基于區(qū)域模糊特征的圖像檢索研究和實(shí)現(xiàn).pdf

1、隨著計(jì)算機(jī)技術(shù)、多媒體技術(shù)的迅速發(fā)展以及Internet的不斷擴(kuò)大，圖像信息變得越來越豐富，如何快速地找到需要的圖像成為亟待解決的問題?；趦?nèi)容的圖像檢索技術(shù)旨在搜索出滿足人們主觀要求的圖像，因此得到了廣泛研究。 模糊集理論能夠促進(jìn)基于內(nèi)容的圖像檢索技術(shù)發(fā)展，使圖像檢索技術(shù)脫離精確的計(jì)算，更符合人類的模糊思維。論文著眼于這一點(diǎn)，討論了融合模糊集理論的圖像檢索技術(shù)，分析比較了模糊聚類算法FCM和人工免疫網(wǎng)絡(luò)aiNet聚類方法各自的

2、特性，最后提出了基于區(qū)域模糊特征的圖像檢索的改進(jìn)方法，使原有方法在速度和命中準(zhǔn)確率上都得到提高，實(shí)現(xiàn)的系統(tǒng)也證實(shí)了這一點(diǎn)。 論文主要作了以下工作： 系統(tǒng)地總結(jié)了基于內(nèi)容圖像檢索的幾方面關(guān)鍵技術(shù)，包括：低層視覺特征的提取算法、圖像特征數(shù)據(jù)庫的索引機(jī)制、相似性度量方法、圖像檢索查詢方式、相關(guān)性反饋技術(shù)和圖像檢索算法性能的評價(jià)策略。 討論了這幾種模糊特征提取技術(shù)：簡單的顏色模糊直方圖、基于顏色隸屬模型的直方圖、顏色和紋

3、理綜合模糊直方圖方法、模糊形狀表達(dá)技術(shù)。 分析比較了模糊C均值聚類算法FCM和人工免疫網(wǎng)絡(luò)aiNet聚類算法的特性，通過它們對相對集中數(shù)據(jù)、稀疏分散數(shù)據(jù)、環(huán)狀和螺旋分布數(shù)據(jù)聚類來進(jìn)行比較，得到當(dāng)遇到潛在的類或簇背離超球面結(jié)構(gòu)時(shí)，F(xiàn)CM算法表現(xiàn)不佳，而aiNet可以很好的發(fā)現(xiàn)數(shù)據(jù)的內(nèi)在特征，減少數(shù)據(jù)中的冗余、描述數(shù)據(jù)結(jié)構(gòu)和聚類形狀，表現(xiàn)良好的適應(yīng)性。 提出并且實(shí)現(xiàn)了基于區(qū)域模糊特征的圖像檢索的改進(jìn)方法。有三點(diǎn)改進(jìn)：采用量化