刘兴洪[1]2007年在《基于内容相似性的图像特征提取》文中研究表明近年来图像检索发展得越来越快,而图像检索的基础工作就是图像的特征提取,本文以此为背景研究了图像的颜色、纹理、兴趣点、空间结构特征提取方法,并结合这些特征对具有相似内容图片的共性特征提取的方法进行了探讨,以期建立高层语义检索中必需的概念表达方法。本文第一部分研究了图像底层特征提取方法,该部分主要内容包括:1)颜色特征提取:利用高斯混合模型矢量量化的方法建立了图像颜色分布的直方图,该方法较之传统直方图具有能够反映图像空间分布信息的能力,使用该直方图进行颜色的相似性度量能够区分颜色分布相同但空间分布迥异的图片。本文给出了使用该方法对图像进行量化的实例和图像检索的结果,实验证明该方法能够较有效的提取出图像的颜色特征。2)纹理特征提取:本文借鉴Tamura纹理特征表示方法,并对其相似性度量方法进行了改进,使用直方图表示了最重要的粗糙度、对比度、方向度特征。本文还将粗糙度直方图改进为能够适应图片尺寸变化的方式,另外使用对数非均匀量化方式将对比度特征形成直方图,该处理方法能够更适应人眼的认知特点。同时,对每种纹理特征都给出了相似性度量仿真实例,证实该方法具有较好效果。最后使用叁种特征的加权距离对图像的纹理特征相似性进行度量,并给出了图像检索的结果和性能评价。3)兴趣点特征提取:本文综合了Harris兴趣点标定方法和区域矩不变特性对图像兴趣点特征进行表达。该特征能够适应光照、视角、缩放等场景的变化,文中给出图片实例对这一特点进行了验证。本文根据实验提出了图像的兴趣点相似性度量方法,并给出了图像检索的结果和性能评价。本文第二部分研究了区域相似性评价和图片共性特征归纳方法。区域分割是该过程的基础,本文介绍了一种简单的基于颜色和纹理的区域分割法,并提出了图像空间结构相似性度量方法。在对具有相似内容的图片进行共性特征提取过程中,根据不同的应用场景选取了不同的特征子集以降低复杂度。本文还通过实例,阐明了共性特征提取方法、步骤及概念表达的方法,最后在给出的共性特征标示图中验证了该方法的效果和可行性。
周杨[2]2007年在《基于语义的图像检索技术研究》文中研究指明随着多媒体技术的发展和互联网的不断普及，数字图像已得到了越来越广泛的应用。20世纪90年代以来，为了有效地组织和检索海量图像数据，满足人们日益增长的图像检索需求，出现了基于内容的图像检索技术，并逐渐成为了图像检索技术发展的主流方向。现有基于内容的图像检索技术在描述图像内容时大多直接采用了颜色、纹理、形状等低层图像特征，这些传统的特征描述方式一般直接以统计数据的形式出现。而事实上，这些统计数据与人对图像内容的理解存在很大的差异。人对图像内容的理解并不建立在统计的基础之上，并且图像内容具有“模糊”特性，无法简单的用特征向量进行表示。这就造成了现有系统中必然会存在图像表示与人的理解偏差的问题，即语义鸿沟问题。很多情况下，仅仅使用图像的低层特征作为检索依据，其结果不尽人意。因此，如何描述图像，使其尽可能的符合人对图像的理解，成为提高检索精确度的关键。从人对事物认知的角度看，人对图像内容的理解和描述主要在语义层次上进行。如何缩小“语义鸿沟”，如何准确表达图像的内容语义和用户的检索意图，成为了图像检索技术研究的重点和关键。本文在图像特征索引的基础上，引入了模糊语义分类方法和相关反馈方法，着眼于图像特征与语义概念间的映射，初步探索了特定场景下低层特征与高层语义间的映射方法，主要的工作有：1．运用物理特征提取算法，提取图像颜色、纹理和形状特征，用于后续的语义映射。图像的物理特征是计算机理解图像内容的基础，良好的特征提取算法，能够提高后续语义映射的准确程度，进而最终改善系统检索的效果。2．运用模糊分类方法，建立低层特征与高层语义间的映射。要进行基于语义的图像检索，首先需要提取出图像语义概念。在现在的计算机及模式识别技术条件下，对图像语义概念的提取，应该建立在对图像目标识别的基础上。通过模式识别的方法，识别出图像中的目标并与语义概念进行连接，这样，就可以使低层物理特征映射到高层语义特征，实现对高层语义的检索。本文引入了模糊分类的方法，通过选择最佳训练样本，实现物理特征向语义的映射。同时，模糊集合的使用，使使同一幅图像可以同时隶属于不同的语义类别，这也更加符合人对事物的认知方式。3．运用基于语义分类的相关反馈方法，引入用户对语义概念的理解。用户可以通过判断系统检索结果与自己检索预期之间的差异，分别选择能够准确表达检索意图和不能表达检索意图的图像，进行相关反馈，对图像对应语义进行修正，更好地表达用户对概念的理解，减小样本选择者的主观性。同时通过用户的反馈，可以降低物理特征相似但语义无关图像对语义概念的隶属度，使检索结果更加准确。
