学位论文 > 优秀研究生学位论文题录展示

基于显著度抠像的图像检索研究与实现

作　者: 任志森
导　师: 郭禾
学　校: 大连理工大学
专　业: 计算机应用技术
关键词: 抠像显著度图词袋模型 sift 聚类
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 35次
引　用: 0次
阅　读: 论文下载

内容摘要

随着Internet网络以及多媒体技术的蓬勃发展,信息爆炸也成为人们越来越需要解决的问题,互联网上每天都会产生大量的多媒体信息、。虽然文本检索取得了一些令人满意的成果,但是对于图像的检索仍然存在很大的挑战性,于是基于内容的图像检索成为国内外研究的热点,如何建立高效准确的图像检索系统成为迫切需要解决的问题。抠像技术是一种把图像中的前景物体和背景想分离的技术,被广泛的应用于图像处理以及电影和电视的合成领域。传统的图像抠像方法都需要一定的人工参与,通过涂抹或者是颜色的选择为精确的抠像提供帮助。显著度用来表示一幅图像中的某个像素点吸引人的注意力的程度,用一定的数值量化到一幅图像中便就构成了显著度图,数值较大的区域就是显著区域,数值较小的区域是背景区域。一般在人的视野当中,变化较快较迅速的区域吸引人的注意的可能性也会较大。基本上所有的显著度图提取算法都是基于这样一种假设来设计的,在灰度图中,变化较为剧烈的区域会被赋予较大的显著度值,变化较为平缓的区域会被赋予较小的显著度值,于是就形成了显著度图。本文设计了种算法,利用显著度信息、作为辅助条件,实现了非监督的图像抠像,该算法结果优于其他的非监督的图像抠像算法,和监督的抠像算法的结果相当。在基于内容的图像检索领域,人们的研究重点集中在如何提取出一种对图像放缩、旋转具有不变形的高区分度的底层特征,并取得了丰硕的成果,如sift以及gist在基于内容的图像检索中都得到了广泛的应用。基于sift特征,本文利用词袋模型进行聚类和降维,很大程度的减小了各特征间的相关性,提高了图像匹配的速度和准确度。通过抠像处理,本文可以提取图像中的前景物体的精确空间位置信息,利用空间位置信息以及sift特征,计算出一副图像的全局特征描述符,用于图像之间的匹配和检索。实验表明,本算法在面向对象的图像检索中,有明显的识别率提升。基于本文算法,设计并实现了一个综合颜色、纹理以及轮廓特征的多特征综合的图像检索系统,该系统在实现了图像的导入、浏览以及相册管理等基本功能外,还实现了基于颜色、轮廓以及纹理的单特征检索和这些特征任意组合的多特征综合检索。通过设置相似度的值,可以动态的调整检索结果中的图像个数。

全文目录

摘要  4-5
Abstract  5-9
1 绪论  9-16
  1.1 研究背景  9-11
  1.2 国内外研究现状  11-15
  1.3 本文组织结构  15-16
2 基于内容的图像检索基础知识  16-24
  2.1 视觉特征  16-21
    2.1.1 颜色特征  16-18
    2.1.2 轮廓  18-19
    2.1.3 纹理  19-21
  2.2 降维算法  21-23
    2.2.1 卡洛变换  21-22
    2.2.2 聚类  22-23
  2.3 相似性度量  23-24
    2.3.1 欧拉距离  23
    2.3.2 直方图交  23
    2.3.3 马氏距离  23-24
3 基于抠像的图像检索技术  24-48
  3.1 生理学理论基础  26-28
    3.1.1 视觉的形成  26-27
    3.1.2 黄斑  27
    3.1.3 视觉信息处理模型  27-28
  3.2 显著度的提取  28-32
    3.2.1 显著度及基本提取方法  28-29
    3.2.2 本文显著度提取算法  29-30
    3.2.3 显著度图的块融合与过滤  30-31
    3.2.4 连通区域  31
    3.2.5 块过滤与融合  31-32
  3.3 利用显著度图抠像  32-36
    3.3.1 抠像层次预测  32-33
    3.3.2 抠像  33-34
    3.3.3 相关实验  34-36
  3.4 抠橡技术在图像检索中的应用  36-48
    3.4.1 图像特征的提取  37-42
    3.4.2 SVM向量机分类  42-43
    3.4.3 相关实验  43-48
4 基于内容的图像检索平台的设计与开发  48-64
  4.1 平台开发环境  48
  4.2 平台详细设计  48-56
    4.2.1 平台架构  48-50
    4.2.2 数据库存储模块  50-53
    4.2.3 图像管理模块  53
    4.2.4 图像浏览模块  53-54
    4.2.5 特征提取模块  54-55
    4.2.6 图像导入模块  55-56
  4.3 图像检索模块的实现  56-64
    4.3.1 基于内容的图像检索可扩展接口  56-57
    4.3.2 单特征图像检索  57-60
    4.3.3 多特征综合检索  60-62
    4.3.4 本文算法的系统实现  62-64
结论  64-65
参考文献  65-68
攻读硕士学位期间发表学术论文情况  68-69
致谢  69-70

相似论文

隐式用户兴趣挖掘的研究与实现,TP311.13
图像分割中阴影去除算法的研究,TP391.41
牡丹EST-SSR引物开发及其亲缘关系分析,S685.11
高血压前期证候特征研究,R259
高忠英学术思想与经验总结及运用补肺汤加减治疗呼吸系统常见病用药规律研究,R249.2
K-均值聚类算法的研究与改进,TP311.13
大学生综合素质测评研究,G645.5
大豆品种对腐竹品质的影响及其品质评价体系的初步构建,TS214.2
21个荷花品种遗传多样性的ISSR分析,S682.32
基于聚类分析的P2P流量识别算法的研究,TP393.02
基于混合自适应遗传算法的动态网格调度问题研究,TP393.09
桃杂交后代（F₁）幼苗光合效能评价,S662.1
南通市农业面源污染负荷研究与综合评价,X592
土壤环境功能区划研究,X321
基因表达谱数据聚类分析方法比较与大豆疫霉基因的网络构建,S435.651
大豆杂种优势及其遗传基础研究,S565.1
细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
基于变异粒子群的聚类算法研究,TP18
K-means聚类优化算法的研究,TP311.13
融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
基于遗传算法和粗糙集的聚类算法研究,TP18