陈希[1]2008年在《基于内容的图像检索技术及其应用研究》文中研究说明伴随着Internet的高速发展及各种数字化设备的普及,现代社会中多媒体信息的数量迅猛增长,使得人们越来越多的接触到大量具有丰富内涵的多媒体信息。为了方便地从海量的信息集合中快速准确的提取出有价值的内容,基于内容的图像检索技术正逐渐成为目前研究的热点。传统的图像检索大多数只提供了基于图像的描述关键字的检索,即首先对图像进行人工标注,然后再通过对关键字的查找来检索图像。这种检索方法虽然方便简单,搜索结果相对精确,但是由于标注的劳动量大且存在“语义鸿沟”,常常不能准确反映图像的内容。因此,从二十世纪九十年代初开始,研究人员就相继提出了基于内容的图像检索的技术。该技术实际上是一种模糊查询技术,它直接从待查找的图像视觉特征出发,利用颜色、纹理、形状等视觉特征,实现了对图像视觉内容特征的检索。本文对基于内容的图像检索技术进行了深入的研究,在分析了基于内容图像检索系统的研究背景,涉及的应用领域及国内外研究现状的基础上对组成基于内容图像检索技术的结构以及检索方法的评估标准进行了系统地研究。针对基于内容图像检索技术的结构,重点分析了特征提取、相似性度量和相关反馈技术的基本概念和特点。在特征提取方面,详尽地描述了颜色、纹理、形状及空间关系各个特征的定义和常用的数学表示形式;在相似性度量方面,主要分析了相似性度量的常用类型及其表示形式,同时对相关性反馈技术进行了分析。本文结合基于内容图像检索技术的基本原理,在基于颜色矩的颜色特征提取方法和基于灰度共生矩阵的纹理特征提取方法的基础上,利用Visual C++ 6.0和SQL Server2000数据库技术,编程实现了一个简易的图像检索系统平台。该系统将计算得到的输入示例图像的颜色矩值和灰度共生矩阵特征值,与特征库中的图像集进行相似程度的比较,将图像按照相似度的大小依次排列显示出来。通过对系统的各个模块及其功能进行分析,从实验结果来看,该系统所采用的检索算法具有较好的检索效率,检索性能优良,具有一定的理论和实际意义。
林传力[2]2008年在《基于内容的图像检索和Sift算法的应用》文中指出基于内容的图像检索(CBIR)是多媒体信息检索领域的一项新兴技术。和传统的利用文本标注的检索方式相比,它具有对图像内容描述充分、客观性强、自动高效等优点,有着极为广阔和应用空间,受到广泛关注并逐渐成为多媒体应用技术领域的研究热点。Sift算法是David Lowe于2004年正式完整提出的一种新型局部特征描述子。Sift特征独特性好,信息量丰富,并对尺度缩放、旋转、视角变化、遮挡、噪声和亮度变化等大部分干扰都具有很好的鲁棒性。在相关实验中,Sift算子己被证实其匹配性能明显高于同类型的局部特征。Sift算法在场景匹配、目标识别等领域有很大的利用价值,对其在图像检索领域应用的研究也已经开始。本文首先对CBIR系统所涉及的各个模块进行了大量调研,并对各项技术的原理和细节进行了细致的阐述,尤其对特征提取、多特征融合和相关反馈等关键技术更是从实现的高度给出了解决方案。其次,本文调查了Sift算法的提出背景,深入研究了算法原理及实现细节,对其在图像匹配、目标识别和定位等领域的应用进行了认真研究并提出了一整套解决方案。作为对以上两部分的研究成果的总结,本文分别实现了CBIR实验系统和Sift目标识别平台,并利用这些系统对以上研究进行了性能测试和验证。本文的第叁个研究重点是Sift算法在图像检索领域的应用。文章先针对两个已有案例进行了深入研究,并在此基础上对Sift在图像检索中的应用进行了可行性分析和总结。最后,构建了Sift检索系统并利用它对不同类型的图像进行检索实验,实验结果很好的支持了以上述结论。
