彩色图像检索方法及其在图像数据库中应用

《彩色图像检索方法及其在图像数据库中应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、彩色图像检索方法及其在图像数据库中的应用摘要基于内容的图像检索方式CBIR(Content-BasedImageRetrieval)，就是根据给定的图像特征，从存储在数据库中的大量图像中进行检索，找出与给定图像特征相似的图像来。基于内容的图像检索主要涉及到四项关键技术：图像数据库技术，内容描述技术，特征提取与匹配技术，快速检索技术。本文的研究内容着重于特征提取与匹配技术和图像数据库技术上，从形状特征，纹理特征和海量图像数据库技术三个方面进行研究，理论与方法部分的创新和成果如下：(1)形状特征：彩色图像分割的涵义是在图像区域边缘处，使特

2、征向量呈阶跃变化，区域内部变化平稳。本文在SC空间采用改进了的均值漂移（MeanShift）算法和区域算法提取彩色图像边缘。该算法具有如下创新：在HSV空间，选取了SC（SpatialColorFeatureSpace）特征空间；改进了Meanshift算法的权重分配算法和窗口尺寸选取算法；解决了特征空间各向异性和可信度不同问题并具有自适应性；接着将其与区域方法结合，很好地融合了空间信息和颜色信息，在此基础上使用了hue的七个不变矩，实现了欧式距离检索。(2)纹理特征：一种反映图像像素灰度级空间分布的属性。如果物体内部的灰度级变化明显

3、又不是简单的色调变化，那么该物体就有纹理。本文采用的纹理特征提取方法采用基于最小二乘和区域分割技术的聚类分析方法。该算法具有以下创新：通过最小二乘法拟合的系数矢量是对单幅图像纹理表达的发展，很好的表达了多光谱图像的纹理信息；缩放法针对较复杂纹理的不规则性，提出了对系数矢量进行调整的方法；在区域分割的过程中，提出了将开区域转化为闭区域和将闭区域规则化的方法。(3)图像数据库：针对复杂的Tif/Tif格式的遥感超大图像，本文利用libtif通过FirebirdEngine连接Delphi和Interbase设计并实现了基于缩略图提取的数据

4、库。本设计具有如下创新：缩略图与原图通过外键相连；原图动态显示；模块化架构设计提高了可重用性以及可扩充性，方便管理；改进了对程序图像的处理方式，使处理速度增加了二十几倍。本文综合彩色自然图像特征提取的常规方法，提出了新的提取彩色自然图像纹理、形状特征的方法，并结合图像的特征矢量比较方法，最后给出了MATLAB仿真实现结果。关键字：自适应Meanshift，纹理特征，形状特征，LIBTIF，快速缩略图提取,DATABASETECHNOLOGYOFCOLORIMAGESABSTRACTContent-BasedImageRetrieval

5、(CBIR)isusedtofindoutthetargetimagefromtheimagedatabaseaccordingtothegivenimagefeatures.Theimagefeaturescanbeextractedfromthesampleimagesprovidedorinputtedbycustomers.CBIRmainlycontainsfourkeytechniques,whichareimagedatabase,contentdescription,featureextractionandmatchi

6、ngandfastsearching.Thisthesisdealswiththefeatureextractionandcomparisonofcolorfulnaturalimages.Itcontainsthreeaspects,whichareshapefeatureextraction,texturefeatureextractionanddesignandrealizationofaremotesensingimagesdatabaseonDelphi.(1)Shapefeaturedescribestheedgechar

7、acteristicsofimageorpartofimageandthefeaturevectorisonaboundontheedgewhilefluctuatesmoothlyinsideit.Thispaperproposedanewmethodcombiningtheimprovedmeanshiftalgorithmandregionmethod.Themainachievementsandcontributionsaboutmethodsandalgorithmsaredescribedasfollows:Selecte

8、dtheSpatialcolorfeaturespaceinHSVspace;improvedtheweightsselectionandwindowselectionalgorithmofmeanshift;These