结合图像熵和分块匹配的图像检索

VIP免费

3.0 牛悦 2024-11-19 4 4 1.37MB 53 页 15积分

侵权投诉

摘要

近年来，随着计算机技术，多媒体技术，数据库技术以及人工智能技术的快

速发展，图像的数据量也呈指数增长，而如何从如此众多的图像当中得到自己想

要的图像就成为一个急需解决的问题。因此对于图像检索技术，寻找有效的图像

检索标志和建立高效的检索机制就成为国内外的研究热点。

最开始的图像检索方法是“字找图”，主要是通过对图像进行人工文字注解，

利用文本检索实现对图像特征的查找。这种对图像建立关键词等文本描述信息的

方式已经越来越不能适应现在大量图像信息检索的要求，不仅费时费力，而且文

字也很难反映图像中的完整内容。在这种情况下，基于内容的图像检索

（content-based image retrieval，CBIR）方法应运而生。这种方法主要提取颜色、

纹理、形状及区域等视觉特征来与数据库中的图像进行比对，根据相似度大小来

检索出图像。根据例图在大规模的图像数据库中进行检索，实现了图像视觉内容

特征的检索，突破了“以关键字找图”的查询模式。

传统的 CBIR 方法没有考虑图像的空间分布信息，不能精确的反应图像间细节

上的相似性，检索精度不高。另外一般的 CBIR 都是提取图像的单一特征进行检索，

所以检索精度都不会太高。

本文首先简要介绍了一些常用的颜色、形状、纹理特征的检索方法，以及国

内外一些主流图像检索系统，然后针对各种方法的优缺点，提出了一种多特征结

合的图像检索方法。检索步骤如下：针对图像颜色的空间分布特征，首先计算出

图像整体熵并且与设定的阈值进行对比，根据相似的图像熵也相近来筛选出整体

相似图像，实现对图像的预分类。然后再对所得图像分块，再次利用熵值进行二

次检索。最后利用欧几里得矩来进行相似性度量。仿真结果表明，本文提出的方

法检索图像更精确、更迅速。

关键词：基于内容图像检索灰度直方图图像熵分块欧几里得距

ABSTRACT

In recent years, with the rapid development of computer technology, multimedia

technology, database technology and artificial intelligence technology, the amount of

image data grows exponentially, and during so many images which images people really

need become an urgent problem. So for image retrieval, seeking for effective image

retrieval mark and establishing efficient retrieval mechanism become key research point

at home and abroad.

The beginning of the image retrieval method is "find images according to word ",

It achieves the aim mainly through the text of the manual image annotation using text

retrieval image features. But there are too many key words and other text on the image

description to be established because of too many images and it has become

increasingly unable to meet the requirements of information retrieval, not only time

consuming, and the text is difficult to reflect the entire contents of the image. In this

case, content-based image retrieval (content-based image retrieval, CBIR) methods have

emerged. This approach extract color, texture, shape, regional and other visual features

of images and compare with images in the databases, then retrieve the image according

to similarity .Based on case diagram in the large-scale image database, it realizes image

retrieval of visual content features, breaking the query pattern of "find image according

to key word".

The spatial distribution of the image information was not considered in traditional

CBIR means, so it cannot reflect precise image similarity between the details and

retrieval accuracy is not high. Also general CBIR means always extract a single image

feature for retrieval, so the retrieval precision is not high, either.

This article briefly describes some commonly retrieval methods of color, shape,

texture and some mainstream image retrieval system at home and abroad, and then as to

the advantages and disadvantages of each method, a combination of multiple features of

image retrieval methods is brought up. Considering the space distribution feature of

color, first we calculate image’s overall entropy and make a contrast with set threshold.

Based on the theory that similar images have similar image information threshold, we

select images similar in general, so pre-classification is realized. Then do blocking as to

these selected images, and do further retrieval by executing entropy retrieval again.

Then we measure similarity by Euclidean Distance. Experiment shows the way this

paper forwarded make the image processing more exact and more quick.

Key Words: content-based image retrieval, gray histogram, entropy of

image, blocking, Euclidean distance

摘要

ABSTRACT

第一章绪论 ...........................................................................................................1

1.1 研究背景与意义.......................................................................................1

1.2 基于内容图像检索系统的现状和发展情况............................................2

1.3 基于内容检索图像检索系统的框架........................................................2

1.4 国内外典型的图像检索系统....................................................................3

1.5 本文的主要研究内容和结构安排............................................................5

1.5.1 论文研究内容...............................................................................5

1.5.2 论文创新点...................................................................................5

1.5.3 本论文组织结构...........................................................................5

第二章基于颜色空间的图像检索算法 .................................................................6

2.1 主要颜色空间...........................................................................................6

2.1.1 RGB 颜色空间................................................................................6

2.1.2 HSV 颜色空间................................................................................7

2.2 基于图像颜色特征检索算法简介............................................................8

2.2.1 颜色直方图....................................................................................8

2.2.2 累积颜色直方图............................................................................9

2.3 度量方法...................................................................................................9

2.4 颜色特征用于检索的优缺点.................................................................10

2.5 小结.........................................................................................................10

第三章基于形状特征的图像检索 .......................................................................11

3.1 简介.........................................................................................................11

3.2 图像增强.................................................................................................11

3.3 图像分割.................................................................................................12

3.3.1 定义.............................................................................................12

3.3.2 主要分割方法.............................................................................12

