基于內(nèi)容的圖像檢索技術(shù)畢業(yè)論文-預(yù)覽頁
【正文】 為3層: 基于原始數(shù)據(jù)的查詢這是最低層次的查找。在基于特征的層次上描述圖像，圖像特征就是一幅圖像與其他圖像不同的原始特性或根本屬性。數(shù)據(jù)庫內(nèi)的圖像文件的特征矢量集以及抽取方法, 被事先抽取并保存。查詢圖像中包括具體的物體、發(fā)生的場景、圖像所描述的感性色彩等都屬于這個層次的查詢。顏色特征的缺陷在于不能很好的描述對象的空間特征，在檢索過程中，顏色的特征描述通常有多種方法：直方圖法 ，累積直方圖法，局部累積直方圖法，顏色布局法，中心矩法等。圖像的相似度定義為整體相似度與以圖像分塊為基礎(chǔ)的局部相似度的加權(quán)和。在提取紋理特征上，大量的實驗結(jié)果表明，在各種小波變換形式中，Gabor基于小波變換的檢索效果是最好的。 （4—7） （4—8）用和作為分量，可以構(gòu)成特征向量。 外部歸一化在進(jìn)行檢索時，需要將顏色特征和紋理特征相結(jié)合。因此形狀的描述涉及到對封閉曲線的描述，或?qū)喞鼑鷧^(qū)域的描述。1．小波變換利用小波變換來對圖像輪廓進(jìn)行描述，首先要定義小波函數(shù)族。優(yōu)缺點(diǎn)：基于小波變換的輪廓描述在相同長度下，它比傅立葉輪廓描述符有著更高的描述精度，同時描述結(jié)果也更加直觀。傅立葉變換通過把敏感的直接表示轉(zhuǎn)換到頻域獲得物體的一般特征，頻域特征不容易被微小的變化和噪聲所影響。將平面與復(fù)平面重合，其中實部軸與軸重合，虛部軸與軸重合，這樣邊界上的每個點(diǎn)的坐標(biāo)就可以用復(fù)數(shù)的形式來表示，從而邊界就可以表示成坐標(biāo)組成的一個復(fù)數(shù)序列。由于傅立葉變換中高頻部分對應(yīng)于圖像的細(xì)節(jié)描述而低頻分量對應(yīng)總體形狀，因此取得越小，細(xì)節(jié)部分丟失得越多。它的缺點(diǎn)是：輪廓的空間變化會帶來傅立葉描述數(shù)值的無規(guī)律變化，并且很難從直觀上對變化進(jìn)行預(yù)測，局部變化會造成對應(yīng)輪廓不規(guī)則的畸變，在提高精度的時候需要進(jìn)行大量的增加系數(shù)量，同時它對噪聲比較敏感。1．區(qū)域形狀描述符它使用一組角放射變換系數(shù)，描述單個連通的區(qū)域或者多個不連通的區(qū)域。2．Hu不變矩矩特征是建立在對一個區(qū)域內(nèi)部灰度值分布的統(tǒng)計分析基礎(chǔ)上的，是一種統(tǒng)計平均的描述，可以從全局觀點(diǎn)描述對象的整體特征。根據(jù)唯一性定理，若是分段連續(xù)的，即只要在平面區(qū)域有非零值，則所有的各階矩均存在，且矩序列唯一的被所確定。一階矩為：，其中圖像的重心坐標(biāo)為：，其在點(diǎn)處的階中心矩定義為： （4—29）考慮平移變換，若物體在平面上做純平移，平移量為則平移后物體上點(diǎn)坐標(biāo)與原坐標(biāo)的關(guān)系為： 平移后物體區(qū)域為，與分別表示區(qū)域和的面積，顯然平移后面積不變，新的重心坐標(biāo)分別為： （4—30） 所以中心幾何矩可見中心幾何矩為平移不變量。表示圖像向左上傾斜，表示圖像向右上傾斜；表示圖像在水平方向上的重心偏移度。表示圖像右邊的垂直伸展比左邊大，表示圖像左邊的垂直伸展比右邊大。這些矩的幅值反映了物體的形狀并可用于形狀檢索和模式識別。其中的不變矩方法適合描述復(fù)雜物體，并且具有平移、伸縮及旋轉(zhuǎn)的不變性。檢索出的圖像數(shù)目100﹪就目前而言，圖像檢索領(lǐng)域的標(biāo)準(zhǔn)主要是借助于文本檢索領(lǐng)域的查全率和查準(zhǔn)率，但是因為圖像的非精確度匹配原則，所以，還有待于更進(jìn)一步找到一種更適合評價系統(tǒng)性能的途徑，并以此來引導(dǎo)研究工作向正確的方向發(fā)展。對于圖像的顏色、紋理、形狀等特征的提取方法雖然很多，但存儲量大且丟失信息現(xiàn)象很嚴(yán)重
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1