图像聚类及其在图像检索中的应用研究

《图像聚类及其在图像检索中的应用研究》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、ResearchonImageClusteringandItsApplicationinImageRetrievalNanjingNormalUniversityFortheAcademicDegreeofMasterofEngineeringBYChuanhuiYangSupervisedbyProf．GenlinJiSchoolofComputerScienceandTechnologyNanjingNormalUniversityMarch2013学位论文独创性声明嬲炒掣嘴本人郑重声明：所提交的学位论文是本人在导师指导下

2、进行的研究工作和取得的研究成果。本论文中除引文外，所有实验、数据和有关材料均是真实的。本论文中除引文和致谢的内容外，不包含其他人或其它机构已经发表或撰写过的研究成果。其他同志对本研究所做的贡献均已在论文中作了声明并表示了谢意。学位论文作者签名：铂传蓉日期川}争6俐学位论文使用授权声明研究生在校攻读学位期间论文工作的知识产权单位属南京师范大学。学校有权保存本学位论文的电子和纸质文档，可以借阅或上网公布本学位论文的部分或全部内容，可以采用影印、复印等手段保存、汇编本学位论文。学校可以向国家有关机关或机构送交论文的电子和纸质文档，允

3、许论文被查阅和借阅。(保密论文在解密后遵守此规定)保密论文注释：本学位论文属于保密论文，密级：——保密期限为——年。厂、学位论文作者签名：钓i之岛艚撕签名：菇份竹日期：≯J>务6闫％国日期：f摘要互联网技术与数字化的飞速发展以及电子数码产品的普及使人们能够获取的数字图像数据已经越来越多。然而，对于大量的图像数据，如何让人们能够快速有效地进行管理与检索，并从中获取潜在的有价值的信息成为亟待解决的问题。为此，基于内容的图像检索(CBIR)和图像数据挖掘技术应运而生，成为学者们近年来研究的热点课题，并取得了许多显著的成果。本文在前人

4、研究的基础上，对图像聚类及其在图像检索中的应用进行了较深入的研究，主要研究工作如下：l、对基于内容的图像检索和图像聚类技术进行了分析和研究，总结了目前流行的图像特征提取方法、聚类分析方法、相似度计算模型以及图像检索技术等。2、在特征提取方面，重点研究了基于颜色和纹理的特征提取方法，提出了分块加权颜色直方图方法；在灰度共生矩阵的基础上，研究了色彩共生矩阵，提出了综合颜色和纹理的多特征表示方法。实验表明，这两种方法能够更加有效地表示图像信息，从而使聚类的性能有了较大的提高。3、研究了图像聚类算法，采用AP(AffinityProp

5、agation)算法进行图像聚类，实验表明对于图像聚类，AP算法比传统聚类方法更加有效。4、设计并实现了一个基于聚类的图像检索系统，将聚类技术应用到图像检索中。首先将图像数据库中的图像进行聚类，建立图像索引，检索时先找到与待查询图像最相似的类，继而检索工作继续在该类的内部进行。实验表明这种方法可以在保证检索效果的基础上大大提高检索效率，节省时间。关键词：图像聚类，图像检索，颜色特征，纹理特征AbstractTherapiddevelopmentofintemettechnologyandthepopularizationoft

6、heeleC仃onjcdig蹦productionsenablepeopletogetmoreandmoredigitalimages·lt’sprobl哪sthathowtomanageandretrievethelargenumberofimagesqul嘲yandefficiently'雒(1howtoobtainpotentiallyvaluableinformationfromthem·Co舭basedimagc矾eval(cBm)andimagemininghavebeenhotresearchtopicsfor舱

7、centye甜s·Me雒、砸le，m觚ysignificantresultshavebeenachieved·Inthisthesis，the蚰agec№terhlg锄mitsapplicationinimageretrievalareresearchedonthebasisofprevlousstudies．Themaincontributionsareasfollows．1．Content．basedimageretrievalandimageclusteringtechniquesarestumed·Currentpop

8、ulartechnologyoffeatureextraction，methodofclustering，slmil鲫哆calclnationmodelandtechnologyofimageretrievalaresummarized‘2．EXtra：tionm础ods0f