3.4 主要描述参数..........................................................................................13

3.5 几种主要形状检索方法.........................................................................15

3.5.1 基于形状边界特征的检索方法..................................................15

3.5.2 基于形状区域特征的图像检索算法..........................................16

3.5.3 综合边界特征和区域特征的图像检索......................................18

3.6 小结.........................................................................................................18

第四章基于纹理特征的图像检索 .......................................................................19

4.1 简介.........................................................................................................19

4.2 空间域纹理分析.....................................................................................20

4.2.1 Tamura 纹理特征........................................................................20

4.2.2 灰度直方图.................................................................................21

4.2.3 边缘方向直方图.........................................................................21

4.2.4 游程长度特征提取.....................................................................22

4.2.5 灰度共生矩阵.............................................................................23

4.3 频率域纹理分析.....................................................................................25

4.4 结合空间域和频率域的纹理分析..........................................................25

4.4.1 小波基本理论..............................................................................26

4.4.2 多尺度分析..................................................................................27

4.5 小结.........................................................................................................28

第五章多特征图像检索算法 ...............................................................................29

5.1 多特征组合的相似性度量结构.............................................................29

5.2 结合图像熵和分块匹配的图像检索流程图.........................................30

5.3 图像预分类.............................................................................................31

5.3.1 灰度直方图.................................................................................32

5.3.2 基于图像熵的预分类.................................................................32

5.4 图像分块.................................................................................................33

5.5 二次熵检索.............................................................................................34

5.6 计算图像总体相似度..............................................................................35

5.7 小结.........................................................................................................35

第六章实验结果分析 ...........................................................................................36

6.1 量化评价方法.........................................................................................36

6.2 建立图像数据库.....................................................................................37

6.3 实验数据分析.........................................................................................37

第七章总结与展望 ...............................................................................................44

7.1 小结.........................................................................................................44

7.2 展望.........................................................................................................44

参考文献 .................................................................................................................46

在读期间公开发表的论文和承担科研项目及取得成果 .....................................49

第一章绪论

1.1 研究背景与意义

近年来，随着计算机，多媒体技术，数据库技术以及人工智能技术的快速发

展，网络上的图像数据量也以指数形式大量增长。人们需要的是可以从如此众多

的图像中寻找到对自己有价值的图像，因此图像检索技术随之成为国内外的研究

热点。

20 世纪 70 年代末，基于文本的图像检索盛行。这种检索方法主要是将图像作

为数据库中的一个对象，对其进行文字标注。在检索时，根据所标注的文字描述

进行匹配。这种方法对于图像数据库较小以及图像内容比较简单的时候确实比较

易用。但是它有以下几个缺点：（1）图像数据量的庞大使得需要耗费大量的人力

和时间对图像进行标注；（2）数码设备的快速发展使得图像不可能是单一的图像，

因此仅仅用几个关键字来对图像进行标注变得艰难；（3）每个人对图像的理解不

一样，因此对图像的标注也会不一样，这样检索起来比较混乱。

为了解决以上这些弊端，基于内容的图像检索[1-3]方法应运而生。该方法是通

过分析图像的特征，如颜色、形状、纹理、空间信息等，与图像数据库中的图像

进行特征比对，检索到的结果将会以相似度大小排列。它有以下优点：（1）计算

机可以自动提取图像特征，利用图像内容特征建立索引，免去了人工标注的人力

和时间并且检索过程更加有效；（2）基于内容的图像检索是一种近似匹配，相同

内容的图像有不同的表现形式，而且图像内容丰富，相互关联性强。因此检索过

程中，利用相似性匹配逐步接近想要查找的图像；（3）可以实现人机交互，当某

种特征不能检索到需求的图像时，用户可以通过选取合适的特征来检索到所需要

的图像。（4）大型数据库的快速检索。在实际的多媒体数据库中，数据量以及种

类都很庞大，因此 CBIR 必须做到快速的检索。

基于内容图像检索技术已经广泛应用于各个行业[4]，例如在知识产权保护方

面，CBIR 可以实现商标的专用图形标记的自动审查；新一代网上搜索引擎应该可

以协助用户从海量无序的网上图像资源中寻找符合要求的图像的能力；另外，CBIR

还广泛应用于医学图像检索，在诊断病情方面发挥着重要的作用。

由于 CBIR 已经渗入到日常生活中各个方面，为各个领域中图像的快速查询和

管理提供了快速有效的方法，对完善各种技术的研究和发展有深远意义，因此

CBIR 的研究具有广泛和深远的前景。

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

摘要近年来，随着计算机技术，多媒体技术，数据库技术以及人工智能技术的快速发展，图像的数据量也呈指数增长，而如何从如此众多的图像当中得到自己想要的图像就成为一个急需解决的问题。因此对于图像检索技术，寻找有效的图像检索标志和建立高效的检索机制就成为国内外的研究热点。最开始的图像检索方法是“字找图”，主要是通过对图像进行人工文字注解，利用文本检索实现对图像特征的查找。这种对图像建立关键词等文本描述信息的方式已经越来越不能适应现在大量图像信息检索的要求，不仅费时费力，而且文字也很难反映图像中的完整内容。在这种情况下，基于内容的图像检索（content-basedimageretrieval，CBIR）...

展开>> 收起<<

结合图像熵和分块匹配的图像检索.pdf

共53页,预览6页

还剩页未读，继续阅读

结合图像熵和分块匹配的图像检索

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: