基于光照不變與區(qū)域自動分割圖像檢索技術的研究.pdf

1、基于內容的圖像檢索(Content-Based Image Retrieval，CBIR)是基于內容檢索技術(Content-Based Retrieval，CBR)的一種，它是指利用圖像自身的顏色、形狀、紋理、語義等特征對圖像進行查詢，試圖在理解圖像內容的基礎上檢索出與示例相類似的圖像。CBIR直接從圖像中提取特征建立索引，并且特征提取和索引建立可由計算機自動實現(xiàn)，避免了人工描述的主觀性，大大減少了工作量。它區(qū)別于傳統(tǒng)的檢索手段，融合

2、了圖像理解技術，從而可以提供更有效的檢索手段并實現(xiàn)自動化檢索。CBIR是一項復雜技術，涉及圖像理解與處理、模式識別、人工智能、相似檢索和數(shù)據(jù)庫等技術領域。CBIR的獨特優(yōu)勢決定了它必將在圖像檢索領域發(fā)揮越來越重要的作用，并將具有更廣闊的發(fā)展空間。
　　本文針對基于內容圖像檢索中的熱點問題，重點研究了基于光照不變與區(qū)域自動分割圖像檢索涉及到的若干關鍵性技術，主要工作及研究成果包括:
　　(1)在顏色特征提取方面，針對顏色特征易

3、受光照變化影響的缺點，本文提出了一種新的具有光照不變性的顏色特征描述符——梯度相關圖(GradientCorrelogram)。該特征有效克服了現(xiàn)有光照不變的顏色特征描述符存在的特征矢量尺寸較大，且對于場景的尺度、平移及視角等變化魯棒性差的缺點。
　　(2)在基于區(qū)域的圖像檢索(Region-Based Image Retrieval，RBIR)方面，本文提出了一種基于區(qū)域自動分割的RBIR算法。算法首先采用基于 K均值的顏色聚類

4、圖像分割方法對圖像進行分割，然后提取各分割區(qū)域的顏色、形狀和本文新提出的區(qū)域自相關圖(Auto Region-Correlogram)特征作為綜合特征在區(qū)域層面上對圖像進行表示，最后采用本文新定義的二次型距離相似性度量(QuadraticDistance Similarity Measure，QDSM)來計算圖像之間的相似性。
　　(3)在相似性度量方面，針對基于區(qū)域的圖像檢索(RBIR)中“區(qū)域對區(qū)域”的相似性度量方法在問詢交互

5、接口的簡化和反映圖像信息的全面性方面的劣勢，本文提出了一種新的“圖像對圖像”的相似性度量方法——二次型距離相似性度量(QDSM)。QDSM能夠融合所有分割區(qū)域的特征，使得整個圖像的信息都可以充分利用，且適用于圖像中分割區(qū)域數(shù)不同的情況。
　　(4)在圖像檢索中的用戶反饋方面，本文將相關反饋(Relevance Feedback，RF)引入到基于區(qū)域的圖像檢索系統(tǒng)中，提出了一種基于ISODATA聚類的加權平均特征融合方法在RBIR中