【正文】 ...........................................................................................1 研究現(xiàn)狀 ....................................................................................................3 應用領域 ....................................................................................................4 主要工作內容 ............................................................................................5 第 2 章 CBIR 系統(tǒng)關鍵技術環(huán)節(jié) .......................................................................6 特征提取技術 ............................................................................................6 圖像特征基礎 .....................................................................................6 點特征提取算子 .................................................................................7 各算法性能比較 ............................................................................... 11 匹配與相似性度量 ..................................................................................13 CBIR 系統(tǒng)性能評價 ................................................................................14 本章小結 ..................................................................................................14 第 3 章 SIFT 算法原理及性能驗證 ..................................................................15 SIFT 算法原理 ..........................................................................................15 DoG 尺度空間的構造 .......................................................................15 關鍵點搜索與定位 ...........................................................................19 特征點方向賦值 ...............................................................................21 關鍵點描述 .......................................................................................22 SIFT 算法性能實驗 ..................................................................................24 SIFT 算法在 CBIR 系統(tǒng)中的應用 ..........................................................28 本章小結 ..................................................................................................30 第 4 章 基于 SIFT 算法的 CBIR 系統(tǒng) .............................................................31 系統(tǒng)概述 ..................................................................................................31 系統(tǒng) GUI ..................................................................................................32 性能實驗 ..................................................................................................33 本章小結 ..................................................................................................34 結論 .....................................................................................................................35 參考文獻 .............................................................................................................36 致謝 .....................................................................................................................38 附錄 .....................................................................................................................39 哈爾濱理工大學學士學位論文 1 第 1章 緒 論 研究背景 人類進入現(xiàn)代社會以來，多媒體技術、計算機網絡技術和通信技術迅速發(fā)展，使得信息總量不斷飆升。 