基于內(nèi)容的圖像檢索技術(shù)畢業(yè)論文-在線瀏覽
2025-08-10 06:45本頁面
【正文】 有相同的屬性。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。 基于語義的查詢這是最高層次的查詢。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。4 CBIR的關(guān)鍵技術(shù)基于內(nèi)容的圖像檢索技術(shù)主要依據(jù)顏色、紋理、形狀以及圖像中子圖像的特征進(jìn)行檢索。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。融合整體與分塊顏色分布的方法。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。 紋理特征紋理特征是一種不依賴于顏色或亮度的反映圖像中同質(zhì)現(xiàn)象的可視化特征。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—4）其中, （4—5）K表示總的方向數(shù)目，通過改變111和n的值，便可以得到一組方向和尺度都不同的濾波器。 （4—7） （4—8）用和作為分量，可以構(gòu)成特征向量。即： （4—10） 內(nèi)部歸一化每一種特征對應(yīng)的特征向量中，每個特征分量的取值范圍都不同，因此，我們采用了高斯歸一化的方法：對于N維特征向量，設(shè)為圖像庫中任意一個圖像，則它對應(yīng)的特征向量為，則對于每一特征分量，都假定服從正態(tài)分布，首先提取每一特征分量的均值 和標(biāo)準(zhǔn)差，得到均值和標(biāo)準(zhǔn)差，然后進(jìn)行高斯歸一化。 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。若采用距離準(zhǔn)則進(jìn)行綜合特征相似度量時，應(yīng)對顏色和紋理的特征向量進(jìn)行歸一化具體方法如下：(1) 計算圖像庫(共有M幅圖像)中每兩個圖像I，J所對應(yīng)特征向量，間的相似距離： ,且 （4—12）(2) 計算出由公式得到的個距離值的均值和標(biāo)準(zhǔn)差；(3) 對查詢圖像，計算其與圖像庫中每個圖像的相似距離，記為；(4) 對進(jìn)行線性變化： （4—13） 形狀特征形狀是刻畫物體的本質(zhì)特征之一，也是描述圖像內(nèi)容的一個重要特征。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。邊界的描述方法很多，主要有基于小波變換的輪廓描述符，數(shù)學(xué)形態(tài)學(xué)方法，基于傅立葉變換的形狀描述符，基于曲率尺度空間的輪廓描述，此外還有Hough變換方法，鏈碼等方法。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。假設(shè)尺度函數(shù)為，把它和小波變換重建公式相結(jié)合可以得到： （4—17）其中可以看作是在尺度下的模糊草圖，可以看作是對的細(xì)節(jié)補(bǔ)充。優(yōu)缺點：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。在比較小的尺度下定位比較精確，但是誤差比較大。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。假設(shè)在平面上有一由個點組成的數(shù)字化邊界，其中的每個點可以用坐標(biāo)來表示。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。如果邊界點數(shù)很大，
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1