彩色圖像檢索方法及其在圖像數(shù)據(jù)庫(kù)中應(yīng)用.pdf

1、本文論述了彩色圖像檢索方法及其在圖像數(shù)據(jù)庫(kù)中應(yīng)用。 基于內(nèi)容的圖像檢索方式CBIR(Content-Based ImageRetrieval)，就是根據(jù)給定的圖像特征，從存儲(chǔ)在數(shù)據(jù)庫(kù)中的大量圖像中進(jìn)行檢索，找出與給定圖像特征相似的圖像來(lái)?；趦?nèi)容的圖像檢索主要涉及到四項(xiàng)關(guān)鍵技術(shù)：圖像數(shù)據(jù)庫(kù)技術(shù)，內(nèi)容描述技術(shù)，特征提取與匹配技術(shù)，快速檢索技術(shù)。 本文的研究?jī)?nèi)容著重于特征提取與匹配技術(shù)和圖像數(shù)據(jù)庫(kù)技術(shù)上，從形狀特征，紋理特征

2、和海量圖像數(shù)據(jù)庫(kù)技術(shù)三個(gè)方面進(jìn)行研究，理論與方法部分的創(chuàng)新和成果如下： (1) 形狀特征：彩色圖像分割的涵義是在圖像區(qū)域邊緣處，使特征向量呈階躍變化，區(qū)域內(nèi)部變化平穩(wěn)。在SC 空間采用改進(jìn)了的均值漂移（Mean Shift）算法和區(qū)域算法提取彩色圖像邊緣。該算法具有如下創(chuàng)新：在HSV 空間，選取了SC（Spatial Color Feature Space）特征空間；改進(jìn)了Mean shift 算法的權(quán)重分配算法和窗口尺寸選取算

3、法；解決了特征空間各向異性和可信度不同問(wèn)題并具有自適應(yīng)性；接著將其與區(qū)域方法結(jié)合，很好地融合了空間信息和顏色信息，在此基礎(chǔ)上使用了hue 的七個(gè)不變矩，實(shí)現(xiàn)了歐式距離檢索。 (2) 紋理特征：一種反映圖像像素灰度級(jí)空間分布的屬性。如果物體內(nèi)部的灰度級(jí)變化明顯又不是簡(jiǎn)單的色調(diào)變化，那么該物體就有紋理。本文采用的紋理特征提取方法采用基于最小二乘和區(qū)域分割技術(shù)的聚類分析方法。該算法具有以下創(chuàng)新：通過(guò)最小二乘法擬合的系數(shù)矢量是對(duì)單幅圖像

4、紋理表達(dá)的發(fā)展，很好的表達(dá)了多光譜圖像的紋理信息；縮放法針對(duì)較復(fù)雜紋理的不規(guī)則性，提出了對(duì)系數(shù)矢量進(jìn)行調(diào)整的方法；在區(qū)域分割的過(guò)程中，提出了將開區(qū)域轉(zhuǎn)化為閉區(qū)域和將閉區(qū)域規(guī)則化的方法。 (3) 圖像數(shù)據(jù)庫(kù)：針對(duì)復(fù)雜的Tif/Tif格式的遙感超大圖像，利用libtif 通過(guò)Engine Firebird 連接Delphi和Interbase設(shè)計(jì)并實(shí)現(xiàn)了基于縮略圖提取的數(shù)據(jù)庫(kù)。本設(shè)計(jì)具有如下創(chuàng)新：縮略圖與原圖通過(guò)外鍵相連；原圖動(dòng)態(tài)顯