基于目標(biāo)區(qū)域的圖像檢索技術(shù)研究.pdf

1、經(jīng)過二十多年的發(fā)展，解決圖像視覺特征與語義特征之間的差異問題已成為基于內(nèi)容圖像檢索的研究熱點(diǎn)。本文認(rèn)為獲取圖像中不同目標(biāo)的類別和相對位置信息是構(gòu)建圖像“語義特征”的重要基礎(chǔ)。為此，深入研究了圖像分類和圖像多目標(biāo)區(qū)域提取這兩個“打好基礎(chǔ)”的關(guān)鍵技術(shù)，主要研究工作包括:
　　1、從顏色、紋理、形狀和偽語義信息四個方面研究了圖像的低層特征。通過在Corel-1k圖像庫上的分類實(shí)驗(yàn)，分析、討論了各種低層特征對不同類型圖像的描述能力，為特征

2、融合和圖像分類積累豐富的先驗(yàn)知識。
　　2、設(shè)計(jì)實(shí)現(xiàn)了三種特征融合方法。其中前兩種是“對癥下藥”的特征級融合方法，該類方法針對圖像類型或者圖像不同部分的特點(diǎn)選取適合的圖像低層特征，再拼接這些特征作為融合特征。第三種是“機(jī)器學(xué)習(xí)”的決策級融合方法。該方法是在圖像分類前，選擇多種圖像低層特征和對應(yīng)的SVM核函數(shù)，然后利用SVM多重核函數(shù)學(xué)習(xí)方法不斷調(diào)整各種特征的權(quán)重以訓(xùn)練出分類效果最優(yōu)的分類器。本文分別使用三種方法對Corel-1k圖

3、像庫進(jìn)行了分類實(shí)驗(yàn)，結(jié)果表明根據(jù)圖像特點(diǎn)選擇互補(bǔ)性好的特征進(jìn)行融合可以獲得比單一特征更優(yōu)的圖像分類效果。
　　3、提取圖像中多個目標(biāo)區(qū)域。本文首先采用改進(jìn)的光譜殘差法、邊緣檢測和滑動窗口這三種方法分別提取出圖像中候選目標(biāo)區(qū)域，然后利用顏色對比度模型剔除非目標(biāo)的候選區(qū)域，再利用一種新的超像素塊模型構(gòu)造目標(biāo)區(qū)域的評價函數(shù)，最后選取評價值較高的候選區(qū)域作為最終的目標(biāo)區(qū)域。在Corel-1k圖像庫上將本文的目標(biāo)區(qū)域提取效果與目前幾種先進(jìn)的

4、算法作了效果對比，并在MSRC-v2圖像庫上根據(jù)手工標(biāo)注的目標(biāo)區(qū)域進(jìn)一步測試了本文算法的性能，結(jié)果表明本文方法可以有效提取圖像中不同尺度的多個目標(biāo)區(qū)域，但是仍有一些不足需要改進(jìn)。最后，提出了一個三層的圖像多目標(biāo)區(qū)域提取框架。前兩層結(jié)構(gòu)可以不斷融入新方法來提高目標(biāo)區(qū)域提取能力，最后一層結(jié)構(gòu)可自行定義以提取出滿足特定需求的目標(biāo)區(qū)域，為構(gòu)建語義信息打下堅(jiān)實(shí)基礎(chǔ)。
　　本文使用C++，OpenCV，Matlab和SQLServer數(shù)據(jù)庫構(gòu)