【摘要】：古籍漢字結(jié)構(gòu)復雜、字形多變等特點以及年代久遠所致的字形降質(zhì)等因素,導致傳統(tǒng)的漢字圖像特征和檢索方法在處理古籍漢字圖像時效果不佳,存在許多亟待解決的問題。本文針對古籍漢字特點,將猶豫模糊集理論引入古籍漢字圖像檢索中,提出一種基于猶豫模糊特征的古籍漢字圖像檢索方法。通過利用猶豫模糊集理論在處理多特征、多隸屬度方面的優(yōu)勢,將多個結(jié)構(gòu)特征和統(tǒng)計特征融合,實現(xiàn)古籍漢字圖像檢索。在對古籍漢字特點進行分析與歸納的基礎上,對古籍漢字圖像檢索系統(tǒng)中的關鍵環(huán)節(jié)進行了研究與設計。首先,針對古籍漢字圖像自身以及所處介質(zhì)的特點,進行二值化、去噪、切分、骨架提取等圖像預處理工作,為進一步的特征提取打下基礎;其次,對古籍漢字圖像的檢索特征進行選擇,構(gòu)建評價屬性及相關評價指標,對每個評價指標定義相應的隸屬度函數(shù),并在此基礎上形成古籍漢字圖像檢索的猶豫模糊集合;最終,采用猶豫模糊集的相似度測度理論,將兩個古籍漢字圖像之間的相似度測量問題轉(zhuǎn)化為古籍漢字圖像所構(gòu)成的猶豫模糊集合之間的相似度測度問題,得到檢索圖像與候選圖像之間的相似度,實現(xiàn)古籍漢字檢索結(jié)果圖像的有序輸出。根據(jù)本文方法實現(xiàn)了基于猶豫模糊集的古籍漢字圖像檢索系統(tǒng),采用古籍《四庫全書》中的圖像樣張,進行對比實驗分析,本方法在查準率、召回率和F值上都有一定程度提高。實驗結(jié)果表明,所提出的基于猶豫模糊特征的古籍漢字圖像檢索方法,能夠更好地適應古籍漢字的特點。
【學位授予單位】：河北大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：H12;TP391.41
【圖文】：

像二值化將有多個灰度等級的圖像，經(jīng)過閾值化后的圖像仍然保持了能夠體現(xiàn)原始減少，有利于加快后續(xù)環(huán)節(jié)的處理速題是閾值的選取，常用的閾值選取算對于光照不均勻的圖像效果不佳，尤，會出現(xiàn)較多的斷筆現(xiàn)象，而本文使，如圖 2-1 所示。因此本文在二值化的背景圖，然后根據(jù)背景亮度的高低算法 2.1 所示，最后采用局部自適應

（a）二值化前 （b）二值化后圖 2-2 古籍漢字版面圖像二值化籍漢字版面圖像去噪學設備輸入的古籍漢字版面圖像，會存在許多的墨漬、黑斑、噪點，存在各種各樣的格線和批注，如圖 2-3 所示，這些因素都會對古籍圖像特征提取造成不利影響，因此需要在切分前對古籍漢字版面圖像進行黑斑

易造成圖像邊界模糊，影響圖像細節(jié)。2）非線性濾波線性濾波在去除噪聲的同時，能夠保持圖像清晰，其中較典型的是中值濾值濾波是指將圖像中目標像素點的值用周圍鄰域中各點值排序，取中間值的值。例如，假定一個 3×3 中值平滑模板，當前像素點為 f ( x , y )，中值濾 f '( x , y )，其計算規(guī)則如式 2.2 所示。= ( , ); , 1, 0,1'( , ) ( ); ( )M f x m y n m nf x y median M median M M+ + 表示取所有 中值古籍樣張上依次進行了均值濾波[61]、中值濾波[62]、高斯濾波[63]、雙邊濾波[，圖 2-4 為中值濾波前后的版面圖像對比圖。實驗過程中，選擇了 3×3、57 等多種模板，圖 2-4（a）為中值濾波前的古籍漢字版面圖像，圖 2-4（b去噪后的古籍漢字版面圖像。

