基于馬爾科夫穩(wěn)態(tài)特性的圖像檢索系統(tǒng)設(shè)計與實現(xiàn).pdf

1、隨著計算機、多媒體以及Internet等技術(shù)的發(fā)展，尤其是搜索引擎的廣泛應(yīng)用，人們越來越多的接觸到大量的圖像數(shù)據(jù)。如何快速有效地從大規(guī)模圖像數(shù)據(jù)庫中檢索出所需的圖像已經(jīng)成為目前信息檢索領(lǐng)域非常重要也非常有挑戰(zhàn)性的一個課題?；趦?nèi)容的圖像檢索正是解決這一問題的比較智能且高效的方法。
　　基于內(nèi)容的圖像檢索方法是根據(jù)圖像中包含物體的類別進行分類的方法，其中圖像特征提取以及分類檢索是最關(guān)鍵的兩步，對檢索性能起到關(guān)鍵作用，也是近幾年的熱門

2、研究課題?，F(xiàn)有算法比如基于梯度直方圖的圖像特征提取(HOG)[3]，金字塔型的梯度直方圖(PHOG)[4]或者SVM[7]分類模型等，盡管已經(jīng)取得了很大的成功，但是基于內(nèi)容的圖像檢索依然是一個很有挑戰(zhàn)性的任務(wù)，并且檢索結(jié)果遠不能讓人滿意。原因之一在于圖像的描述符，即圖像的特征提取不充分，另一個原因在于語義相關(guān)的圖像在特征空間中，是內(nèi)嵌在一個幾何流形域中，而不是在線性的超平面中。
　　本課題研究從圖像的特征提取及圖像檢索的快速算法兩

3、個角度出發(fā)，在圖像特征提取階段，主要提取的是圖像的梯度信息，并通過馬爾科夫穩(wěn)態(tài)特征的分析，得到該圖像基于馬爾科夫穩(wěn)態(tài)特性的梯度直方圖特征。在圖像分類檢索階段，主要使用了基于幾何流形能量最小化的圖像檢索方法，將圖像的檢索看作一個在圖像數(shù)據(jù)庫中搜索一個最優(yōu)圖像能量環(huán)的問題。實驗結(jié)果表明本文提出的圖像檢索框架是可行的，并且基于馬爾科夫穩(wěn)態(tài)特性的梯度直方圖特征在圖像特征表現(xiàn)上明顯優(yōu)于原始的HOG描述符。
　　本文的工作主要集中在以下幾點:

4、
　　在圖像提取階段，對圖像的梯度直方圖特征進行擴展。根據(jù)馬爾科夫鏈模型，特征化梯度直方圖的空間共生情況，最終通過馬爾科夫穩(wěn)態(tài)特性，得到圖像基于馬爾科夫穩(wěn)態(tài)特性的梯度直方圖特征（GHMSF）。GHMSF是對圖像的梯度直方圖特征更進一步的擴展，其中包含了直方圖通道內(nèi)部、直方圖通道與通道之間的空間結(jié)構(gòu)信息。
　　在圖像分類檢索階段是基于幾何流形域，同時將圖像檢索問題看作是圖像數(shù)據(jù)庫中搜索最優(yōu)圖像環(huán)的問題，避免了求解搜索特征空間到