探析彩色圖像檢索方法及其在圖像數(shù)據(jù)庫中應(yīng)用

探析彩色圖像檢索方法及其在圖像數(shù)據(jù)庫中應(yīng)用

ID:35145517

大?。?.11 MB

頁數(shù):85頁

時(shí)間:2019-03-20

探析彩色圖像檢索方法及其在圖像數(shù)據(jù)庫中應(yīng)用_第1頁
探析彩色圖像檢索方法及其在圖像數(shù)據(jù)庫中應(yīng)用_第2頁
探析彩色圖像檢索方法及其在圖像數(shù)據(jù)庫中應(yīng)用_第3頁
探析彩色圖像檢索方法及其在圖像數(shù)據(jù)庫中應(yīng)用_第4頁
探析彩色圖像檢索方法及其在圖像數(shù)據(jù)庫中應(yīng)用_第5頁
資源描述:

《探析彩色圖像檢索方法及其在圖像數(shù)據(jù)庫中應(yīng)用》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫

1、上海交通大學(xué)碩士學(xué)位論文彩色圖像檢索方法及其在圖像數(shù)據(jù)庫中應(yīng)用姓名:潘紅艷申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):控制理論與控制工程指導(dǎo)教師:敬忠良20070201彩色圖像檢索方法及其在圖像數(shù)據(jù)庫中的應(yīng)用摘要基于內(nèi)容的圖像檢索方式CBIR(Content-BasedImageRetrieval),就是根據(jù)給定的圖像特征,從存儲(chǔ)在數(shù)據(jù)庫中的大量圖像中進(jìn)行檢索,找出與給定圖像特征相似的圖像來?;趦?nèi)容的圖像檢索主要涉及到四項(xiàng)關(guān)鍵技術(shù):圖像數(shù)據(jù)庫技術(shù),內(nèi)容描述技術(shù),特征提取與匹配技術(shù),快速檢索技術(shù)。本文的研究內(nèi)容著重

2、于特征提取與匹配技術(shù)和圖像數(shù)據(jù)庫技術(shù)上,從形狀特征,紋理特征和海量圖像數(shù)據(jù)庫技術(shù)三個(gè)方面進(jìn)行研究,理論與方法部分的創(chuàng)新和成果如下:(1)形狀特征:彩色圖像分割的涵義是在圖像區(qū)域邊緣處,使特征向量呈階躍變化,區(qū)域內(nèi)部變化平穩(wěn)。本文在SC空間采用改進(jìn)了的均值漂移(MeanShift)算法和區(qū)域算法提取彩色圖像邊緣。該算法具有如下創(chuàng)新:在HSV空間,選取了SC(SpatialColorFeatureSpace)特征空間;改進(jìn)了Meanshift算法的權(quán)重分配算法和窗口尺寸選取算法;解決了特征空間各向異

3、性和可信度不同問題并具有自適應(yīng)性;接著將其與區(qū)域方法結(jié)合,很好地融合了空間信息和顏色信息,在此基礎(chǔ)上使用了hue的七個(gè)不變矩,實(shí)現(xiàn)了歐式距離檢索。(2)紋理特征:一種反映圖像像素灰度級(jí)空間分布的屬性。如果物體內(nèi)部的灰度級(jí)變化明顯又不是簡單的色調(diào)變化,那么該物體就有紋理。本文采用的紋理特征提取方法采用基于最小二乘和區(qū)域分割技術(shù)的聚類分析方法。該算法具有以下創(chuàng)新:通過最小二乘法擬合的系數(shù)矢量是對(duì)單幅圖像紋理表達(dá)的發(fā)展,很好的表達(dá)了多光譜圖像的紋理信息;縮放法針對(duì)較復(fù)雜紋理的不規(guī)則性,提出了對(duì)系數(shù)矢量

4、進(jìn)行調(diào)整的方法;在區(qū)域分割的過程中,提出了將開區(qū)域轉(zhuǎn)化為閉區(qū)域和將閉區(qū)域規(guī)則化的方法。(3)圖像數(shù)據(jù)庫:針對(duì)復(fù)雜的Tif/Tif格式的遙感超大圖像,本文利用libtif通過FirebirdEngine連接Delphi和Interbase設(shè)計(jì)并實(shí)現(xiàn)了基于縮略圖提取的數(shù)據(jù)庫。本設(shè)計(jì)具有如下創(chuàng)新:縮略圖與原圖通過外鍵相連;原圖動(dòng)態(tài)顯示;模塊化架構(gòu)設(shè)計(jì)提高了可重用性以及可擴(kuò)充性,方便管理;改進(jìn)了對(duì)程序圖像的處理方式,使處理速度增加了二十幾倍。本文綜合彩色自然圖像特征提取的常規(guī)方法,提出了新的提取彩色自然

5、圖像紋理、形狀特征的方法,并結(jié)合圖像的特征矢量比較方法,最后給出了MATLAB仿真實(shí)現(xiàn)結(jié)果。關(guān)鍵字:自適應(yīng)Meanshift,紋理特征,形狀特征,LIBTIF,快速縮略圖提取,DATABASETECHNOLOGYOFCOLORIMAGESABSTRACTContent-BasedImageRetrieval(CBIR)isusedtofindoutthetargetimagefromtheimagedatabaseaccordingtothegivenimagefeatures.Theimage

6、featurescanbeextractedfromthesampleimagesprovidedorinputtedbycustomers.CBIRmainlycontainsfourkeytechniques,whichareimagedatabase,contentdescription,featureextractionandmatchingandfastsearching.Thisthesisdealswiththefeatureextractionandcomparisonofcol

7、orfulnaturalimages.Itcontainsthreeaspects,whichareshapefeatureextraction,texturefeatureextractionanddesignandrealizationofaremotesensingimagesdatabaseonDelphi.(1)Shapefeaturedescribestheedgecharacteristicsofimageorpartofimageandthefeaturevectorisonab

8、oundontheedgewhilefluctuatesmoothlyinsideit.Thispaperproposedanewmethodcombiningtheimprovedmeanshiftalgorithmandregionmethod.Themainachievementsandcontributionsaboutmethodsandalgorithmsaredescribedasfollows:SelectedtheSpatialcolorfeaturespaceinHSVspa

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。