基于内容的图像检索技术

2012届本科毕业 论文 政研论文下载论文大学下载论文大学下载关于长拳的论文浙大论文封面下载 学    院：              专    业：              年级(班）：              学  号：                姓    名：              指导教师：              摘要：随着计算机网络以及多媒体技术的飞速发展，快速有效的图像检索技术越来越受到重视。本文介绍了基于内容的图像检索（CBIR）技术，从CBIR的图像特征提取、相似性度量、查询和反馈等关键技术入手，初步探索图像检索系统的数据库模型，并简要介绍模型的系统实现 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 和图像处理过程。 关键词：CBIR，图像检索，特征提取，相似度度量，图像数据库 Abstract: With the rapid development of the Internet and multimedia technology, fast and efficient image retrieval technology has become a research hot spot. This paper introduces the content-based image retrieval ( CBIR ) technology. Based on description of the key CBIR method，a image retrieval Data model is designed . then the paper introduces its system realization and image processing. Key words: CBIR，Imagine retrieval，Feature extraction，Similarity measure，Image database 目录 1引言    1 2 基于内容的图像检索技术概述    2 2.1 基于内容的图像检索技术理论    2 2.2 基于内容的图像检索特点    2 3 基于内容的图像检索的关键技术    3 3.1 图像特征提取    3 3.2 图像相似性度量    6 3.3图像检索中的相关查询技术    7 3.4 图像检索中的相关反馈技术    7 4 基于内容的图像数据库模型    7 4.1 基于内容的图像数据库结构    7 4.2 基于内容的图像数据库模式    8 5 系统对基于内容的查询图像建模的支持    9 6 结论及展望    12 参考文献：    13 1引言 随着计算机网络以及多媒体技术的飞速发展，全球的数字图像信息正以惊人的速度增长。如何从海量的图像数据中快速有效地检索出满足用户需求的图像是一个当前急需解决的重要问题。 传统的对图像数据库中图像检索的方法是基于文本的图像检索技术(Text-based Image Retrieval), 这种方法利用自然语言的优势，将图像信息内容用文字来描述，形成与图像关联的特征关键字标记，在图像检索时通过对关键字的查询返回图像本身。 基于文本的检索技术查询操作简单，但在很多情况下，检索结果并不能很好地符合用户的需要。图像信息具有信息量大、内容丰富、抽象度低的特点,在许多情况下，仅用几个关键字来描述图像特征具有很大的局限性，不能精确地描述图像所包含的信息；而且基于个体对图像内容的关键字提取也具有很大的主观性。而基于内容的图像检索技术(Content-Based Image Retrieval，CBIR)的研究就是在这种现实需要的前提下提出并展开的。 CBIR在数字图书馆、数据挖掘及多媒体视觉内容检索等领域都起着十分重要的作用，在工业和科研领域具有广泛的应用性，例如医学图像资料管理、头像或指纹识别系统、卫星遥感图像管理等。 2 基于内容的图像检索技术概述 2.1 基于内容的图像检索技术理论 所谓基于内容的图像检索技术（CBIR）就是根据图像视觉内容（包括图像底层特征和高层特征），按照特定检索技术，从图像数据库中检索出目标图像。 其主要思想是根据图像所包含的特征信息作为图像的特征向量存入图像数据库。用户在检索时自动或半自动地提取图像特征，系统根据相似性度量函数计算出图像特征之间相似度，然后匹配图像数据库中对应的特征向量，从而将图像信息输出。其查询过程如图2-1： 图2-1 2.2 基于内容的图像检索特点 基于内容的图像检索系统主要具有以下的特点： (1) 从图像内容中提取信息线索。基于内容的检索突破了传统的基于关键词检索的局限，直接对图像进行分析并提取特征，使得检索结果更加接近图像对象。 (2) 提取特征的方法多样化。对图像的特征提取可以是颜色特征、形状特征、纹理特征、空间关系特征等。 (3) 基于内容的图像检索系统具有很强的交互性，用户可以参与检索过程。 (4) 基于内容的图像检索是一种近似匹配。在检索过程中，采用逐步求精的办法，每次的中间结果是一个集合，不断减小集合的范围，直到定位到目标。 3 基于内容的图像检索的关键技术 3.1 图像特征提取 图像特征的提取是基于内容的图像检索技术的基础。如何从图像中提取有效的特征向量是影响图像检索系统性能的重要方面。目前，主要研究的图像特征如图3-1： 图3-1 （1）颜色特征。颜色特征是在图像检索中应用最为广泛的视觉特征。这是因为相对于几何特征，颜色特征对于图像旋转、平移、甚至各种变形都不敏感， 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 现出相当强的鲁棒性。 数字图像一般都采用 RGB 颜色模型来表示，它的三维空间包括 R、G、B 三个坐标轴 图3-2 在这个立方体中，原点对应黑色，最远顶点对应白色，立方体与三个坐标轴的交点分别对应三基色：红色（R）、绿色（G）和蓝色（B）。在这个模型中，从黑到白的灰度值分布在从原点到离原点最远顶点间的连线上，而立方体内其余各点对应的不同颜色可以用该点到原点的向量来表示。 在颜色特征提取方面，常用的有颜色直方图法。给定一幅图像(fxy)M×N，fxy表示像素点 ( x ,y )处的颜色值，M×N 表示图像的大小，图像所包含的颜色集记为 C，则图像的颜色直方图可表示为： 颜色直方图作为一种重要的基于内容的图像检索方法，不仅可以用于彩色图像，还可以用于灰度图像。灰度分布的直方图是一种统计图，能给出该图像的灰度范围，整幅图像的亮暗程度以及对比度等情况。除了上述特点，并且具有特征提取和相似度计算简便，随图像尺度、旋转等变化不敏感的特点。 根据上述颜色直方图的提取方法，对所失利图像进行处理，得到图像的灰度直方图如图3-3 所示。 图3-3 （2）纹理特征。纹理是指图像在局部区域内呈现出不规则性而在整体上表现出某种规律性的特性。在自然界各物体，如树木、植物等，均具有各自的纹理。纹理特征具有一种不依赖于颜色或亮度的反映图像中同质现象的视觉特征，可以从微观上区分图像中不同的物体。常用的纹理分析方法有灰度共生矩阵、Tamura 纹理表示法等，它们是根据像素灰度的统计特性来确定纹理特征的。 灰度共生矩阵是图像灰度的二阶统计度量。灰度共生矩阵中的元素 h ( i , j , d ,θ )表示在θ 方向上，相隔 d 个像素距离的一对像素分别具有灰度值 i和 j 的出现概率(频数)。其元素值为： 该元素值反映了图像灰度分布关于方向、局部邻域和变化幅度的综合信息，但它并不能直接提供区别纹理的特性，需要从矩阵中进一步提取纹理特征。一般采用下面四个最常用的纹理特征来提取图像的纹理特征。 即二阶距(能量) : 二阶距是灰度共生矩阵元素值得平方和,所以也称为能量,反映了图像灰度分布均匀程度和纹理粗细程度。 熵： 当灰度共生矩阵中各数值相差不大且较分散时ENT较大。反之,若值较集中时,则ENT值较小。 相关性: 相关量是用来描述矩阵中行或列元素之间相似程度的,它是灰度线形关系的度量。 我们使用灰度共生矩阵示例图像进行纹理特征提取，结果如图 3-4 所示。 图3-4 从上图中我们可以得到图像的纹理特征参数值：能量、熵分别为 0.3418266、1.8901565。 (3)形状特征。形状是描述物体轮廓和物理结构的重要特征。在二维图像空间中，形状通常被认为是一条封闭的轮廓曲线所包围的区域，所以对形状的描述主要涉及到对轮廓边界的描述以及对这个边界所包围区域的描述两个方面。 有关形状特征的提取方法主要有两类：基于边界的形状特征提取方法和基于区域的形状特征提取方法。前者仅使用形状外边界，而后者则用到了整个形状的区域信息。 基于边界的形状特征提取方法主要有：直线段描述、样条拟和曲线、傅立叶描述、小波轮廓描述等等，其中最典型的描述方法是傅立叶描述符（Fourier Shape Descriptors），其基本思想是对物体轮廓进行傅立叶变换，将前几个 Fourier 系数用于近似边界形状的表示，从而将 2-D问题转化为 1-D 问题，这种方法需要提取出图像的近似外边界。 基于区域的形状特征提取方法是将区域形状当作一个整体看待，描述了区域像素的统计分布特征，有效地利用了区域内的所有像素，因而受噪声和形状变化的影响相对较小。基于区域的方法中常用面积、重心和偏心率等来对区域形状做最基本的描述，使用最普遍的描述方法是不变矩。 利用上述图像形状特征提取方法中所涉及到的边界特征提取方法，提取出图像的轮廓特征如图 3-5所示。 图3-5 (4)空间位置特征。基于空间位置关系的图像检索方法是利用图像中对象间的空间位置关系来查询图像。提取图像空间关系特征主要有两种方法：一是先对图像进行自动分割，划分出图像中所包含的对象或颜色区域，然后根据这些区域对图像作索引；另一种则简单的将图像均匀划分为若干子块，分别对每个图像子块提取特征建立索引。