基于多特征的图像检索研究.pdf

《基于多特征的图像检索研究.pdf》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、犬達裡－大＇ＩＤＡＬＩＡＮＵＮＩＶＥＲＳＩＴＹＯＦＴＥＣＨＮＯＬＯＧＹｆｉ面士室位论文ＭＡＳＴＥＲＡＬＤＩＳＳＥＲＴＡＴＩＯＮ／＾＼基于多特征的图像裣索研究：通信与信息系统、学科专丨卩作者姓名一—￥２３指忌教肺冯林教授２０１５年６月６日答辩日期———硕士学位论文基于多特征的图像检索研究Ｒｅ－ｓｅａｒｃｈｏｎＩｍａｇｅＲｅｔｒｉｅｖａｌＢａｓｅｄｏｎＭｕｌｔｉｆｅａｔｕｒｅｓ作者姓名：郝秀琪学科、专业：通信与信息系统学号：２１２２４０１６指导教师：

2、冯林教授完成日期：２０１４．０４．３０大遠理工大營ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ大连理工大学学位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外，本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请．学位或其他用途使用过的成果一。与我同工作的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。若有不实之处，本人愿意承担相关法律责任。学位论文题目：Ｉ斗力命兔长－毫辟巧

3、作者签名：先Ｈ；日期：２＾１味“／０日？＿大连理工大学硕士学位论文摘要随着信息时代的发展，所以基于内容的图像检索，图像信息已广泛应用于各个领域（ＣｏｎｔｅｎｔＢａｓｅｄＩｍａｇｅＲｅｔｒｉｅｖａｌ，ＣＢＩＲ）就成为人们研宄的热点内容。ＣＢＩＲ直接利用图像底层视觉特征，如颜色、纹理、形状等作为检索特征，利用这些特征描述图像内容并建立索引，进行图像的相似性匹配，输出特征相似的图像作为检索结果。该方法不但解决了人工描述的主观性、工作量大等问题，且具有自动化、智能化等特点。因此，基于内容的图像检索技术具有明显的优越

4、性，并被广泛应用于互联网图像检索、人脸识别等领域。传统的ＣＢＩＲ系统的主要技术有特征提取、维数约简、相似性对比等，本文主要针对特征提取和维数约简技术展开研宄。主要工作如下：针对图像特征提取技术，本文深入研究了颜色差分直方图（ＣＤＨ），ＣＤＨ方法主要一一存在两个问题：（）无法刻画区域中的局部分布特性（二）忽略了视觉感知；致区域出现的个数或频率。针对以上两个问题，本文提出了结合纹理的改进颜色差分直方图（ＩＣＤＨＴ），该方法对ＣＤＨ方法中的统计策略进行改进，在颜色差分特征的基础上，加入区域中心像素整体颜色差分统计，使之能够统计区域中的局

5、部特征。并且ＩＣＤＨＴ选择二值同时利用新的颜色差分相关性统计策略和局部模式（ＬＢＰ）的纹理结构表示，结合一以上两种特征，ＩＣＤＨＴ能够检测图像中视觉感知致的区域，因此可以更好的描述图像信息。通过大量的实验表明，本文提出的特征提取模型具有较好的性能。“”在提取图像底层视觉特征后，图像特征的维数会很高，容易造成维数灾难，所以本文对流形学习中的经典降维算法进行了深入研宄，针对降维算法ＬＰＣＡ忽略了数据－全局特性的问题，提出了全局局部主成分分析（ＧＬＰＣＡ）算法。该算法能够综合的考虑到数据结构的全局和局部特点，通过参数平衡数据集全局与局部的关

6、系，使降维后的数据既能保持原有的邻近关系，，又能较好的重构数据的全局特征。通过大量的实验证明与其它降维算法相比，ＧＬＰＣＡ算法在图像检索中具有更好的性能，表明我们提出的ＧＬＰＣＡ算法是有效的。最后，通过结合本文提出的特征提取模型ＩＣＤＨＴ和降维算法ＧＬＰＣＡ，构建了新的图像检索框架，利用新的框架进行图像检索。通过实验对比表明，新的框架在Ｃｏｒｅｌ数据集上解决了图像特征维数过高可能引起的维数灾难问题，提高了图像检索性能和检索速度。关键词：ＣＢＩＲ取；特征提；降维算法＇－１基于多特征的图像检索研究Ｍｕ－Ｒｅｓｅａｒｃｈ

7、ｏｎＩｍａｇｅＲｅｔｒｉｅｖａｌＢａｓｅｄｏｎｌｔｉｆｅａｔｕｒｅｓＡｂｓｔｒａｃｔＷｉｔｈｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｔｈｅｉｎｆｏｒｍａｔｉｏｎａｇｅ，ｉｍａｇｅｉｎｆｏｒｍａｔｉｏｎｈａｓｂｅｅｎｗｉｄｅｌｙｕｓｅｄｉｎｖａｒｉｏｕｓｆｉｅｌｄｓａｎｄＣｏｎｔｅｎｔＢａｓｅｄＩｍａｇｅＲｅｔｒｉｅｖａｌＣＢＩＲｈａｓｂｅｃｏｍｅａｈｏｔｒｅｓｅａｒｃｈｒｏｂｌｅｍ．，（）ｐＣＢＩＲｔ－ｄｉｒｅｃｌｕｓｅｓｌｏｗｌｅｖｅｌｖｉｓｕａｌｆｅａｔｕｒｅｓｏｆｉｍａｅｓａ

8、ｓｒｅｔｒｉｅｖａｌ