【相似文獻】

相關期刊論文 前10條

1 陳濤;;基于多示例學習的圖像檢索方法[J];網(wǎng)絡安全技術與應用;2019年04期

2 方恩亮;細胞分裂方式圖像檢索[J];中學生物教學;1996年02期

3 冀振燕;姚偉娜;皮懷雨;;個性化圖像檢索和推薦[J];北京郵電大學學報;2017年03期

4 何巖;;以計算機為基礎的色彩圖像檢索方法與研究[J];計算機光盤軟件與應用;2013年12期

5 陳雅芳;;基于顏色特征與紋理特征的圖像檢索[J];硅谷;2012年06期

6 張麗麗;劉昌余;;基于盲取證的醫(yī)學圖像檢索及語義表達研究綜述[J];電腦知識與技術;2012年22期

7 曹梅;;網(wǎng)絡圖像檢索行為與心理研究[J];中國圖書館學報;2011年05期

8 崔文成;邵虹;;基于遺傳算法的圖像檢索中特征權(quán)重自動調(diào)整[J];計算機工程與應用;2008年02期

9 聶桂軍;周源;;圖像檢索研究進展[J];南京工業(yè)職業(yè)技術學院學報;2008年02期

10 郭彥錚;岳建華;;基于內(nèi)容的醫(yī)學圖像檢索[J];醫(yī)療設備信息;2006年01期

相關會議論文 前10條

1 陳世亮;李戰(zhàn)懷;閆劍鋒;;一種基于本體描述的空間語義圖像檢索方法[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2004年

2 王晗;滕鵬;梁瑋;;使用稠密興趣點包的非對稱風景圖像檢索[A];第七屆和諧人機環(huán)境聯(lián)合學術會議（HHME2011)論文集【poster】[C];2011年

3 許天兵;;一種基于語義分類的圖像檢索方法[A];中國圖象圖形學會第十屆全國圖像圖形學術會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術研討會（CVR’2001）論文集[C];2001年

4 周向東;張亮;張琪;劉莉;殷慷;施伯樂;;一種新的圖像檢索相關反饋方法[A];第十九屆全國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2002年

5 李凌偉;周榮貴;劉怡;;基于概念的圖像檢索方法[A];第十九屆全國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2002年

6 朱遠清;李才偉;;一種基于前景與背景劃分的區(qū)域圖像檢索方法及實現(xiàn)[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

7 彭瑜;喬奇峰;魏昆娟;;基于多示例學習的圖像檢索方法[A];第三屆全國信息檢索與內(nèi)容安全學術會議論文集[C];2007年

8 胡敬;武港山;;基于語義特征的風景圖像檢索[A];2009年研究生學術交流會通信與信息技術論文集[C];2009年

9 王云鶴;史淼晶;許超;;基于流形聚類的圖像檢索方法[A];第七屆全國信號和智能信息處理與應用學術會議會刊[C];2013年

10 張世佳;黃鑫;王衡;汪國平;;一種基于綜合區(qū)域比較的圖像檢索方法[A];第一屆建立和諧人機環(huán)境聯(lián)合學術會議（HHME2005）論文集[C];2005年

相關重要報紙文章 前1條

1 ;圖像檢索新技術[N];中國知識產(chǎn)權(quán)報;2000年

相關博士學位論文 前10條

1 張憲林;基于草圖的圖像檢索關鍵技術研究[D];北京郵電大學;2019年

2 李珂;基于草圖的精細圖像檢索[D];北京郵電大學;2019年

3 于來行;基于視覺注意模型的圖像檢索方法研究[D];大連理工大學;2018年

4 蘇雯;語義分割及其在圖像檢索中的應用[D];中國科學技術大學;2018年

5 李莉;基于基元特征提取的圖像檢索方法研究[D];大連理工大學;2017年

6 劉少偉;面向用戶意圖的社會化圖像檢索[D];清華大學;2016年

7 郭麗;基于內(nèi)容的商標圖像檢索研究[D];南京理工大學;2003年

8 邵虹;基于內(nèi)容的醫(yī)學圖像檢索關鍵技術研究[D];東北大學;2005年

9 韋娜;基于內(nèi)容圖像檢索關鍵技術研究[D];西北大學;2006年

10 沈項軍;基于語義學習的圖像檢索研究[D];中國科學技術大學;2006年

相關碩士學位論文 前10條

1 李嘉璽;基于支持向量機的相關反饋圖像檢索算法設計[D];西安電子科技大學;2018年

2 徐盼盼;基于哈希學習的圖像檢索方法研究[D];沈陽工業(yè)大學;2019年

3 趙宇;基于草圖的交互式圖像搜索與融合系統(tǒng)[D];北京郵電大學;2019年

4 袁暉;基于特征性能增強和目標定位的圖像檢索研究[D];西安理工大學;2019年

5 郎帥;基于卷積神經(jīng)網(wǎng)絡的圖像檢索方法研究[D];重慶理工大學;2019年

6 熊舒羽;基于深度學習技術的醫(yī)學圖像檢索方法研究[D];重慶理工大學;2019年

7 柴彥立;基于猶豫模糊特征的古籍漢字圖像檢索[D];河北大學;2019年

8 劉凡;基于機器學習的圖像檢索研究[D];上海師范大學;2019年

9 岳清清;深度學習在巖石薄片圖像檢索中的應用研究[D];西安石油大學;2019年

10 胡勝達;基于內(nèi)容的圖像檢索技術研究[D];北方工業(yè)大學;2019年

本文編號：2772574