学位论文 > 优秀研究生学位论文题录展示

基于局部特征的图像检索关键技术的研究

作　者: 付静
导　师: 景晓军
学　校: 北京邮电大学
专　业: 通信与信息系统
关键词: SURF算法 局部特征 图像检索 彩色图像
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 58次
引　用: 0次
阅　读: 论文下载
 

内容摘要


图像数据量的爆炸性增长以及国防军事、工业制造、医疗卫生、新闻媒体、数字娱乐和家庭生活等各个方面都对高质量图像检索提出了更大的需求,人们面临的问题不再是缺乏多媒体信息,由于信息量的限制,依靠传统的图像检索方式已经无法快速、准确地在海量的信息世界中找到自己所需要的信息。从理论方面,只有加强力度研究图像检索技术才能完善图像检索技术理论体系。从实际应用层面来讲,仍然存在着许多具有的歧义检索例子,它们严重影响了图像检索系统的整体性能。所以无论在哪个层面,图像检索关键技术的研究都具有迫切而重要的意义。本文针对基于局部特征的图像检索系统中的关键技术进行了研究。特别是其中用于特征描述的SURF算法。主要工作及研究成果包括：1、对图像检索关键技术中的特征描述子SURF算法进行了深入研究,发现SURF算法和目前主流的特征描述子一样将彩色图片当成灰色图片对待,忽略了图片的颜色信息,不利于提高图片检索的精确度。我们提出了“将颜色信息加入到SURF算法,并称之为C-SURF”。算法的基本思想是通过快速Hessian;矩阵进行尺度空间特征提取,接着通过计算以特征点为圆心圆领域内每60°窗口中所有点的Haar小波响应叠加成的新矢量来确定中心点的主方向,最后通过计算每个子区域在水平和垂直方向的Haar(?)向应响应加权值,以及色彩信息加权值,最终得到112维特征向量作为特征描述子。2、进一步深入研究SURF算法,当图片旋转角度低于20°时,不计算主方向信息的SURF算法,即U-SURF,较SURF算法在图像匹配时有更好的效果。此时将颜色信息引入U-SURF算法,称为CU-SURF算法,经实验证明,当图片旋转角度低于20°时,CU-SURF算法比SURF算法以及U-SURF算法有更好的匹配率,但是C-SURF仍是四种算法中匹配效果最好的。在以上图像检索关键技术的研究中,基于SURF的改进算法作为一个优良的工具贯穿始终,它对图像特征点进行了精确定位、详细的描述并且为以后的相似性度量提供了良好的素材,为相关反馈奠定了坚实的基础,它既提高了图像正确匹配率,又提高了图像检索系统的检索性能。

全文目录


摘要  4-6
ABSTRACT  6-10
第一章 绪论  10-21
  1.1 引言  10-11
  1.2 课题研究背景及研究意义  11-12
  1.3 局部不变性特征技术概述  12-14
    1.3.1 局部特征提取技术研究概述  12-13
    1.3.2 局部特征描述技术研究概述  13-14
  1.4 基于内容图像检索的概述  14-20
    1.4.1 基于内容的图像检索系统结构  14-15
    1.4.2 基于内容的图像检索关键问题  15-20
  1.5 课题来源  20-21
第二章 局部不变性区域检测  21-30
  2.1 角点局部不变特征的检测  21-23
    2.1.1 Moravec's角点检测方法  21-22
    2.1.2 Harris角点检测算法  22
    2.1.3 SUSAN角点检测算法  22-23
    2.1.4 Harris-Laplace/Harris-Affine角点局部不变特征检测  23
    2.1.5 基于边缘特征的角点局部不变特征检测  23
  2.2 局部不变性特征区域检测  23-26
    2.2.1 MSER算法  24
    2.2.2 DOG算子和SIFT检测子  24-25
    2.2.3 多尺度Harris检测子  25
    2.2.4 HA检测子  25-26
    2.2.5 EBR检测子  26
    2.2.6 IBR检测子  26
  2.3 基于局部一致性的特征点精确定位  26-29
  2.4 本章小节  29-30
第三章 局部特征描述方法  30-45
  3.1 基于滤波的局部特征描述子  30-31
  3.2 基于分布的局部特征描述  31-43
    3.2.1 SIFT算子  31-36
    3.2.2 PCA-SIFT算子  36-37
    3.2.3 SURF算子  37-43
  3.3 特征相似性度量技术  43-44
  3.4 图像匹配的评价标准  44
  3.5 本章小结  44-45
第四章 基于SURF的彩色特征描述子的研究  45-58
  4.1 颜色空间  45-46
  4.2 颜色量化  46-48
  4.3 C-SURF算法描述  48-51
  4.4 基于C-SURF算法以及CU-SURF算法的图片旋转匹配性能检测试验  51-58
    4.4.1 正确匹配标准  52
    4.4.2 数据库及参数设置  52-53
    4.4.3 实验结果展示  53-58
第五章 总结与展望  58-61
  5.1 论文工作总结  58-59
  5.2 存在的问题及下一步工作  59
  5.3 前景与展望  59-61
参考文献  61-67
致谢  67-68
攻读学位期间发表的学术论文目录  68

相似论文

  1. 用于检索的人脸特征提取与匹配算法研究,TP391.41
  2. 基于用户兴趣特征的图像检索研究与实现,TP391.41
  3. Q学习在基于内容图像检索技术中的应用,TP391.41
  4. 基于内容的服装图像检索技术研究及实现,TP391.41
  5. 基于多示例学习的用户关注概念区域发现,TP391.41
  6. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  7. 多样性密度学习算法的研究与应用,TP181
  8. 粒计算理论及其在图像检索中的应用研究,TP18
  9. 基于内容的唐卡图像检索技术研究,TP391.41
  10. 基于可视特征的彩色图像分割方法及应用研究,TP391.41
  11. 图像感兴趣区域提取方法研究,TP391.41
  12. 面向实时监控应用的事件流相似性分析技术的研究,TP311.13
  13. 车牌识别系统中字符识别技术的研究,TP391.41
  14. 基于时空关键点的动作识别算法研究,TP391.41
  15. 基于局部特征的结构模型学习及其在目标检测与定位中的应用,TP391.41
  16. 光照不变性特征在图像检索与识别中的应用研究,TP391.41
  17. 基于立体视觉的串联机器人跟踪检测系统,TP242
  18. 基于图结构的指纹匹配算法及硬件实现,TP391.41
  19. 基于监督学习的图像局部特征点检测子研究,TP391.41
  20. 图像检索的并行计算方法与系统,TP391.3
  21. 基于SURF算法的多幅图像三维模型重建方法研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com