资源描述:
《图像感兴趣区域提取技术研究—区域生长算法---毕业论文.doc》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、本科毕业论文图像感兴趣区域提取技术研究—区域生长算法RegionofInterestExtractionResearch—RegionGrow姓名:学号:学 院:软件学院系:软件工程专业:软件工程年级:指导教师: 年月摘要随着数字化技术的发展,数字图像日益丰富。为了对海量图像数据进行有效管理,基于内容的图像检索技术已成为一个研究热点。基于内容的图像检索技术克服了传统数据库需要对图像手工添加文本标注的缺点,已经成为数字图书馆、搜索引擎等应用领域的核心技术。基于内容的图像检索技术主要根据图像的各种视觉特征进行检索,目前主要集中
2、于低层特征如颜色、纹理、形状等的相似度匹配的研究。由于目前计算机视觉及人工智能等技术还不够完善,计算机对图像内容的理解与人对图像内容的理解存在着巨大客观差距,这种差距造成了当前CBIR系统中必然会存在的“语义鸿沟(Semanticgap)”问题。在图像检索中利用图像的全局特征往往不能有效地反映用户关注的主题对象;而采用自动分割技术又很难提取出有效的目标区域,况且由于缺少高层语义知识,目前还没有基于语义级的有效的目标区域提取算法,这些不足致使我们很难提取出能准确表达用户检索意图的图像区域。此外,在图像检索中只提取图像单个特征往
3、往不能满足各种检索需求。感兴趣区域(RegionsofInterest)是指图像中最能引起用户兴趣、最能表现图像内容的区域。基于感兴趣区域的图像描述和检索方法既利用了图像的局部特征,又消除了次要信息的干扰,从而更准确地概括了图像的内容。感兴趣区域的提取的过程,实际上就是图像特征的提取过程,因此,感兴趣区域提取是现在基于内容的图像检索法的重点同时也是难点。关键词:ROI;显著度图;区域生长;AbstractWiththedevelopmentofdigitaltechnology,digitalimagingisbecomin
4、gmuchmoreabundant.Toeffectivelymanagetheimagedata,content-basedimageretrievaltechnology(Content-BasedImageRetrieval,referredtoCBIR)hasbecomearesearchhotspot.Content-basedimageretrievaltechniqueshaveovercometheshortcomingofmanuallyaddatextlabelintraditionalimagedata
5、bases,besides,ithasbecomethecoretechnologyofsomefields,suchasthedigitallibrary,searchenginesandotherapplications.CBIRrealizestheretrievalprimarilybasedonvariousvisualfeaturesofimage,andcurrentresearchfocusonlow-levelcharacteristicssuchascolor,texture,shape,similari
6、tymatching.Asthecomputervisionandartificialintelligencetechnologyisnotperfect,thereisahugegapintheunderstandingimagecontentbetweenthecomputerandthehuman,whichcanuse"semanticgap(Semanticgap)"existedincurrentCBIRsystems.Usingglobalfeaturesinimageretrieval,imagesoften
7、cannoteffectivelyreflectthethemeoftheobjectconcerned;andtheuseofautomaticsegmentationtechnologyisdifficulttoextractaneffectivetargetarea.Moreover,duetothelackofhigh-levelsemanticknowledge,thereisnoeffectivetargetregionextractingalgorithmbasedonthesemanticlevel.Ares
8、ultofthesedeficiencies,itisdifficulttoextractexactregionuserssearchforaccuratelywhichexpressusers’intention.Inaddition,extractingonlyasinglefeatu