王水璋[3]2008年在《基于纹理的图像检索技术研究》文中指出随着计算机技术和网络技术的发展,以及多媒体的推广应用,产生了大量的各式各样的图像。如何有效地对这些图像进行分析、存储和检索是一个急待解决的问题。基于内容的图像检索技术能有效地解决这一问题,成为研究的重点。图像检索的研究目的就是实现自动化、智能化的图像查询和管理方式,使查询者可以实现方便、快速、准确地查找。纹理是图像的一个主要视觉特征,也是基于内容图像检索系统中的一个重要手段。本文对基于纹理特征的图像检索技术进行了研究,并通过实验验证了检索算法的有效性。图像的特征提取是图像检索的关键技术之一。小波变换具有多分辨率与多方向特性,其形成的特征矢量能够在一定程度上对图像进行精确描述,并充分反映纹理图像的细节信息,而目不需要对图像进行全分解,因此计算量明显减少,且检索效果也得到了提高,可以用于大规模的图像数据库检索。所以本文将小波变换用于图像的纹理特征提取,并与基于灰度共生矩阵、梯度-灰度共生矩阵的纹理特征提取进行了检索比较。设计并实现了一个基于纹理特征的图像检索系统。给出了系统的流程图,并介绍了系统的查询模块、特征提取模块、匹配模块和图像显示模块及其各个模块的功能。系统采用欧氏距离法作为图像的相似性度量,分别采用叁种方法提取图像的纹理特征。最后通过实验对给定的图像进行检索,检索结果找出10幅相似图像并按照相似度从大到小排列。实验结果表明,基于小波变换的纹理特征提取计算简单、有效、且检索效果较好。
丁宏波[4]2008年在《基于颜色和纹理的图像检索的研究与实现》文中研究说明随着互联网的发展,各种图像信息日益丰富,基于内容的图像检索成为一个热门的研究课题。作者阅读了大量基于内容的图像检索文献,并利用颜色和纹理特征设计开发了一个图像检索系统。文中详细描述了用颜色、纹理及两者相结合的方式进行图像检索的过程和算法,主要工作如下:在基于颜色特征的检索方面,本文选用HSV颜色空间,介绍了RGB空间与HSV空间的转化方法。为了降低颜色特征的维数和系统开销,本文采用非等量间隔量化的方法对颜色空间进行量化。另外,一般的颜色直方图只能得到图像的全局统计信息,而无法对图像中的位置信息进行描述。本文针对这一缺陷,使用了一种改进的分块策略,首先将图像进行分块,然后结合累积颜色直方图进行特征提取,进而利用这些特征对图像进行检索。在基于纹理特征的检索方面,作者通过对小波分析的研究,将小波分析应用到图像的纹理检索中,一定程度上弥补了以往纹理检索的不足。文中详细的介绍了小波分析的理论基础,并对如何利用小波分析进行图像特征提取进行了充分的论述。图像的纹理特征主要集中在中、高频,而传统的金字塔式小波分析仅仅对低频子带进行分解。本文针对这一缺陷,利用可变树小波分析提取图像的纹理特征。无论是单纯基于颜色的图像检索,还是单纯基于纹理的图像检索,都存在各自的缺陷。如果对多个特征进行结合,那么对弥补单个特征所造成的缺陷会起到很大的作用,而对多特征的组合重点在于相似度匹配。本文介绍了一种多特征组合的相似度匹配方式,即加权方式,并对匹配的算法进行了论述。基于以上提到的算法,作者以系统设计、系统实现、系统测试为流程,设计开发了一个基于颜色和纹理的图像检索系统。该系统实现了基于颜色、颜色分块、纹理和两者结合的图像检索功能。本文对采用叁种不同方式进行图像检索的测试结果进行了比较分析,结果表明使用多特征结合的图像检索有效的提高了检索效率。
余芳[5]2007年在《基于颜色特征的图像检索技术研究》文中进行了进一步梳理在基于内容的图像检索中,颜色特征计算简单,具有较好的鲁棒性,作为图像的一种重要视觉信息,已经得到了广泛的应用。本文主要针对图像的颜色空间、颜色的量化和颜色特征提取方法进行了研究。首先,比较了RGB和HSV两种颜色空间模型,对颜色量化方法作了分类介绍。在此基础上重点讨论和比较了常见的颜色特征和颜色空间信息的提取方法,并对颜色特征的相似性度量方法作了介绍。其次,针对颜色直方图缺少颜色的空间分布信息,特征维数较多,存储量大的缺点,作了如下改进:(1)为了获取颜色的空间分布信息,提出一种等面积环形分块方法,该方法不仅保持了颜色直方图的旋转不变性,而且能够突出图像中心的主体地位,符合人的视觉特性。(2)改进了采用K-means算法提取图像主颜色的方法,较好地提取了图像的主颜色直方图,既降低了特征维数,又较好地保持了颜色表示精度。(3)基于上述研究,提出了基于分块主颜色的图像检索方法:对图像进行等面积环形分块,统计各子块的主颜色直方图。该检索方法同时具有等面积环形分块和主颜色直方图的优点。实验证明,分块主颜色方法能明显地改善检索效果。(4)为了进一步提高检索效率,综合分块主颜色方法和分块颜色矩方法进行检索。实验表明,组合检索比单一的检索方法更有效。最后,详细设计和实现基于上述方法的图像检索原型系统IRS,并基于此原型系统,对本文提出的几种图像检索方法进行了实验比较和性能分析。