张晓飞[3]2007年在《基于支持向量机的图像信息分类与检索》文中提出基于内容的图像检索技术在数字图书馆,网络信息安全,预防犯罪,知识产权,医疗诊断,地理信息系统及遥感等领域有着广泛的应用。近年来,该技术成为计算机及其相关学科的热点研究问题之一,也是该领域的前沿研究课题。本文研究图像的颜色和纹理特征提取方法,在此基础上,用支持向量机进行图像分类与检索,最后引入相关反馈技术,提高检索效果。主元分析法最大的特点是对数据进行降维处理。为提取图像的颜色特征,将图像从RGB空间转换到HSV空间。然后用主元分析法进行特征提取。该方法大大降低了特征向量的维数,减小了特征数据库的规模。针对小波变换的特点,采用第二代小波对图像进行叁级分解,分别求出各级分解后的熵,作为纹理特征。该算法提取特征维数较少、计算量较小。在特征提取的基础上,用支持向量机对图像进行分类与检索,分别给出相应算法。用实验证明所设计的检索算法与以往方法相比提高了检索的准确性。此外,还研究了不同核函数对分类的影响,对检索速度也进行研究。由于计算机自动提取的图像特征和人所理解的语义间存在巨大的差距,其检索结果难以令人满意,为了减小两者之间的差距,将相关反馈方法被引入检索过程,从而使得检索结果更符合用户的需要。最后完成了一个图像检索演示系统,以验证本文提出的算法和关键技术的有效性。
陈文锋[4]2007年在《基于纹理特征的遥感图像检索技术研究》文中进行了进一步梳理随着航空航天技术、传感器技术、网络技术、数据库技术的飞速发展,可获取的遥感图像数据正在以惊人的速度成指数级急剧增长。如何从众多的大型遥感图像数据库中,快速浏览和高效检索到感兴趣区域(Region of Interest,ROI)目标己经成为遥感图像信息提取和共享的瓶颈难题。基于内容的图像检索技术(Content Based Image Retrieval,CBIR)为自动提取遥感图像感兴趣目标区域提供了有力的工具,成为当前国内外研究的热点。纹理特征作为基本的视觉特征之一,在基于内容的遥感图像检索中得到了广泛的应用。本文针对当前基于纹理特征的遥感图像检索技术现状和存在的问题,对以下几个方面进行了研究:1.系统阐述和总结了基于内容的图像检索涉及的各项关键技术,包括基于内容的图像特征描述和提取、特征相似度计算以及基于内容的图像检索性能评价等。2.从纹理基元的概念出发介绍了纹理谱直方图检索技术。在此基础上提出了一种改进的纹理谱,并且利用Hu不变矩和直方图不变矩对纹理谱图像进行纹理特征提取,提高了基于纹理特征图像检索的旋转不变性。通过实验证明改进的纹理谱不变矩方法的检索查准率较普通的纹理谱方法有所提高。3.从小波变换的本质出发,研究了小波变换在纹理特征提取和检索方面的特点。通过分析小波分解和纹理特征信息在小波系数中的分布,提出一种树状小波分解的渐进式检索方案,弥补了金字塔结构小波对纹理特征的中高频信息分解的不足,并且实现了纹理特征从粗到精的检索过程。4.分析和研究了基于纹理特征检索技术中的数据分块组织策略,针对遥感图像检索实质上是局部范围感兴趣区域的检索,利用数据分块组织实现对大幅面的遥感图像纹理进行分块,从而实现对区域纹理特征的检索。在充分考虑基于纹理特征的遥感图像检索精度和效率的前提下,采用基于五叉树的遥感数据分块策略。另外对遥感图像采用多纹理特征进行检索,从而达到提高检索准确率的目的。
