基于内容web图像搜索引擎图像检索算法的研究

《基于内容web图像搜索引擎图像检索算法的研究》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、论文题目：基于内容的Web图像搜索引擎的图像检索算法研究专业：计算机应用技术硕士生：贺静(签名)指导教师：李爱国(签名)摘要基于内容的图像搜索引擎（CBIR）是根据图像的特征在图像数据库中搜索自己想要的图像。研究更加有效的图像搜索技术，提高用户对图像搜索引擎的满意度对基于内容的搜索引擎具有十分重要的意义。本文采用动态调整权值的区域加权信息熵算法来提取图像特征。在研究相关反馈技术的基础上，实现了多特征融合的相关反馈算法，探索适合基于内容图像搜索引擎中的图像特征提取方法和相关反馈方法，并开发出基于内

2、容的搜索引擎系统。主要的工作包括：在区域加权信息熵理论的基础上，提出了动态调整权值的区域加权信息熵图像特征提取算法。该算法采用动态调整权值的区域信息熵表示图像特征，根据图像颜色空间分布的不同情况动态确定图像每个区域的权值，由这些动态生成的权值得到图像动态调整权值的区域加权信息熵值。与现有的权值固定的区域加权信息熵图像特征提取算法相比，动态调整权值的区域加权信息熵算法更能满足复杂数字图像特征提取的要求。实验结果表明，动态调整权值的区域加权信息熵算法比区域加权信息熵算法提取图像特征的准确率高6%。在

3、动态调整权值的区域加权信息熵算法的基础上，结合图像HSV空间颜色模型平均颜色特征提取算法，提出了一种基于动态调整权值的区域加权信息熵和平均颜色特征提取算法的多特征融合相关反馈技术。其思想是针对复杂数字图像库中的图像并不能用单一的特征来描述图像的问题，根据图像内容的多样性，使用多特征融合的相关反馈技术。用户提交检索图像后，系统首先根据算法设计提取图像的不同特征，然后根据图像的特征向量得到图像检索后的结果集，最后通过相关反馈技术不断调整图像的结果集排列情况。实验结果表明，多特征融合相关反馈后的检索准

4、确率比单纯的平均颜色特征提取算法提高32.4%，而比动态调整权值的区域加权信息熵算法的检索准确率提高8.4%。在上述研究的基础上，本课题组设计并实现了基于内容的Web图像搜索引擎V3.0系统。该系统采用动态调整权值的区域加权信息熵方法提取图像特征、采用相关反馈技术调整检索结果，采用JNI技术保证图像特征提取算法在系统中的独立性。测试结果表明内容的Web图像搜索引擎V3.0系统在性能和检索效果上都比搜索引擎V2.0系统有了比较明显的改善。关键字：基于内容图像搜索引擎；图像特征提取；区域加权信息熵；

5、相关反馈研究类型：应用研究Subject:ImageRetrievalAlgorithmsforContent-basedWebImageSearchEnginesSpecialty:ComputerApplicationTechnologyName:JingHe(Signature)Instructor:AiguoLi(Signature)ABSTRACTBasedonthecontentoftheimagesearchengine(CBIR)istosearchimageswhichuser

6、wantsaccordingtothecharacteristicsfromimagesdatabase.Ithasveryimportanttheoreticalsignificanceforcontent-basedsearchenginethatstudyingonmoreeffectiveimageretrievaltechnology,sinceitcouldimprovecustomer’ssatisfactionontheimagesearchengine.Thisarticlew

7、illusedynamicadjustingtheweightsarea-weightedinformationentropyalgorithmtoextractimagefeatures.Basedonresearchofrelevantfeedback,multi-featurefusionrelevantfeedbackalgorithmhasbeenachieved.Onthebasisofimagefeatureextractionandimagesearchenginerelevan

8、tfeedbacktechniques,exploreandresearchimagefeatureextractionandrelevantfeedbacktechniquessuitableforcontent-basedimagesearchenginetechnology,anddevelopcontent-basedsearchenginesystem.Themajorworkincludes.Existingimagefeatureextractionalgorithmshavebe