曾奇森[6]2007年在《基于内容的图像检索相关技术研究》文中指出随着数据库技术、多媒体技术以及计算机视觉技术的快速发展，图像作为一种重要的多媒体信息的载体，已经广泛地应用于众多领域。为了方便用户能够快速地、准确地从海量的图像资源中找到自己所需要的图像，基于内容的图像检索(CBIR)技术正逐渐成为目前研究的热点。本文在理解和掌握基于内容的图像检索技术相关领域知识的基础上，主要对图像特征的提取方法进行了深入地研究，并完成了以下工作：1、由于基于HSV空间的颜色直方图法不能有效地表达图像颜色分布的空间信息，所以本文在颜色直方图法的基础上，对图像颜色特征提取算法做了一些改进。在改进的分块主色法中，本文采用了一种矩形重迭式分块策略对图像进行分块来反映图像颜色分布的空间信息，同时也有效地弥补了传统分块策略没有考虑分块间联系的缺陷；在颜色聚合矢量法中，采用了更加符合人的视觉感受的HSV颜色空间模型来描述图像的颜色聚合矢量。最后通过实验验证了上述颜色提取算法的有效性，并对它们的性能进行了比较分析。2、在基于改进的分块主色法的图像检索系统中引入了一种相关反馈机制，其主要思想是通过用户对检索结果的反馈信息获得一个反馈图像集，然后通过计算反馈图像集对应分块距离的加权方差来动态调整权值数组中的权重系数，最后利用新的权值数组进行图像检索。通过实验表明该相关反馈策略能够提高系统的查准率，能够更加有效地检索出用户所需的图像。3、为了融合多种特征进行图像检索，提高系统的检索性能，本文主要对综合颜色特征和纹理特征的图像检索方法进行了研究，并实现了综合改进的分块主色法和灰度共生矩阵算法的图像检索方法，最后通过实验表明采用该图像检索方法能够有效地提高系统的查准率。4、本文把基于内容的图像检索技术应用到CGProject项目的资源搜索模块中，设计并实现了一个图像检索系统CGProImageSearch系统，该系统在图像检索性能上做了一些优化，实验表明该系统在CGProject项目中具有良好的实用性。
魏春燕[7]2008年在《基础教育多媒体网络教学资源检索研究》文中指出教育信息化建设转变了教育思想和观念,对教师和学生都提出了新的要求。教师要具备利用网络获取教学资源、组织教学的能力,学生要有利用网络进行自我学习能力。因特网蕴含了大量信息资源,但可用的教学资源分布零散且质量良莠不齐。虽然现有的WEB搜索引擎功能日益完善,但多数采用基于关键词的方法,对于教学和学习所需要的多媒体资源的检索无能为力。尤其对于计算机能力不强的中小学教师和学生而言,在多媒体资源的查找方面更需要方便快捷的系统加以辅助。本课题正是基于以上原因,我们以中小学教材为依据,组织基础教育教学预搜索关键词,搜索网络资源,建立了一个以中小学师生为使用对象,面向基础教育的多媒体网络教学资源索引库。并以asp技术为支持,以多媒体资源索引库为基础,建立了一个面向基础教育的多媒体网络教学资源索引库的检索系统。组织基础教育教学预搜索关键词,是为预搜索系统提供搜索指向,是建立面向基础教育的多媒体资源索引库的前期工作。我们以中小学教材为依据,通过人工收集和整理,从学段、学科和类型叁个维度建立了基础教育教学主题词库体系。学段分为小学、初中和高中,其中小学的学科有5门,初中的学科有12门,高中的学科有14门,主题词类型分为图像、动画、视频和音频。论文设计并建立了一个以面向基础教育的多媒体资源索引库为基础的检索系统,该检索系统是面向WEB的多媒体资源检索系统,可以根据用户名连接相应的WEB多媒体资源索引库。每个资源库包含了图像、动画、视频、音频四类资源。该系统包括用户登录界面、用户输入界面、检索结果输出界面。检索系统是在分析了资源库中媒体的类型、特征及存储特点的基础上,采用中文自然语言查询的方法,以相似度来衡量查询目标媒体和数据库媒体之间的差距。自然语言是表达思想的有效工具,利用自然语言表达多媒体资源的语义是一种简洁、有效的方法。论文对自然语言分词的一般方法做了介绍,引用已有的分词词典建立了自用的分词函数,对查询文本进行分词和词性标注。