图像显著区域提取及其在图像检索中应用

《图像显著区域提取及其在图像检索中应用》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、上海交通大学硕士论文摘要图像显著区域提取及其在图像检索中的应用摘要随着信息技术的发展，图像成为一种主要的信息载体。越来越多的图像数据给人工处理和浏览造成了不便。在图像分析与理解中，显著区域通常仅是图像中的一小部分。所谓显著区域，也可以理解为图像中的主要目标，是人的视觉能够在很短的时间内将注意力集中到图像中某个能激发人们兴趣的区域。本文通过对图像中亮度、色彩、和方向信息的综合分析，以模拟人类的视觉原理来提取图像中的显著区域。图像检索技术是在海量图像数据库中查找用户所需要的图像或者满足用户需求的图像，目前很多图像检索工具都是建立在与图像相关的文字信息的基础上，需要大量人为标注，而基于内

2、容的图像检索技术从图像内容本身进行分析，根据图像特征找出相关图像，是一种适合于大量图像数据的检索手段。图像检索中，由于图像背景通常占据图像的较大部分，在提取图像特征的过程中，对图像中主要目标的特征造成了一定影响。本文在提取图像显著区域之后再进行图像检索，从图像的显著区域入手，该方法更加有利于基于内容的图像检索。本文以视觉注意的计算模型为出发点，阐述显著区域的提取和图像检索技术，主要研究成果如下：-I-上海交通大学硕士论文摘要(1)显著区域的提取：该算法基于人类视觉原理，将图像分解为亮度、颜色和方向三个特征，对每一特征建立多分辨率高斯金字塔，获得相应的图像序列，再利用中央-周边(Ce

3、nter-Surround)算子，分别计算其显著映射图，最后，使用动态权值的方法将各显著图结合起来，得到综合显著图，对显著图阈值化，将显著图中的点分为显著点和非显著点，对显著点构成的区域进行图像的开运算和闭运算去掉噪声点，得到的区域即为图像的显著区域。对视觉中注意机制、多尺度分析进行了论述，并对相应的算法进行了比较分析。(2)基于内容的图像检索：讨论了基于内容的图像检索的特征提取与相似性度量的方法。先将彩色图像转换到HSV空间，提取图像的颜色特征；使用sobel算子获得图像的边缘信息，计算图像的边缘方向变化直方图，提取图像的形状特征；利用Gabor滤波器提取图像的纹理特征；用直方图

4、相交法对图像进行相似性度量，按照计算获得的图像相似度，排序检索结果。(3)将图像显著区域提取用于图像检索，直接从图像的主题内容入手，以获得更好的检索结果。对比了基于提取显著区域的检索和直接检索的差异，提取显著区域有利于提高检索的查准率。对算法中存在的问题进行了讨论和分析。-II-上海交通大学硕士论文摘要关键词显著区域，图像特征，视觉注意，金字塔结构，图像检索，Gabor滤波-III-上海交通大学硕士论文ABSTRACTEXTRACTIONOFSALIENTREGIONINIMAGEANDAPPLICATIONINCONTENTBASEDIMAGERETRIEVALABSTRACTW

5、iththedevelopmentofinformationtechnology,imagesbecomeamajorcarrierofinformation.Butmoreandmoreimagedatacauseinconvenienceinmanualprocessingandbrowsing.Inimageanalysisandunderstanding,thesalientregionisusuallyonlyasmallpartofanimage.Herethesalientregioncanberegardedasthemainobjectinanimage,whic

6、histheinterestingregionthathumanvisioncanquicklyfocuson.Inthethesis,basedonacomprehensiveanalysisonthegray-scaleinformation,colorinformation,andorientationinformationofanimage,weproposeanapproachtosimulatetheprinciplesofhumanvisiontoextractthesalientregioninanimage.Theimageretrievaltechniquere

7、ferstofindinginterestingordesiredimagesinVLIDBMS(VeryLargeImageDatabaseManagementSystem).Currently,manyimageretrievaltoolsarebasedontextualinformationrelatedtoimagesandrequirealargeamountofhumanlabeling.CBIR(Content-basedimageretrieval)