本文關鍵詞：基于多分辨率和顯著特征的圖像檢索方法研究

  更多相關文章： 圖像檢索 小波變換 多分辨率分析 顯著特征 稀疏表達

【摘要】：隨著科學的進步和人類文明化程度的不斷深化,人類不再僅僅滿足于以文本作為信息的載體帶來的視覺感受,二維的圖像、視頻等高維度的信息載體逐漸走進普通人的日常生活。數(shù)字技術的發(fā)展不僅為海量圖像、視頻等數(shù)據(jù)的儲存、傳播,同時也為其內(nèi)容不斷更新提供了保證,給人類的生活與工作帶來了極大的便利。在如此海量的信息資源中有效管理并及時準確地找到用戶所需要的圖像、視頻信息是圖像檢索技術及方法研究所要解決的核心問題。目前此領域的研究主要集中在基于內(nèi)容的圖像檢索方法及技術上,熱點方向主要是基于壓縮域、基于融合視覺關注模型、基于相關反饋技術、基于多模態(tài)、基于語義以及深度學習等圖像檢索方法及技術。本論文主要利用圖像在壓縮域中的多分辨率特性以及視覺關注模型中的顯著特性,探索和研究了基于內(nèi)容的圖像檢索方法,主要做了以下幾個方面的工作。第一,提出了基于多分辨率的圖像顏色及形狀特征的檢索方法(MRCS)。本方法結合了小波變換和聚合向量的概念,應用動態(tài)閾值代替了原有聚合向量方法中固定閾值的方法判斷區(qū)域的連續(xù)性,并對圖像經(jīng)過小波分解后的低頻子圖小波系數(shù)和高頻子圖小波系數(shù)分別采用軟閾值去噪方法、最大類間方差法以及中值濾波的方法對其進行優(yōu)化。同時,對小波分解后的高頻系數(shù)的特征提取采用了幾何方法,引入了修正后的圓形度概念表達圖像的幾何特征,改善了由于對形狀變化具有非常高的敏感性而造成的幾何特征問題。實驗結果表明,本章節(jié)提出方法的平均查準率總和的平均值和平均查全率總和的平均值分別為72.5%和42.9%。第二,提出了融合圖像多分辨率和點的顯著性特征的圖像檢索方法(MRCSP)。采用了通過相似度改進后的Harris角點檢測算法檢測角點,以更好地保留Harris角點檢測算法的精度和減少其運算的時間。同時,采用了改進后的小波顯著點候選值的檢測小波顯著點,更好地呈現(xiàn)圖像高頻子圖的不同方向的顯著特征。并應用于頻域范圍里圖像點顯著特征的提取,以實現(xiàn)圖像檢索。實驗結果表明,本章節(jié)提出方法的平均查準率總和的平均值和平均查全率總和的平均值分別為80.8%和47.6%。第三,提出了融合圖像多分辨率和區(qū)域顯著特征的圖像檢索方法(MRCSR)。通過提取正交匹配算法對圖像分解后的殘差,利用此殘差恢復圖像的區(qū)域特征;同時,結合通過經(jīng)過小波變換后的圖像高頻子圖提取其邊緣特征,融合后共同表達圖像的顯著特征。通過修正后的圓形度表征圖像的顯著特征,以實現(xiàn)圖像檢索。實驗結果表明,本章節(jié)提出方法的平均查準率總和的平均值和平均查全率總和的平均值分別為83.1%和50.9%。目前,雖然基于內(nèi)容圖像檢索方法的研究已經(jīng)取得了較大地進展,但是離實際應用方面還存在一定的差距。本論文利用圖像在壓縮域中的多分辨率特性,提出了基于多分辨率的圖像顏色和形狀的圖像檢索方法。同時,結合圖像在視覺關注模型中的顯著特征表達,提出了融合多分辨和顯著特征的圖像檢索方法。本論文的研究成果為基于內(nèi)容圖像檢索的理論和方法研究提供了新的思路和可行的方法,也為基于內(nèi)容的圖像檢索技術的實際應用提供了借鑒。
【關鍵詞】：圖像檢索 小波變換 多分辨率分析 顯著特征 稀疏表達
【學位授予單位】：上海大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要6-8
• ABSTRACT8-14
• 第一章 緒論14-26
• 1.1 本課題研究的背景及意義14-15
• 1.2 基于內(nèi)容圖像檢索的基本原理15-18
• 1.2.1 圖像的底層特征15-16
• 1.2.2 圖像相似性度量16
• 1.2.3 檢索性能的評價標準16-18
• 1.3 基于內(nèi)容圖像檢索方法的研研究現(xiàn)狀及趨勢究現(xiàn)狀及趨勢18-23
• 1.3.1 基于語義的圖像檢索方法18-19
• 1.3.2 基于多模態(tài)的圖像檢索方法19-20
• 1.3.3 基于相關反饋的圖圖像檢索方法像檢索方法20-21
• 1.3.4 基于壓縮域的圖像檢索方法21-22
• 1.3.5 基于融合視覺關注模型的圖像檢索方法22-23
• 1.4 本文的研究究內(nèi)容內(nèi)容23-24
• 1.5 本文的內(nèi)容安排24-26
• 第二章 圖像的多分辨率分析和顯著特征26-45
• 2.1 人類視覺系統(tǒng)26-29
• 2.1.1 人類視覺系統(tǒng)的基本構造26
• 2.1.2 人類視覺系統(tǒng)的空間頻率特性26-28
• 2.1.3 人類視覺系統(tǒng)的信息處理機制28-29
• 2.2 圖像的多分辨率分析29-37
• 2.2.1 小波變換及快速算法29-33
• 2.2.2 圖像的小波變換及快速算法33-35
• 2.2.3 小波基函數(shù)的選取35-36
• 2.2.4 圖像的多分辨率特征與視覺系統(tǒng)特性的關系36-37
• 2.3 圖像的顯著特征37-43
• 2.3.1 基于點的顯著特征檢測37-40
• 2.3.2 基于區(qū)域的顯著特征檢測40-42
• 2.3.3 圖像的顯著特征與視覺系統(tǒng)特性的關系42-43
• 2.4 本章小結43-45
• 第三章 基于多分辨率的圖像顏色及形狀特征的檢索方法45-73
• 3.1 基于小波改進的聚合向量45-51
• 3.1.1 聚合向量46-47
• 3.1.2 圖像的小波變換47-49
• 3.1.3 基于小波改進的聚合向量49-51
• 3.2 子圖小波系數(shù)的量化51-54
• 3.3 子圖小波系數(shù)的優(yōu)化54-61
• 3.3.1 低頻子圖小波系數(shù)的優(yōu)化56-59
• 3.3.2 高頻子圖小波系數(shù)的優(yōu)化59-61
• 3.4 基于多分辨率的圖像顏色及形狀特征檢索方法61-64
• 3.4.1 圖像特征的提取62-63
• 3.4.2 相似性度量63-64
• 3.5 實驗結果與討論64-71
• 3.6 本章小結71-73
• 第四章 融合多分辨率和點顯著特征的圖像檢索方法73-94
• 4.1 基于多分辨率圖像點顯著特征檢測73-86
• 4.1.1 小波顯著點的檢測74-78
• 4.1.2 改進的Harris角點檢測算法78
• 4.1.3 改進的Harris檢測算法對小波顯著點的檢測78-83
• 4.1.4 小波系數(shù)顯著點分布區(qū)域權重的選擇83-86
• 4.2 融合多分辨率和點顯著特征的圖像檢索方法86-87
• 4.2.1 圖像點顯著特征的提取86
• 4.2.2 相似性度量86-87
• 4.3 實驗結果與討論87-93
• 4.3.1 查準率的比較87-89
• 4.3.2 查全率的比較89-90
• 4.3.3 Rank的比較90-91
• 4.3.4 本文方法檢索的幾個例子91-93
• 4.4 本章小結93-94
• 第五章 融合多分辨率和區(qū)域顯著特征的圖像檢索方法94-115
• 5.1 基于于多分辨率的多分辨率的的圖像圖像像顯著顯著著特征特征征檢測檢測94-102
• 5.1.1 殘差恢復的圖像像區(qū)域區(qū)域域特征特征95-98
• 5.1.2 高頻子圖恢復的圖像像邊緣邊緣緣特征特征98-100
• 5.1.3 圖像顯著特征的融合100-102
• 5.2 圖像顏色特征的檢測102-106
• 5.3 融合多分辨率和區(qū)域顯著特征的圖像檢索方法106
• 5.3.1 圖像像特征的提取特征的提取106
• 5.3.2 相似性度量106
• 5.4 實驗結果與討論106-113
• 5.4.1 查準率的比較107-109
• 5.4.2 查全率的比較109-110
• 5.4.3 Rank的比較110-111
• 5.4.4 本文算法檢索的幾個例子111-113
• 5.5 本章小結113-115
• 第六章 結論與展望115-118
• 6.1 本文的主要成果和創(chuàng)新點115-116
• 6.2 本論文期待進一步研究的地方116-118
• 參考文獻118-126
• 攻讀博士學位期間完成論文文126-127
• 致謝127-128

