基于紋理特征的圖像檢索畢業(yè)論文

《基于紋理特征的圖像檢索畢業(yè)論文》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、基于紋理特征的圖像檢索畢業(yè)論文基于紋理特征的圖像檢索摘要　　　隨著計算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)的發(fā)展，以及多媒體的推廣應(yīng)用，產(chǎn)生了大量的各式各樣的圖像。如何有效地對這些圖像進(jìn)行分析、存儲和檢索是一個急待解決的問題。基于內(nèi)容的圖像檢索技術(shù)能有效地解決這一問題，成為研究的重點。圖像檢索的研究目的就是實現(xiàn)自動化、智能化的圖像查詢和管理方式，使查詢者可以實現(xiàn)方便、快速、準(zhǔn)確地查找。紋理是圖像的一個主要視覺特征，也是基于內(nèi)容圖像檢索系統(tǒng)中的一個重要手段。本文對基于紋理特征的圖像檢索技術(shù)進(jìn)行了研究，并通過實驗驗證了檢索算法的有效性?！　　D像的特征提取是圖像檢索的關(guān)鍵技術(shù)之一。本文將灰度共生矩陣用于圖像

2、的紋理特征提取?！　　≡O(shè)計并實現(xiàn)了一個基于紋理特征的圖像檢索系統(tǒng)。給出了系統(tǒng)的流程圖，并介紹了系統(tǒng)的查詢模塊、特征提取模塊、匹配模塊和圖像顯示模塊及其各個模塊的功能。系統(tǒng)采用歐氏距離法作為圖像的相似性度量，采用灰度共生矩陣算法提取圖像的紋理特征。最后通過實驗對給定的圖像進(jìn)行檢索。關(guān)鍵詞：圖像檢索，紋理特征，共生矩陣目錄1前言11.1圖像檢索的發(fā)展現(xiàn)狀11.2圖像檢索技術(shù)分類31.3研究內(nèi)容與章節(jié)安排52圖像檢索的基本原理62.1檢索系統(tǒng)通用框架62.2檢索系統(tǒng)關(guān)鍵技術(shù)72.2.1特征提取72.2.2高維索引92.3檢索查詢方式102.3.1外部圖例查詢102.3.2內(nèi)部圖例查詢102

3、.3.3草圖查詢112.4圖像的相似性度量112.4.1概述112.4.2相似性測度112.4.3非幾何相似性測度132.4.4小結(jié)142.5本章小結(jié)153基于紋理特征的圖像檢索算法研究163.1紋理特征概述163.2基于小波變換的紋理特征提取183.2.1圖像的小波變換183.2.2小波基的選擇203.2.3小波基的正則性階數(shù)213.2.4小波變換的級數(shù)223.3基于灰度共生矩陣的紋理特征233.3.1灰度共生矩陣233.3.2灰度共生矩陣特征提取273.4基于灰度一梯度共生矩陣的紋理特征273.4.1灰度一梯度共生矩陣273.4.2灰度一梯度共生矩陣特征提取283.5本章小結(jié)29

4、4圖像檢索系統(tǒng)設(shè)計與實現(xiàn)304.1系統(tǒng)模塊和功能304.2系統(tǒng)流程314.3主要算法說明314.3.1基于灰度共生矩陣的紋理特征提取算法314.3.2紋理特征計算的代碼344.4實驗及結(jié)論394.4.1檢索系統(tǒng)的評價指標(biāo)394.4.2實驗結(jié)果及分析404.4.3本章小結(jié)425總結(jié)與展望435.1總結(jié)435.2展望43致謝44參考文獻(xiàn)45　　1前言　　　隨著互聯(lián)網(wǎng)技術(shù)向?qū)拵А⒏咚?、多媒體方向的發(fā)展，人類正快速進(jìn)入一個信息化的時代。各種信息工具、技術(shù)、載體等應(yīng)運而生。在眾多類型的信息資源中，圖像具有直觀、形象、易于理解和信息量大等特點，成為資源庫的重要組成部分。同網(wǎng)絡(luò)信息一樣，由于圖像數(shù)

5、量巨大，種類繁多，加之排列方式錯綜復(fù)雜，這給圖像檢索帶來了困難。近年來，基于內(nèi)容的圖像檢索技術(shù)有了長足的發(fā)展。基于內(nèi)容的圖像檢索能有效的對圖像進(jìn)行管理和檢索，這項技術(shù)既充分體現(xiàn)了圖像的信息特點，又充分結(jié)合了傳統(tǒng)數(shù)據(jù)庫技術(shù)，它的應(yīng)用對解決信息膨脹，有效快速地利用多媒體信息有很好的實用價值?！　　D像的內(nèi)容包括圖像的顏色、紋理、形狀等視覺特征和語義特征。其中，紋理特征作為最為顯著的視覺特征之一，它是一種不依賴于顏色或亮度反映圖像中同質(zhì)現(xiàn)象的視覺特征。紋理特征包含了物體表面結(jié)構(gòu)組織排列的重要信息，以及與周圍環(huán)境的聯(lián)系。因此在基于紋理的圖像檢索中得到了廣泛應(yīng)用。1.1圖像檢索的發(fā)展現(xiàn)狀　　　

6、自90年代以來，基于內(nèi)容的圖像檢索已經(jīng)成為了一個非常活躍的研究領(lǐng)域。從目前的研究現(xiàn)狀來看，基于內(nèi)容的圖像檢索可分為3層。下層是基于顏色、紋理、形狀等反映圖像基本物理特征的檢索，是最直接也是最基本的層面，用到圖像信息處理、圖像分析和相似性匹配技術(shù)。中間層是基于圖像對象語義的檢索，如圖像中實體及實體之間的空間關(guān)系的檢索，對象級檢索技術(shù)建立在下層特征基礎(chǔ)上，并引入了對象模型庫、對象識別和人工智能等圖像理解技術(shù)。最上層是基于圖像概念級語義的檢索，其技術(shù)建立在對象層語義特征提取的基礎(chǔ)上，引入了對象和場景之間的邏輯、情感等高層語義的描述及識別，需要用到知識庫和更加有效的人工智能和神經(jīng)網(wǎng)絡(luò)技術(shù)?！?/p>

7、　　到目前為止，已有許多商業(yè)的或是用于研究的圖像檢索系統(tǒng)問世。QBICQueryByImageContent圖像檢索系統(tǒng)是IBM公司90年代開發(fā)制作的圖像和動態(tài)景象檢索系統(tǒng)，是第一個基于內(nèi)容的商業(yè)化的圖像檢索系統(tǒng)。用戶無須提供文字檢索詞，只要輸入以圖像形式表達(dá)的圖像檢索要求就可以檢索出一系列相似的圖像。Virage是由Virage公司開發(fā)的基于內(nèi)容的圖像檢索引擎。同QBIC系統(tǒng)一樣，它也支持基于色彩、顏色、布局、紋理和結(jié)構(gòu)等視覺特征的圖像檢索。Jerry等