论文部分内容阅读
在信息检索领域，如何有效地理解、检索大规模的数据库以及从海量图像中获取所需信息已成为一项极具价值的研究。因此，探索一种实用的基于内容的图像检索模型，尤其是寻求优秀的特征提取与描述方法及高效的匹配算法，具有重要的理论意义和实际应用价值。图像检索的质量主要依赖于图像匹配的效果，而点特征在图像匹配领域中具有一定的优势。点特征主要用于解决包含几何变换的图像匹配问题，不但能适用于重合度较低的图像，而且还能适应于几何形变剧烈的图像，在图像处理和图像检索等领域扮演着重要角色。针对目前较为流行的SIFT描述子在实际应用中存在的一些问题，本文对基于点的局部不变特征提取和特征描述的匹配方法进行了深入研究。主要研究内容如下：(1)提出了一种基于2DPCA-SIFT图像特征提取与描述的匹配算法。针对绝大部分2D图像，所提出的算法运算过程简单且对于图像的仿射等变换具有较好的鲁棒性。(2)提出了一种基于Canny边缘检测和2DPCA-SIFT相结合的图像特征提取算法。与SIFT算法相比，提出的算法具有较低的计算复杂度，对于大部分的平面图像，在匹配率和运算效率等方面有了明显提高。(3)设计并实现了一个基于内容的图像检索原型系统。该系统首先采用Canny与2DPCA-SIFT相结合的算法对低层特征进行提取与描述；其次选择合适的数据类型构建索引，完成相似性匹配；然后按照相似度大小输出检索结果。本文在二值商标库、IMM人脸库和自建场景图像库上进行了大量仿真实验，结果表明本文算法能够取得良好的检索结果，在不同图像库中具有较好的通用性。