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 劉志福;胡君;;視覺顯著性的八叉樹顏色量化方法[J];計算機工程;2011年06期

2 段永剛;馬立元;李永軍;王天輝;;基于小波分析的改進軟閾值去噪算法[J];科學技術與工程;2010年23期

3 王崴;唐一平;任娟莉;時冰川;李培林;韓華亭;;一種改進的Harris角點提取算法[J];光學精密工程;2008年10期

4 黃誠;王國營;;一種基于顏色聚合向量的圖像檢索方法[J];計算機工程;2006年02期

5 吳洪;盧漢清;馬頌德;;基于內(nèi)容圖像檢索中相關反饋技術的回顧[J];計算機學報;2005年12期

中國博士學位論文全文數(shù)據(jù)庫 前3條

1 吳偉文;基于計算機視覺的目標圖像檢索相關技術的研究[D];華南理工大學;2012年

2 趙倩;基于內(nèi)容的圖像檢索若干技術研究[D];上海大學;2012年

3 陳再良;圖像感興趣區(qū)域提取方法研究[D];中南大學;2012年

中國碩士學位論文全文數(shù)據(jù)庫 前2條

1 林中正;圖像稀疏表示方法及其在圖像檢索領域的應用研究[D];華東理工大學;2013年

2 史燕;基于小波變換的圖像檢索技術研究[D];西北大學;2006年

，

本文編號：1090871