圖像檢索技術共經歷了基于文本的圖像檢索技術（ TBIR, Text Based Image Retrieval）、基于內容的圖像檢索技術（ CBIR， Content Based Image Retrieval，為敘述方便，以下皆簡稱 CBIR）兩個發(fā)展階段。隨著圖像庫規(guī)模的增加， TBIR 技術的弊端日益顯露。另外，對圖像的文本標注是通過人工操作完成的，當需要處理大量的圖像信息時，這無疑是一項浩大的工程，處理速度也會很慢。 它不同于 TBIR 技術，不需要人工參與圖像特征的描述，而是按照一定的方法有計算機自動完成，然后建立索引，因此相對于 TBIR 技術，它擁有許多優(yōu)點： 計算機進行特征的分析與提取取，無需人工參與，避免了由于主觀意識不同而引起的誤差，又節(jié)省了大量的人力物力財力，同時大大提高了建立索引的時間，圖像庫的管理也更加方便高效。 綜上， CBIR 突破 TBIR 系統(tǒng)的許多局限，使圖像 檢索的效率和查準率都有了質的飛躍，因此很快在各個領域推廣開來。因此，要想利用高層語義特征進行圖像檢索，勢必需要人工智能、機器學習等相關理論的發(fā)展，這還有待更加深入的研究和探索。良好的匹配與相似性度量標準映與人眼的相似性判斷保持良好的一致性。 查詢模式是指用戶用何種方式向系統(tǒng)提交何種類型的查詢信息 ，主要有以下幾種模式 ： 由用戶提供一個查詢圖像 (query image)進行檢索的 按例查詢 (QBE, Query By Example)、 以用戶繪制簡單的圖形為標準進行查詢 的 按草圖查詢 (query by sketch)、 由用戶指定對檢 索條件的描述 ，然后據此查詢的 按描述查詢例。 圖 21 給出了一個典型的 CBIR 系統(tǒng)整體框圖： 用 戶用 戶 界 面輸 入 圖 像圖 像 預 處 理特 征 提 取檢 索 結 果匹 配 情 況特 征 匹 配圖 片 轉 存樣 圖圖 像 預 處 理特 征 提 取特 征 索 引 圖 像 集 圖 11 CBIR 系統(tǒng)整體框圖 研究現(xiàn)狀 如上所述， CBIR 技術是利用圖像特征進行圖像庫索引的生成與檢索的，對圖像特征的研究是開發(fā) CBIR 系統(tǒng)的基礎。 早在 1977 年 Moravec就提出了點特征這個概念 ， 他 將圖像 特征點 稱 為“興趣點” ， 通過灰度自相關函數來衡量某像 元與 其鄰域 像元的關系。 1999 年 Lowe 提出 的 高效 SIFT 局部特征檢測算法 可以說是圖像特征研究領域里程碑式的成果 。其基本原理及具體實現(xiàn)方法將在第三章詳細介紹。隨著研究的不斷深入， CBIR 技術也逐漸滲透到越來越多的領域，它所帶來的效益也刺激人們不斷將其理論研究推向更高的層次。另外也可以迅速查找典型病例進行教學，對醫(yī)學研究也會產生深遠影響。 可將已注冊的所有商標提取特征后建立索引，注冊新商標時，都要對原有商標進行檢索，防止重復或雷同，避免糾紛事件的發(fā)生。 主要工作內容 CBIR 系統(tǒng)的組成和各個模塊的原理和細節(jié)，涉及的關鍵技術，對比分析了現(xiàn)有的幾個著名的 CBIR 系統(tǒng)的基本原理和特點。 哈爾濱理工大學學士學位論文 6 第 2章 CBIR 系統(tǒng)關鍵技術環(huán)節(jié) 特征提取技術 在 CBIR 系統(tǒng)中，圖像庫中的每張圖像的特征信息被預先提取出來并存入 特征數據庫，檢索時通過匹配待查圖像和庫中圖像的特征信息來判斷二者的相似程度。 點特征是最重要的圖像特征，目前 大部分 局部特征 提取 算法都是基于點特征提出的。 綜上所述，角點出現(xiàn)在 圖像灰度梯度變化最為激烈處、兩條或兩條以上邊緣線 段以一定的角度交叉處和 邊界方向發(fā)生劇烈變化處 ，這些點也是引起視覺刺激最劇烈的點。顏色特征與圖像中的物體或背景息息相關，因此對圖像具有較強的描述性，另外顏色特征的提取方法相對簡單，描述準確。常用的紋理分析方法有 Tamura 哈爾濱理工大學學士學位論文 7 紋理特征、小波變換和自回歸紋理模型等。后者的描述子主要為各種矩不變量，如 Hu 不變矩、 Legenda 矩、 Zernike 矩等。劃分圖像并描述其空間位置關系的方法有兩種：一是通過圖像分割劃分出圖像的各個區(qū)域或對象，描述它們的空間關系存入索引；二是將圖像劃分為幾個子圖像，然后分別提取子圖像的特征建立索引。 點特征提取算子 點特征在相同條件下與其他圖像特征相比，能夠概括更多的圖像信息，而且具有更少的計算量，現(xiàn)階段局部特征算法的研究也主要以點特征的提取與匹配為研究方向。 算 子 SUSAN 是最小吸收核同值區(qū)的縮寫， 是由由 英國牛津大學學者 . Smith 和 提出的 。 首先 ， 將模板放置在圖像某一像元上，然后比較模板內部每個圖像像元的灰度值都與模板中心像素的灰度值。 圖 21 SUSAN 模板離散圖與核 當圓形模板完全處在 圖像中某一對象內部時，模板內 USAN 區(qū)域面積最大 (如圖 22 中的 a 和 b)；當 在 模板移 到 圖像邊緣 的過程中 ， USAN 區(qū)域逐漸變??；當模板中 心移動到圖像 邊緣時， USAN 區(qū)域很小 (如圖 22 中的c)；當模板中心 移動到 角點時， USAN 區(qū)域最小 (如圖 22 中的 d)。 SUSAN 算子的突出有點是 對局部的噪聲不敏感，抗干擾性強。 Harris 角點檢測算法的原理可以描述為以下幾個過程： 首先將 待處理圖像中的矩形窗口 W 向任意的方向移動微小 的 位移 ( x , y )，那么灰度的改變量 由式 21 計算得到 。 于是角點定義為下式的局部最大值。 Harris 算子的局限性有： (1)它對尺度很敏感，不具有尺度不變性 ； (2)提取的角點是像素級的。 各算法性能比較 為比較各上文提出的三種點特征檢測算法的性能，本文設計了實驗對上述算法進行驗證。 在實驗中， Harris 算子在圖像 (a)中提取出 165 個角點，同時在待配準圖像 (b)中提取出 129 個角點 ； SUSAN 算子在圖像 (a)中提取出 799 個角點，同時在待圖像 (b)中提取出 640 個角點； SIFT 算法在圖像 (a)中檢測