毕业论文--基于颜色特征的图像检索算法的实现

毕业论文--基于颜色特征的图像检索算法的实现

ID:33052336

大小:276.79 KB

页数:24页

时间:2019-02-19

毕业论文--基于颜色特征的图像检索算法的实现_第1页
毕业论文--基于颜色特征的图像检索算法的实现_第2页
毕业论文--基于颜色特征的图像检索算法的实现_第3页
毕业论文--基于颜色特征的图像检索算法的实现_第4页
毕业论文--基于颜色特征的图像检索算法的实现_第5页
资源描述:

《毕业论文--基于颜色特征的图像检索算法的实现》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、本科生毕业论丈心殳计丿题目:基于颜色特征的图像检索算法的实现姓名:XXXX学院:XXXXXX专业:计算机科学与技术班级:XXX级计算机(X)班学号:5014指导教师:XXX职称:副教授201X年5月18日XXXXXXXXXX教务处制摘要1关键字11绪论11.1基于内容的图像检索的概念11.2基于内容的图像检索的发展历史11.3基于内容的图像检索的特点和主要应用11.4基于内容的图像检索的关键技术21.5国内外研究现状31.5.1国外研究现状31.5.2国内研究现状42基于颜色特征的图像检索方法42.1颜色度量体系43颜色特征的表达3.2累加直方图84图像特征的相似性匹配94.1距离度量方

2、法94.2直方图的交集的方法94.3欧式距离法95图像检索算法实现105.1程序开发运行环境105.2程序检索逻辑105.3算法具体实现115.4实例演示146全文总结与展望156.1全文总结156.2展望15致谢15参考文献16英文摘要16基于颜色特征的图像检索算法的实现计算机科学与技术专业学生XX指导老师XX摘要:文章介绍了一种基于颜色特征的图像检索技术的算法并给出了程序实现。首先介绍了基于内容的图像检索技术、发展历史及棊于内容的图像检索技术的特点和主要应川,并在此基础上探讨了该领域所用到的一些关键技术。文章看重探讨了图像的颜色空间、图像特征提取及图像相似性度量等内容,并利用matl

3、ab技术实现了一个简单图像检索的程序。文章最后则对当前基于内容图像检索技术研究热点和今后的发展方向进行简单的阐述。关键字:基于内容的图像检索;颜色特征;颜色直方图;相似度度最方法1绪论1.1基于内容的图像检索的概念基于内容的图像检索⑴(ContentBasedImageRetrieval,CB1R)是一项从图像数据库中找岀与检索式内容相似的图像的检索技术。它利用从图像中自动抽取出来的底层特征,如颜色、纹理、轮廓和形状等特征,进行计算和比较,检索出符合用户需求的结果图像集。目前图像检索系统技术实现的基础是对底层特征信息的计算和比较,也即是“视觉相似”。1.2基于内容的图像检索的发展历史图像

4、检索技术的发展⑵可以分为两个阶段,第一阶段始于70年代,当时的图像检索是通过人工的标注来实现的,随着计算机技术和通信网技术的发展,特别是因特网的快速发展,图像数据的容量越来越犬了,这种“以关键字找图”的方法越来越不适应检索技术的发展了。由于图像内容的丰富内涵以及人们对图像内容进行抽象时的主观性不同的人对同一幅图像冇不同的理解,这就引入了主观多义,不利于检索。为了克服文本标注检索的弊端,90年代研究者提出了基于内容的图像检索,其方法是:根据图像的颜色特征、纹理特征、形状特征以及空间关系等作为索引,计算查询图像和目标图像之间的相似距离,然后按相似度匹配进行检索,这种技术很大程度地利用了人们的

5、视觉客观特性,避免不同人对图像主观理解的不同而达不到理想的搜索效果。从研究方向的层而来看,基于内容的图像检索可分为三层:笫一层是根据图像的底层特性来进行检索,如颜色、纹理,形状等等,涉及图像信息处理、图像分析和相似性匹配技术;第二层是基于图像对象语义,如图像中实体及实体之间的拓扑关系的检索,对象级检索技术建立在下层特:征基础上,并引入了对象模型库、对象识别和人工智能等图像理解技术;第三层是基丁•图像的抽象屈性如行为语义,情感语义和场景语义的推理学习来进行检索。需要用到知识库和更加有效的人工智能和神经网络技术。这三个层次由低到高,与人的认知接近,下一个层次通常包含了比上一个层次更高级的语义

6、,更高层的语义往往通过较低层的语义推理获得。尽管经过了多年的研究,较为成熟的基于内容的图像检索技术目前仍处于底层水平,由于底层研究是上层研究的基础,为了给上层建立准确、冇效的图像特征捉取方法,底层的研究仍在不断的发展。1.3基于内容的图像检索的特点和主要应用基于内容的图像检索技术有以卜•特点[3]:一是它突破了传统的基于表达式检索的局限,从媒体内容屮捉取信息线索。利用图像内容特征建立索引进行检索,使得检索更加有效,适应性更强。二是基于内容的图像检索是一种近似匹配,即按照某种相似性度量,比较图像特征间的差异度。相似度较低的图像将作为检索结果返回给用户。三是它是大型数据库的快速检索。在实际的

7、多媒体数据库中,数据量巨大,而冃种类和数量巨大,因此耍求CB1R技术快速地实现对多媒体信息的检索。四是以相关反馈为有效手段。为了提高检索的准确性,整个过程是个逐步逼近和相关反馈的过程。用户的交互性增强了表达查询、评价查询结果和基于评价结果进行进一步检索的能力。CBIR己经成功地应用于一些专门领域。典型应用领域⑷包括:(1)搜索引擎:随着各种电子商务网站的发展,图像搜索引擎将成为这些网站的重要工具。(2)家庭用图像检索:数码科技使得普

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。