基于多媒體融合的圖像檢索技術(shù)的研究.pdf

1、在當(dāng)今數(shù)字化和網(wǎng)絡(luò)化時代,全世界每天的數(shù)字圖像信息以驚人的速度增長,如何進(jìn)行快速而有效的圖像檢索已經(jīng)成為亟待解決的熱點問題。目前,互聯(lián)網(wǎng)上廣泛應(yīng)用的圖像搜索引擎主要采用基于文本的圖像檢索技術(shù)。此項技術(shù)無法充分利用圖像的視覺特征,人為因素較大,因而圖像檢索的研究重點轉(zhuǎn)向基于內(nèi)容的圖像檢索。但是,基于內(nèi)容的圖像檢索算法難以聯(lián)系圖像的高層語義,準(zhǔn)確性較低。因此,一種充分利用低層視覺特征和高層語義的圖像檢索技術(shù)成為新的研究方向。本文在此方面做了

2、較深入的研究,提出了一套新的解決方案。
　　首先,對基于文本和基于內(nèi)容兩種檢索技術(shù)進(jìn)行了深入分析和比較,對現(xiàn)有的多媒體融合技術(shù)做了較為詳實的分析。在此基礎(chǔ)上,提出一種基于多媒體融合中的單媒質(zhì)索引技術(shù)的圖像檢索方法。即:先對圖像庫中的圖像進(jìn)行分類,再對圖像的各種特征(如主題、顏色、紋理和形狀等)進(jìn)行關(guān)鍵詞描述,然后利用關(guān)鍵詞索引實現(xiàn)圖像檢索。實驗結(jié)果表明,該方法極大地提高了系統(tǒng)的查準(zhǔn)率。
　　其次,在以上檢索方法基礎(chǔ)上,引入語

3、音識別技術(shù),提出一種基于語音識別的圖像檢索方法。該方法將具有較高識別率、達(dá)到實用化階段的特定人、孤立詞、小詞匯量的語音識別技術(shù)運用到圖像檢索系統(tǒng)中,通過識別關(guān)鍵詞達(dá)到對圖像進(jìn)行語音檢索的目的,以減輕用戶眼和手的負(fù)擔(dān)。但是,由于實際應(yīng)用環(huán)境中背景噪聲的存在,對語音識別的效果造成了不利影響。因此,本文針對噪聲環(huán)境下的語音識別問題,在對現(xiàn)有的降噪算法分析比較基礎(chǔ)上,提出一種融合語音增強和特征參數(shù)變換法的語音降噪算法。實驗結(jié)果表明,該算法具有良