基于内容的图像检索专业实习报告.doc

《基于内容的图像检索专业实习报告.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、专业实习报告2013---2014学年第一学期2013年12月23日至2014年1月10日题目：基于内容的图像检索专业：信息计算科学二0一四年一月目录1.专业实习目的32.概要描述和要求32.1概要简介32.2技术要求32.3环境要求33.本人的分工44.具体内容44.1基于内容的图像检索简介44.1.1颜色直方图44.1.2主要方法与公式54.2项目框架64.2.1系统架构64.2.2网站结构和包结构84.2.3数据库设计94.3主要工作95.研究与探讨105.1解决的问题105.2问题和不足之处105.3

2、设计感想10参考书目11附录11基于内容的图像检索1.专业实习目的(1)提高学生综合应用所学专业知识的能力，同时进一步提升学生的科研能力、创新能力和实践动手能力，为毕业设计、就业作准备。(2)调查研究、查阅文献、分析论证、制定方案、设计或实验、分析总结等方面的独立能力训练，从而锻炼实践才干。(3)在注重知识素养和实践能力的同时，提升学生的领导组织能力和团队协作能力，培养最基本的工作素质。2.概要描述和要求2.1概要简介基于内容的图像检索不同于基于文本的检索，主要利用图像的某一特征，对存储在数据库等存储介质中的

3、图像进行相似度匹配，得到一个匹配序列。应该来说，基于内容的图像检索是一个不错的选题。它不仅具有一定的理论深度和研究热度，对提升个人或团队的实践能力也有一定的帮助；同时，它是我比较感兴趣和比较了解的课题内容。因此，确定基于内容的图像检索为本次专业实习的课题。基于内容的图像检索系统采用的是B/S结构模式，使用面向对象JAVA语言，利用Struts22.1.8.1+Hibernate3.3+Spring2.0当前主流三大框架，将系统从责任上分为表现层、控制层、业务层、领域对象层及数据持久层五个层级进行开发。2.2技

4、术要求²开发框架：Model-View-Controller，即MVC²开发工具：JavaStruts2+Hibernate+Spring²开发环境：MyEclipse8.5+DreamweaverCS3+PhotoshopCS3²数据库系统：Mysql2.3环境要求²项目名称：基于内容的图像检索（CBIR）²运行环境：windows操作系统²服务器：采用了apache-tomcat-6.0.33配合Mysql搭建服务器²客户端：各大主流浏览器3.本人的分工在解决这个有一定深度和广度的有实际意义的项目过程中，

5、我作为组长，主要工作是确定本次专业实习的研究课题，确定小组成员，分配各自的任务，协调和督促项目的进度，保证项目按时顺利完成，保证每个组员都参与进来。在专业实习期间，我主要完成网站项目的建立和网站功能与算法的实现，负责最重要的工作，解决碰到的最主要难题。具体工作包括编写jsp页面、html页面、js文件、css文件，创建action、bean、dao、entity和utils包，实现绝对值距离、距离法和聚类分析等图像检索算法，完成整个网站整体的功能测试和性能测试，修复网站的bug，准备小组答辩等。4.具体内容4

6、.1基于内容的图像检索简介基于内容的图像检索不同于基于文本的检索，主要利用图像本身的特征匹配，在数据库中查找相似的图片。图像的主要特征包括了颜色特征，纹理特征，形状特征和其它特征，其示意图如下：图-1其中，颜色特征常用的有颜色直方图，纹理特征主要用小波特征，形状特征主要用边界检测，而其它特征包括了空间特征等等。对于本次专业实习来说，主要使用的是基于颜色直方图的颜色特征，而算法原理对其余特征也是适用的。4.1.1颜色直方图颜色特征是图像最直观而明显的特征,一般采用直方图来描述。而颜色直方图法具有运算速度快、存储

7、空间要求低的特点,并且对图像的尺度及旋转变化不敏感。因此颜色直方图已经得到了广泛的运用。颜色的统计直方图如下所示：图-24.1.2主要方法与公式•曼哈顿距离（城市街区距离）令和分别为查询图像Q和数据库图像D的某一特征统计直方图，则两图像之间的相似值为：•距离法MPEG-7中建议的颜色布局描述符在匹配时使用了类似的距离公式：它的处理步骤如下：（1）将图像分成4*4，计算每一块中所有像素RGB三个颜色通道的颜色平均值，并以此作为该块的代表颜色（2）将各块的颜色平均值进行离散余弦变换（DCT），得到DCT系数矩阵（

8、3）对DCT系数矩阵进行之字形扫描和量化，得到DCT系数（4）对于R、G、B三个通道，分别从DCT系数中取出4个低频分量，形成12个参数，共同构成该图像的颜色特征向量•聚类分析-AGNES输入：包含n个对象的数据库，终止条件簇的数目k输出：k个簇，达到终止条件规定簇数目（1）将每个对象当成一个初始簇；（2）REPEAT（3）根据两个簇中最近的数据点找到最近的两个簇（4）合并两个簇，生成新的簇的集合（