图像检索论文:图像检索 目标区域 mean shift 轮廓曲线 感兴趣区域 相似度匹配

图像检索论文:图像检索 目标区域 mean shift 轮廓曲线 感兴趣区域 相似度匹配

ID:5216170

大小:109.00 KB

页数:6页

时间:2017-12-06

图像检索论文:图像检索 目标区域 mean shift 轮廓曲线 感兴趣区域 相似度匹配_第1页
图像检索论文:图像检索 目标区域 mean shift 轮廓曲线 感兴趣区域 相似度匹配_第2页
图像检索论文:图像检索 目标区域 mean shift 轮廓曲线 感兴趣区域 相似度匹配_第3页
图像检索论文:图像检索 目标区域 mean shift 轮廓曲线 感兴趣区域 相似度匹配_第4页
图像检索论文:图像检索 目标区域 mean shift 轮廓曲线 感兴趣区域 相似度匹配_第5页
资源描述:

《图像检索论文:图像检索 目标区域 mean shift 轮廓曲线 感兴趣区域 相似度匹配》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、【关键词】图像检索目标区域meanshift轮廓曲线感兴趣区域相似度匹配【英文关键词】imageretrievaltargetregionmeanshiftcontourcurveinterestregionsimilaritymatching图像检索论文:基于目标区域特征的图像检索方法研究【中文摘要】基于内容的图像检索能够有效地利用图像自身特征从海量图像数据库中检索出用户感兴趣的图像,在医学图像处理、安全管理、卫星遥感图像处理等领域有着广泛应用,已经成为计算机视觉领域研究的热点问题之一。目前基于内容的图像检索方法主要分为两大类:基

2、于全局特征的图像检索和基于局部特征的图像检索。基于全局特征的检索计算简单、响应快速,但缺乏高层语义信息,无法很好地满足用户的检索需求,算法性能不高。例如在用户仅关心自己感兴趣的局部区域时,如果基于全局特征则无法突出目标区域局部特征的显著性,致使检索效果不佳。基于区域特征的检索从语义层次上理解和表示图像,更符合人类视觉对图像的认知,弥补了前者的不足。因此,本文侧重研究一类基于目标区域特征的图像检索方法,主要研究内容如下:(1)提出一种基于轮廓特征点的图像检索方法。该方法利用meanshift聚类算法将图像划分为几个不同的类,取其主聚类

3、作为目标区域,与其他类似方法相比,该方法有效排除了背景对主要目标区域的影响,同时利用目标区域轮廓曲率局部极值点构造目标区域的特征向量并进行相似性匹配。实验表明,该算法对单一目标图像具有较高的查全率和查准率,同时在检索效率方面也有显著改善。(2)提出一种基于用户感兴趣区域的图像检索方法。该方法首先利用一种可自适应调整窗宽的meanshift(?)跟踪算法探测候选目标区域;接着利用基于HSV颜色空间的块逆概率差模型提取候选区域的块逆概率差图像,并基于块逆概率差图像提取候选目标的显著特征点;最后综合显著特征点的颜色和形状特征作为对象描绘子

4、实现目标对象和候选对象间的匹配。该算法首先探测出候选目标区域,剔除了图像背景信息的干扰,提高了候选对象特征表达的精准率;其次,利用感兴趣区域及候选区域显著特征点构造特征向量,有利于更高层次的图像签名表达,为图像的进一步分析与处理奠定了基础。基于Corel图像数据库的实验结果表明,该算法与基于全局特征的算法相比,各项性能指标均有明显的改进。【英文摘要】Content-basedimageretrievaltechnologyhasbecomeahotissueofdomesticandforeignresearchfieldsince

5、itcanretrievethedesiredimagefromthelarge-scaleimagedatabaseeffectively.Ithasimportantapplicationsinmedicalimageprocessing,securitymanagement,satelliteremotesensingimageprocessingandsoon.Therearetwomainmethodsofcontent-basedimageretrievalcurrently,oneisbasedontheglobalf

6、eatures,andtheotherisbasedonthelocalfeatures.Theformermethodissimple,fastresponsebutlackinghigh-levelsemanticinformationsoitcannotbewellmeettheuser’sdemand.Forexample,whenuserisonlyconcernedwiththelocalareaofinterest,themethodbasedontheglobalfeatureswillbeunabletohighl

7、ightthesignificanceoftheinterestarea,resultingpoorretrievalresults.Themethodbasedonthelocalfeaturesovercomesthedeficienciesoftheformermethodbecauseitunderstandsanddescribestheimagesfromthesemanticlevel,moreinlinewiththecognitionofthehumanvision.Sothispaperfocusesonacla

8、ssofimageretrievalmethodsbasedonthetargetareafeatures,themaincontentsareasfollows:Anovelmethodforimageretrievalbasedo

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。