许漫坤[5]2003年在《基于特征的纹理特征提取、分类与检索方法研究》文中研究说明纹理是图象中一个基本且重要的特性。纹理分析是图象理解、分析与识别中的重要研究内容之一，不仅对于视觉智能活动的模拟具有重要的理论意义，而且具有非常广阔的应用前景。纹理分析通常可分为基于特征和基于模型两类方法。纹理分析的研究主要为纹理描述、纹理分割、纹理分类、纹理检索等方面。本论文概述了早期和近期的多种纹理分析方法，主要研究和讨论了基于特征的纹理特征提取、分类和检索方法。论文的工作主要包括： 一、提出一种改进的离散极坐标付立叶变换(DPFT)的快速算法，并在此基础上，提出一种基于DPFT的纹理分类算法。提取纹理的归一化DPFT幅度谱在不同方向和尺度上的信息作为纹理特征，应用于纹理分类，取得了良好的分类效果。本文提出的改进的DPFT算法能够快速有效地完成二维离散极坐标付立叶变换。由付立叶变换在工程应用中的广泛性和极坐标系在处理二维数据旋转和尺度变换上的优越性，该算法也可用于图象配准、图象检索和雷达信号处理等应用领域。 二、提出一种基于提升小波变换的纹理分类算法。利用小波分析的时频局域化特性以及提升小波的本位运算等优点，对纹理图象进行提升小波分解，再对得到的高频子图继续做第二层小波分解，然后以各频率子图的图象熵作为图象的纹理特征进行纹理分类。该算法提取的特征维数较低、计算量较小，具有较强的纹理分类能力。 叁、提出一种基于纹理谱直方图和自组织特征映射网络(SOFM)的纹理分类算法。引入象素的八近邻付立叶级数，计算随机选取的纹理区域的纹理谱并量化得到谱直方图，将其作为SOFM网络的特征模式输入并训练网络。网络的输出层对应的不同纹理的类别，从而将不同模式的纹理归为各自的类别。算法对均匀纹理的分类快速有效。 四、提出基于高阶累积量、多通道Gabor滤波以及提升小波变换的纹理检索算法。在基于高阶累积量的方法中，利用图象中象素的窗口邻域具有相关性的特点计算图象的叁阶累积量作为纹理的特征。基于多通道Gabor滤波和提升小波变换的方法是利用它们的时频局域化特性，提取纹理的不同尺度和方向上的信息作为纹理的特征。分别用上述算法对纹理图象进行处理，提取相应的纹理特征，对实验纹理库进行检索，并给出详实的实验数据、图示与分析。基于多通道Gabor滤波和基于提升小波的检索算法可以提取纹理图象不同尺度和方向上的纹理信息，因此整体检索效果优于基于高阶累积量的方法。 本文算法的实验纹理库由108类Brodatz纹理图象组成。
刘莹[6]2008年在《基于边缘提取与颜色目标定位的图像检索算法》文中认为基于内容的图像检索是图像检索技术发展的一个重要方向,是管理海量数字图像和视频信息的一种有效手段,其本质是利用图像特有的理解方式来实现自动查找,实现的是一对多的相似查找。本文重点研究以图像边缘特征和颜色特征为模型的检索算法,主要内容包括:首先介绍基于内容的图像检索技术,总结了颜色特征、纹理特征和形状特征的表达方式和提取方法,并对图像检索预处理的图像分割与像素分类作了研究,分析了现有检索算法的局限性与不足之处。提出了两种综合利用图像边缘结构特征与颜色特征的图像检索算法。(1)基于Canny算子提取图像边缘与颜色目标定位的图像检索算法。(2)基于小波域提取图像边缘与颜色目标定位的图像检索算法。这两种算法分别利用Canny空间算子与小波变换域两种边缘提取方法对图像的形状特征进行描述,在待检索图像库中查找到与示例图像边缘相关度大的图像,构成一个新的检索图像库,然后再利用主颜色划分图像目标,利用有效的目标部分进行相似匹配,完成对示例图像的检索,仿真实验证明,这种结构的检索算法可以有效捕捉边缘信息,提高检索性能。本文对边缘的提取不作为目标分割的手段,仅视为反映图像几何结构分布的低层次特征,而且引入小波域变换,避免了因图像理解的目标分割上的困难,有效地反映了图像的结构分布,提高了图像检索抗干扰性。
刘雪莹[7]2017年在《基于深度学习的遥感图像检索方法研究》文中提出遥感图像数据的海量性、多样性和复杂性等特点对遥感图像检索的速度和精度提出了更高的要求,基于内容的遥感图像检索方法是近年来研究的重点,其中特征提取方法是影响遥感图像检索效果的关键。传统的特征提取方法多是提取遥感图像的底层视觉特征来进行检索,存在着底层特征难以表述图像语义信息的缺点。本文提出基于深度学习的遥感图像检索方法,通过神经网络的训练,建立图像底层特征和高层语义之间的映射关系,采用两种不同的深度学习方法进行遥感图像检索实验:(1)提出一种基于深度学习的半监督遥感图像检索方法,该方法首先对遥感图像进行预处理;然后基于稀疏自动编码的方法在大量未标注的遥感图像上进行特征学习得到特征字典,并基于卷积神经网络的思想,使用训练出来的特征字典对遥感图像进行卷积和池化得到每幅图像的特征图;接下来使用特征图训练Softmax分类器;最后对待检索图像分类,在同一类别中计算特征间的距离,进而实现遥感图像的检索。实验结果表明,该方法能够有效提高遥感图像检索的速度和准确度。(2)提出一种基于卷积神经网络的遥感图像检索方法,该方法基于深度学习keras框架实现,包括CNN特征提取网络层和Softmax分类层,通过深度较大的卷积神经网络提取遥感图像的高层语义特征,引入dropout层提高模型的泛化能力,进一步提高了遥感图像的检索精度。本文的方法(1)在遥感图像检索实验中取得的检索准确度为90.6%,检索时间为7.1844s,本文的方法(2)在遥感图像检索试验中取得的检索准确度为98.8%,检索时间为9.138s,本文方法也存在以下不足:当待检索图像分类错误时,检索准确度较低。
陆丽珍[8]2005年在《基于数据库方式的遥感图像库内容检索研究》文中指出21世纪遥感技术、计算机技术、网络技术的快速发展,使得各领域研究者获取所需要的高精度、高分辨率、多时相遥感图像成为可能,但与之对应的却是遥感图像检索理论和技术的严重滞后。如何从海量遥感图像库中快速准确地检索到所需要的信息具有十分重要的意义。论文从遥感图像检索研究现状和存在的问题出发,发展了通用遥感图像概念模型URSICM,设计了面向对象的逻辑组织与数据存储方案,提出了融合颜色纹理特征CTFFBIR和基于GIS语义的遥感图像检索新方法,探讨了特征相似性检索的优化方案,设计并开发了原型系统RSIQuery,为遥感图像库的检索与管理提供新的思路。论文主要研究内容如下:(1)讨论了遥感图像库内容检索RSIDBCI的部分关键技术,包括:遥感图像数据的组织与管理方式、数据库索引机制、视觉特征描述与提取、相似性度量、相关反馈机制,以及检索算法评价等,并指出目前RSIDBCI面临的困难和存在的问题。(2)通过对遥感图像所表达信息的特点、所包含的内容,以及现有图像数据模型的特点和局限的分析,提出一种通用的遥感图像概念模型URSICM,该模型将遥感图像的元数据、原始像元信息、视觉特征、图像对象、语义内容等信息纳入一个统一框架,并探讨了基于URSICM的面向对象的逻辑模型以及数据组织与存储方案。(3)论述了图像分解的目的和意义,在分析四叉树和九叉树两种图像分解方法后,提出五叉树分解新方法,该方法整合四叉树和九叉树方法的优势,在子图像数目、以及查询图像与子图像的重迭率之间达到了一个较好的平衡。(4)分析了单类视觉特征检索的不足,并根据高分辨率卫星与航空影像的光谱特点,提出一种融合颜色和纹理特征的遥感图像检索CTFFBIR新方法。该方法在利用多通道2D Gabor滤波器与图像做卷积得滤波能量值基础上,提取各子图像滤波能量纹理特征,计算子图像的颜色均值和均方差,对查询图像和与其大小相当的数据库子图像进行线性加权颜色和纹理特征距离相似性测度,其中特征的权重值可由查询者设置,也可通过相关反馈进行调整。(5)为了提高CTFFBIR的检索效率,提出了基于聚类的子图像分类索引优化算法。该方法通过离线对数据库各子图像按26维颜色和纹理特征向量进行聚类,并按聚类结果对数据库子图像建立分类索引,从而极大地减少了在线检索的响应时间。(6)提出了一种动态相关反馈算法,该算法采用适当改进Rui的多层特征权重更新方法的思路:各维、各类特征的权重在检索过程中通过对检索结果中子图像的相似性评分进行更新:前一轮被标上“不相关”的图像,不参与后续轮次的相似性测度;被标上“极相关”的图像,在后续轮次中具有优先排序号。(7)提出了基于GIS语义的遥感图像检索GISSBIR方法,该方法通过直接借用GIS描述空间对象语义和空间关系的能力,检索出感兴趣对象,并用这些对象的最小边框读取对应的遥感图像数据空间范围,从而完成图像检索任务,为遥感图像库内容检索提供了一种可行的思路。GISSBIR研究主要侧重在以下两方面:一是为协调用户查询请求与系统之间的语义冲突,设计并构建了概念语义网络;二是为实现空间关系的检索,对Oracle Spatial的方向关系进行了扩展。(8)设计并实现遥感图像库内容检索RSIQuery原型系统,该系统以Oracle为数据容器,以VC++为开发环境,采用分布式C/S架构实现。从试验结果分析来看,CTFFBIR及其优化算法是有效的,GISSBIR思路是可行的。