从查询文本中去除虚词、设定的缺省词汇,提出名词、动词、形容词、成语等我们需要的主题关键词,即可得到对目标媒体的描述,称为主题内容。计算相似度之前,主题内容要依据同义词词典进行扩展。媒体资源索引库中包含图像、动画、视频、音频四种类型的媒体,论文采用相似度来衡量查询目标媒体和数据库媒体之间的差距。媒体的特征包括文件属性和内容特征,相似度计算主要是针对媒体的内容特征,对于不同的内容特征使用不同的相似度计算方法。通过比较扩展后的主题内容与数据库中内容描述字段相同词的个数来计算主题内容相似度;主色调颜色词转换为HSI模式,与数据库中以数值方式标注的主色调字段进行色调相似度的计算;图像的主体与主体属性针对数据库中的主体字段计算相似度。所有的内容特征按照其所在层次确定重要性后,计算总相似度。将总相似度大于一定阈值的数据库记录按照总相似度由大到小的顺序,作为检索结果反馈给用户。本文在上述工作的基础上,对面向基础教育的多媒体资源索引库的检索系统进行了大量实验,并对实验结束进行了详细的表述。经实验表明,该系统对结构比较简单的、嵌套较少的查询文本能比较准确的进行分词,对数据库中内容特征标注准确、详实的记录,检索结果准确度较高,证明依据内容特征检索的方法是可行的。缺点是随着多媒体资源索引库中记录的增多,当检索条件比较多时,系统运行速度比较慢。论文最后总结了本文的工作,并提出了下一步的研究方向。
冯爱萍[8]2011年在《基于内容的图像检索系统研究》文中研究表明基于内容的图像检索技术已成为大规模多媒体数据库高效管理和检索任务中的一项新兴的技术,是近年来多媒体信息检索领域中的研究热点之一。其良好的发展前景和日益提升的应用需求将持续推动此项技术的发展。所谓基于内容的图像检索技术(Content Based Image Retrieval,简称CBIR),又称图像内容检索技术(Query By Image Content,简称QBIC),是利用图像内容的描述信息,如颜色、形状、纹理、语义等特征,对用户查询图例进行相似图像检索。本文论述了基于内容的图像检索技术的研究背景、意义以及其广泛的应用领域；从研究的着重点出发,分类总结了CBIR技术的国内外研究现状,介绍了一些现有的典型CBIR系统原型：并全面论述了基于内容的图像检索的关键技术,主要包括：图像内容描述方法、特征相似性度量、特征索引、系统查询模式设计、相关反馈技术、CBIR检索效果评判标准。在此技术基础理论研究上,本文的重点在于提出并实现了一个CBIR系统解决方案,并就系统检索性能作了科学的评价。主要包括：首先,本文采用密集采样的SIFT描述方法提取图像的底层特征,通过“视觉语义字典”模型建立其与高层语义之间的联系,并利用金字塔匹配算法将视觉特征的二维空间位置信息嵌入图像特征描述中,由此获得了一种稳定的且更符合人类视觉感知特性的图像内容的特征描述：其次,本文通过采用类直方图相交法来衡量图像特征之间的相似度；第叁,本文使用标注正、负反馈图组的反馈机制,让系统从用户反馈中探索其真实用意,以优化检索效果；最后,本文在两个图像库上对系统进行了测试,就检索结果作了科学分析与评价,并指明系统需要进一步改进的地方,以及今后的研究方向。
杨泽新[9]2006年在《基于颜色和形状的图像检索技术研究与实现》文中进行了进一步梳理随着数字图像处理技术的快速发展和Internet的普及,数字图像的应用愈加广泛,对图像进行有效管理和查询的需求也越来越迫切。基于内容的图像检索(content-based image retrieval, CBIR)技术自提出以来,得到国内外信息领域科技人员的广泛重视和研究,迅速成为多媒体、数据库技术中的研究热点之一。图像的特征提取算法是CBIR技术的一个重要研究内容。颜色是最常用的可视化特征,常见的基于颜色直方图的算法丢失了大量的有用信息例如空间信息,导致检索效果不能满足需要。为改进这些不足,设计了基于有意义区域的颜色检索算法:通过计算图像的颜色聚合度,确定图像分割方法。对聚合度较高的图像利用区域生长方法进行分割;对聚合度较低的图像进行简单的分块,每个分块作为一个区域。然后提取各区域的颜色特征并动态加权求和进行检索。