資源描述：
《基于局部二值模式的圖像特征分析與檢索算法設(shè)計(jì)》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(kù)。
1、碩士學(xué)位論文基于局部二值模式的圖像特征分析與檢索算法設(shè)計(jì)作者姓名：付軍學(xué)號(hào)：2013919311學(xué)科專(zhuān)業(yè)：控制工程研究方向：圖像處理與模式識(shí)別指導(dǎo)教師：李大輝教授答辯日期：2016年6月齊齊哈爾大學(xué)MasterdegreethesisImageFeatureAnalysisandRetrievalAlgorithmDesignBasedonLocalBinaryPatternAuthor:FuJunStudentid:2013919311Major:ControlEngineeringResearchdirection:
2、ImageProcessingandPatternRecognitionTutor:LiDahuiProfessorQiqiharUniversity學(xué)位論文獨(dú)創(chuàng)性聲明作者鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下進(jìn)行研究工作所取得的成果。盡我所知，除文中已經(jīng)注明引用內(nèi)容和致謝的地方外，本論文不包含其他個(gè)人或集體已經(jīng)發(fā)表的研究成果，也不包含其他已申請(qǐng)學(xué)位或其他用途使用過(guò)的成果。與我一同工作的同志對(duì)本研究所做的貢獻(xiàn)均已在論文中做了明確的說(shuō)明并表示了謝意。若有不實(shí)之處，本人愿意承擔(dān)相關(guān)法律責(zé)任。學(xué)位論文題目：作者簽名：
3、日期：年月日學(xué)位論文版權(quán)使用授權(quán)書(shū)本人完全了解學(xué)校有關(guān)學(xué)位論文知識(shí)產(chǎn)權(quán)的規(guī)定，在校攻讀學(xué)位期間論文工作的知識(shí)產(chǎn)權(quán)屬于齊齊哈爾大學(xué)，允許論文被查閱和借閱。學(xué)校有權(quán)保留論文并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和電子版，可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印、或掃描等復(fù)制手段保存和匯編本學(xué)位論文。作者簽名：日期：年月日導(dǎo)師簽名：日期：年月日摘要大數(shù)據(jù)時(shí)代中，面對(duì)海量的信息，不僅需要查找各類(lèi)數(shù)據(jù)和文本，還需要查找各類(lèi)多媒體文件。數(shù)字圖像是最重要的視覺(jué)媒體之一，因此，急需快速、準(zhǔn)確的圖像檢索技
4、術(shù)。在早期的基于文本的圖像檢索中，人工文本標(biāo)記耗費(fèi)了大量的人力、物力，而且難以準(zhǔn)確表達(dá)圖像的本質(zhì)屬性和顯著內(nèi)容，所以基于內(nèi)容的圖像檢索技術(shù)應(yīng)運(yùn)而生?；趦?nèi)容的圖像檢索通過(guò)對(duì)圖像提取有效特征，通過(guò)測(cè)量待檢索圖像和數(shù)據(jù)庫(kù)圖像的特征相似度(或不相似度)，從數(shù)據(jù)庫(kù)中返回與測(cè)試圖像相似的圖像作為檢索結(jié)果。本文回顧了圖像檢索的相關(guān)知識(shí)，為后文的設(shè)計(jì)奠定了理論基礎(chǔ)。多種類(lèi)別的數(shù)字圖像特征可用于基于內(nèi)容的圖像檢索，其中，由于局部二值模式（LocalBinaryPattern,LBP）具有灰度不變性，計(jì)算便捷并且易于實(shí)現(xiàn)，成為一種廣泛應(yīng)用
5、于數(shù)字圖像檢索的紋理特征。本文具體闡述了各種LBP的基本原理，包括基本LBP、擴(kuò)展LBP、等價(jià)LBP、旋轉(zhuǎn)不變LBP、旋轉(zhuǎn)不變等價(jià)LBP和國(guó)際上最新提出的均值LBP。本文進(jìn)行以下工作：對(duì)各種LBP的特征屬性進(jìn)行了分析，并實(shí)現(xiàn)了相應(yīng)的圖像檢索算法。經(jīng)過(guò)大量實(shí)驗(yàn)驗(yàn)證，幾種改進(jìn)的LBP雖然可以降低數(shù)據(jù)量，但可能導(dǎo)致信息丟失，從而引起檢索準(zhǔn)確性的下降。通過(guò)對(duì)比，基本LBP和均值LBP兩種LBP的檢索性能較為理想。由于檢索性能方面的優(yōu)勢(shì)，本文重點(diǎn)進(jìn)行以下工作：分析了基本LBP和均值LBP的特征屬性，并在此基礎(chǔ)上提出了特征選擇算法，
6、對(duì)兩種LBP的直方圖頻率進(jìn)行選擇。提出的特征選擇算法的優(yōu)勢(shì)包括三點(diǎn)：非0特征數(shù)量減少，降低了存儲(chǔ)量；匹配過(guò)程的運(yùn)算量降低，簡(jiǎn)化了計(jì)算復(fù)雜度；提高了檢索的準(zhǔn)確性。針對(duì)所提出的LBP的特征選擇算法，設(shè)計(jì)了三種LBP特征選擇準(zhǔn)則。頻率閾值法：設(shè)定閾值，選擇高頻率特征；頻率排序法：按照頻率高低排序后依次選擇，選擇固定個(gè)數(shù)的頻率特征；能量比例法：按照頻率高低排序后依次選擇，選擇特征累加后滿(mǎn)足一定能量比例。通過(guò)全面的實(shí)驗(yàn)，對(duì)“頻率閾值法”頻率閾值的設(shè)定、“頻率排序法”選擇頻率個(gè)數(shù)的設(shè)定和“能量比例法”中比例的設(shè)定進(jìn)行了詳細(xì)分析和討論
7、，獲取了優(yōu)化的參數(shù)配置。本文在對(duì)LBP圖像特征分析的基礎(chǔ)上，設(shè)計(jì)了基于三種選擇準(zhǔn)則的圖像檢索算法，并進(jìn)行了規(guī)律性總結(jié)，這些結(jié)論不僅有助于提高數(shù)字圖像檢索的性能，還對(duì)相關(guān)研究中特征選擇的設(shè)計(jì)提供了參考。關(guān)鍵詞：基于內(nèi)容的圖像檢索；局部二值模式；特征選擇；選擇準(zhǔn)則-I-AbstractFacedwithafloodofinformationintheeraofbigdata,theretrievalsofdataandtextsarenecessaryandtheretrievalofmultimediafilesisals
8、ocrucial.Digitalimageisoneofthemostimportantvisualmedia.Therefore,fastandaccurateimageretrievaltechnologyisurgent.Intheearlytext-basedimageretrievals(TBIR),art