黄海泉[9]2013年在《基于多粒度的CBIR在布料图像领域的研究与应用》文中指出箱包企业需要经常性和大批量进行原材料的采购,而众多的布料供应商店经常需要从大量的布料色卡中寻找满足客户需要的各类布料。采用人工方式来比对需要采购的布料色卡存在费时、劳动强度大和容易出差错等问题,容易造成企业实际需要的原材料与购进的原材料不吻合,而不能正常进行生产,严重地影响企业的生产效率和经济效益。同时,也给布料供应商店带来很多不便。因此,企业采购人员和布料供应商店迫切需要一套方便和有效检索布料色卡图像的计算机应用系统。本文在基于内容的图像检索技术(CBIR)和粒计算方法进行布料图像检索系统的研发。为满足快速和尽可能准确比对布料色卡图像的需要,本文在详细研究分析了布料图像中的颜色特征,并在颜色直方图的基础上提出了基于HSV颜色空间的主色权重直方图方法,以及对颜色的量化公式进行了改进：详细研究分析了K.Laws的纹理能量测度的方法提取布料色卡图像的纹理特征,并通过实验选取最适合的阈值。为解决采用传统的相似度度量在进行布料色卡图像检索时造成比对不灵活且失配率较高的问题,本文提出了基于粒计算方法的布料色卡图像检索模型和相应的方法。通过对领域知识以及对所获取的颜色特征和纹理特征的粒化操作,构建相关的相容粒度空间实现不同层次或级别的布料色卡图像的检索。在真实数据集和公用数据集上实验与比较表明该方法可以通过对粒度大小的控制来灵活、有效和快速地调整分类结果和准确度。为了评价所提出的特征选择方法和检索方法的有效性,本文基于标准的评价准则以及本文提出的查询稳定性与排序稳定性两项指标在公用数据集和真实的布料色卡数据集(Brodaz纹理集合、布料测试图像集合等)上进行了详细测试与比较。实验和比较测试结果表明所提出的基于主色权重直方图的颜色特征提取方法以及纹理能量测度的纹理特征提取方法具有较好的实验效果,所提出的基于多粒度的布料色卡图像比对方法具有更好的分类和图像检索的效果。基于上述所提出的布料色卡特征获取方法和检索方法,本文采用.Java Swing技术成功开发了一套布料色卡图像识别系统。该系统遵循软件工程理论和方法,采用MVC技术对软件架构进行建设。在图像获取技术方面,本文提出了系统直接进行扫描仪参数的设置而不用经过扫描仪程序进行第叁方设置的图像扫描获取方法。所开发的系统具有界面美观大方,操作简便,功能齐全和易于理解,方便的布料色卡的比对操作,以及具有数据库管理功能等。该系统初步应用已经得到用户的好评。
参考文献：
[1]. 基于内容相似性的图像特征提取[D]. 刘兴洪. 重庆邮电大学. 2007
[2]. 基于语义的图像检索技术研究[D]. 周杨. 四川大学. 2007
[3]. 基于支持向量机的图像信息分类与检索[D]. 张晓飞. 沈阳大学. 2007
[4]. 基于纹理特征的遥感图像检索技术研究[D]. 陈文锋. 解放军信息工程大学. 2007
[5]. 基于特征的纹理特征提取、分类与检索方法研究[D]. 许漫坤. 中国人民解放军信息工程大学. 2003
[6]. 基于边缘提取与颜色目标定位的图像检索算法[D]. 刘莹. 西安建筑科技大学. 2008
[7]. 基于深度学习的遥感图像检索方法研究[D]. 刘雪莹. 中国科学院大学(中国科学院遥感与数字地球研究所). 2017
[8]. 基于数据库方式的遥感图像库内容检索研究[D]. 陆丽珍. 浙江大学. 2005
[9]. 基于多粒度的CBIR在布料图像领域的研究与应用[D]. 黄海泉. 南昌大学. 2013
标签：计算机软件及计算机应用论文; 图像检索论文; 直方图论文; 特征提取论文; 语义分析论文; 相关性分析论文; 图像融合论文; 颜色空间论文; 空间分析论文; 空间数据论文; 分类数据论文; 数据检索论文; 遥感影像论文; 色卡论文;