论文部分内容阅读
随着信息社会的发展,大容量存储设备和数字化设备的出现和广泛使用,以及多媒体技术和网络技术的迅速普及,导致图像数据海量增加。为了迅速、准确地从浩瀚的数字图像库中检索到所需要的图像,基于内容的图像检索技术(CBIR)便产生了,成为研究的热点。基于内容的图像检索技术有别于传统的基于文本的图像检索,它实质是一种模糊查询技术,通过自动提取每幅图像的视觉内容特征作为其索引,找出特征空间与查询图像相近的图像,从而实现图像库自动化、智能化、人性化的图像查询和管理。在CBIR系统中,图像的特征提取和相似度匹配非常重要。在已存在的颜色、纹理、形状等几种特征提取中,由于纹理特征能很好地表征图像,在图像检索中得到广泛的应用,因此本文主要是从基于纹理特征的图像检索方法展开研究。本文对基于内容的图像检索的关键技术——特征提取进行研究、分析、实现,也对典型的检索算法进行了对比并开发出了图像检索系统原型系统。为了有效提高图像检索性能,论文对检索系统的关键技术展开了研究,主要做了以下几个方面工作:①在研究基于内容的图像检索中各种纹理特征检索算法以及纹理特征描述的基础上,设计了可自适应的加权局部二值模式(local binary pattern,LBP)算法。该算法考虑的主要问题是:1)针对传统的LBP算法分析窗口不可调,该算法在传统LBP算法的基础上结合了Tamura纹理粗糙度达到自适应分析窗口大小,得到更好的纹理分析性能;2)由于不同的象素点在图像中所处的位置不同,具有不同的意义,通过拉普拉斯算子计算每个象素点的加权值,即本文提出的可自适应的加权LBP算法,得到较好的检索效果。②对基于内容的图像检索的基本检索原理、图像检索系统的通用框架、关键技术、检索系统的性能评价、相关反馈进行分析,得出图像的特征提取以及图像间的相似性度量是影响图像检索性能效果的关键之处。③使用Matlab7.0设计开发了基于纹理特征的图像检索原型系统,可以为本文及纹理特征提取的各种经典算法提供验证。本文对基于内容的图像检索系统进行了初步的研究,在各种典型的纹理特征算法分析的基础上,提出自己的见解并设计了可自适应的加权LBP算法。