基于兴趣区域的图像检索方法研究

基于兴趣区域的图像检索方法研究

ID:35061353

大小:3.66 MB

页数:56页

时间:2019-03-17

基于兴趣区域的图像检索方法研究_第1页
基于兴趣区域的图像检索方法研究_第2页
基于兴趣区域的图像检索方法研究_第3页
基于兴趣区域的图像检索方法研究_第4页
基于兴趣区域的图像检索方法研究_第5页
资源描述:

《基于兴趣区域的图像检索方法研究》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、基于兴趣区域的图像检索方法研究TheResearchofImageRetrievalMethodbasedonRegionofInterest学科专业:计算机技术研究生:任清涛指导教师:曲日副教授企业导师:张作职高工天津大学计算机科学与技术学院二零一五年十一月摘要随着互联网的快速发展,图像的种类和数量不断增多,成为我们日常生活获取信息的重要通道之一。与文本方式获取到的信息相比,图片传达的信息更为直观,丰富,场景还原更加准确,所以从图像获取信息更受人们青睐。因此作为图像精确获取通道的图像检索技术得到了快速发展,成为当前信息检索的重要研究领域之一。传统的图像检索方法是由文本检索方法自然过渡而

2、来,需要对待检索的图像进行人工标记。通过标记的方式将图像检索转化为文本检索的方式。这样的方法在检索图像较少的情况下还可以使用,随着图像数量几何数量级的增长,人工标记的方式需要耗费巨大的人力物力,已经不太适用。基于内容的图像检索应运而生,根据图像表达的内容实现按例查询,根据用户提供的样例查询图像搜索相关的图像。目前基于内容的图像检索方法大多是利用图像的底层特征描述图像,忽略了图像的高层语义特征,造成“语义鸿沟”,带来检索效果达不到预期。如何缩小“语义鸿沟”,精确刻画用户检索需求,提高检索效果,成为当前图像检索研究的热点。目前图像检索的方法大多是通过一种或多种图像底层特征进行全局匹配的方式实

3、现图像检索。通过融合多种图像特征,提取图像的兴趣区域,精确刻画用户检索需求是缩小“语义鸿沟”的手段之一。因此,结合当前图像处理方面的图像分割的相关算法和眼动跟踪的相关前沿技术,提出基于眼动跟踪数据提取兴趣区域的图像检索方法,精确直观的描述用户的查询意图,提高图像检索的效果。本文在根据已有的图像底层特征描述方式,兴趣区域提取方法,图像分割方法,相似度的计算方法以及检索结果评价方法等基础之上进行研究,研究成果包括:提出了一种综合图像多种底层特征进行图像检索的方法,该方法解决了特征融合的相关问题;另外实现了基于视觉感知提取图像兴趣区域的图像检索算法;最后提出基于眼动跟踪设备采集用户观察图像时的

4、眼动跟踪数据,根据眼动跟踪数据提取图像兴趣区域的算法,并和图像检索相结合。并进行实验,实验表明该算法的有效性。关键词:图像检索,兴趣区域,多特征,眼动数据ABSTRACTWiththerapiddevelopmentoftheInternet,thetypeandnumberofimagesisincreasing.Theimagehasbecomeanimportantchannelofaccesstoinformationinpeople'sworkandlife.Comparingtotextmessages,imagesconveytheinformationmoreintuit

5、ive,rich,scenereductionmoreaccurate,sotheimageinformationobtainedfromthemorefavoredbythepeople.Therefore,asanimagetoobtainaccuratelchannel,imageretrievahasbeenrapiddevelopmentandbecomeoneoftheimportantresearchareasofinformationretrieval.Thetraditionalimageretrievalmethodisanaturaltransitionfromth

6、etextretrievalmethod,weneedtotreatretrievedimagesmanuallytag.Suchanapproachinthecaseofretrievingtheimagecanbeusedless.Astheimagegeometricorderofmagnitudeincreaseinthenumberofartificialwaymarktakesenormoushumanandmaterialresources,itcannotwork.Contentbasedimageretrievalemerged,whichaccordtotheexpr

7、essionoftherealizationofthecontentsoftheimageexampleinquiry.Currentlycontentbasedimageretrievalmethodsmostlyuselow-levelfeaturesoftheimagedescribetheimage,ignoringthehigh-levelsemanticfeaturesoftheimage,resultinginthe"

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。