝學(xué)報(bào);2015年01期

7 劉政;劉本永;;基于圖像深度信息的尺度不變特征變換算法誤匹配點(diǎn)對(duì)剔除[J];計(jì)算機(jī)應(yīng)用;2014年12期

8 王帥;孫偉;姜樹(shù)明;劉曉輝;彭蓬;;基于旋轉(zhuǎn)不變特征的SIFT描述子在圖像配準(zhǔn)中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2014年09期

9 閆允一;姜帥;郭寶龍;;結(jié)合穩(wěn)定興趣點(diǎn)和Gabor小波的圖像檢索[J];西安電子科技大學(xué)學(xué)報(bào);2014年05期

10 賈偉;王正勇;張杰;李偉;;一種基于改進(jìn)的CS-LBP算子紋理圖像自適應(yīng)檢索方法[J];微電子學(xué)與計(jì)算機(jī);2013年09期

相關(guān)碩士學(xué)位論文 前5條

1 黃德志;基于改進(jìn)局部二值模式的圖像分類(lèi)算法研究[D];吉林大學(xué);2016年

2 孔超;基于興趣區(qū)域的圖像檢索方法研究[D];山東師范大學(xué);2015年

3 肖健;SIFT特征匹配算法研究與改進(jìn)[D];重慶大學(xué);2012年

4 陳思維;基于內(nèi)容圖像檢索技術(shù)算法的研究與實(shí)現(xiàn)[D];南京理工大學(xué);2012年

5 王霞;基于內(nèi)容圖像檢索方法的研究[D];南京信息工程大學(xué);2011年

，

本文編號(hào)：1559069