为提取图像的形状特征,改进并实现了基于傅立叶半径描述子的形状检索算法。对彩色图像进行图像分隔,并通过迭代法求得自适应阈值后将彩色图转化为二值图。然后进行轮廓跟踪,再求取形状的形心对各个采样点的距离,所求得的距离值形成一个半径序列,对这个序列进行傅立叶变换,截取结果数组前面若干个元素,取模作为形状特征的描述,然后在此基础上进行形状检索。在分析常见典型CBIR系统结构优缺点的基础上,设计并实现了达梦图像数据库检索系统(DMIR)。对功能进行了合理划分,对后台数据库作了部分优化,提出了优化金字塔技术(Optimized Pyramid Technique, OPT)处理高维向量的索引问题。在该系统上的试验结果表明以上提出的两个算法在绝大多数情况下具有较高的准确度和查全率,具有一定的实用价值。
董志锋[10]2008年在《基于多层个性化情感模型的图像检索系统》文中指出随着信息化社会的到来,多媒体技术及智能信息处理技术的迅速发展,各行业对图像的使用越来越广泛,图像信息资源的管理和检索显得日益重要。怎样有效地组织管理和检索这些大规模的图像数据库已经成为当前的一个热门课题。图像的检索技术历经了基于文本的图像检索(TBIR)、基于内容的图像检索(CBIR)和目前的基于语义的情感检索几个阶段。目前基于文本的图像检索依然是当前主流搜索引擎采用的方式。基于内容的图像检索在90年代初开始成为图像检索技术的主流。然而,人们对图像相似性的判断并非仅仅建立在图像的视觉特征上,它还包含了人们对图像内容的理解,这种理解无法直接从图像的视觉特征获得,而要根据人的知识来判断,这种对图像的理解就是图像的语义特征。只有结合图像的多种信息,特别是语义信息,才能使检索系统的能力尽可能接近人的理解水平。基于语义的图像检索就是根据图像的逻辑特征和抽象属性进行检索,使计算机检索图像的能力接近人的理解水平的检索技术,目前还处于研究和探索阶段。基于情感的图像检索是其中的热点之一。本文以基于情感的图像检索系统为主要研究方向,首先,详细介绍了现有的图像情感模型和图像检索中对图像特征的主要提取方法;其次,在学习和研究了现有的图像情感模型的基础上,综合心理学研究领域对人类情感的一些主流观点,指出了在图像情感模型中人类情感的群体化现象,并结合这一观点,对现有的图像情感模型进行了一些改进,提出了多层个性化情感模型,该模型将情感分为两个层次:公共情感层和个性化情感层,公共情感层是指人类对图像情感信息的共同解释,本文在公共情感层中,注意到了公共情感的群体化现象,即人的社会属性如性别、年龄、民族、国家等因素产生的群体差异对公共情感的影响,利用先验知识,构造产生式规则,然后结合用户注册时提供的个人资料来确定用户的群体,并构造出用户的公共情感层信息。在个性化情感层的建立上,使用了基于用户反馈的方法,通过用户对检索结果的评价或者主动学习来建立和完善个性化情感层;最后,本文根据提出的多层个性化情感模型建立一个了一个验证性的图像检索系统,该系统在测试中取得了不错的检索效果。
参考文献：
[1]. 基于内容的图像检索技术及其应用研究[D]. 陈希. 武汉理工大学. 2008
[2]. 基于内容的图像检索和Sift算法的应用[D]. 林传力. 上海交通大学. 2008
[3]. 基于纹理的图像检索技术研究[D]. 王水璋. 太原理工大学. 2008
[4]. 基于颜色和纹理的图像检索的研究与实现[D]. 丁宏波. 北京交通大学. 2008
[5]. 基于颜色特征的图像检索技术研究[D]. 余芳. 中国石油大学. 2007
[6]. 基于内容的图像检索相关技术研究[D]. 曾奇森. 南京理工大学. 2007
[7]. 基础教育多媒体网络教学资源检索研究[D]. 魏春燕. 山东师范大学. 2008
[8]. 基于内容的图像检索系统研究[D]. 冯爱萍. 北京邮电大学. 2011
[9]. 基于颜色和形状的图像检索技术研究与实现[D]. 杨泽新. 华中科技大学. 2006
[10]. 基于多层个性化情感模型的图像检索系统[D]. 董志锋. 太原理工大学. 2008
标签：计算机软件及计算机应用论文; 图像检索论文; 特征提取论文; 图像融合论文; 索引图像论文; 颜色模型论文; 数据检索论文;