学位论文 > 优秀研究生学位论文题录展示

基于纹理特征的图像检索技术

作　者: 徐大园
导　师: 唐远炎
学　校: 重庆大学
专　业: 计算机应用技术
关键词: 图像检索纹理特征复小波特征提取相似性度量
分类号: TP391.3
类　型: 硕士论文
年　份: 2009年
下　载: 213次
引　用: 0次
阅　读: 论文下载

内容摘要

计算机技术的飞速发展和多媒体的广泛应用,使得新闻出版,医疗卫生,建筑设计等行业每天都会产生海量的数字图像。如何有效的针对这些图像进行分析,存储和检索都是一个亟待解决的问题。基于内容的图像检索技术出现,有效的解决了这一问题,同时也成为了研究的热点。在基于内容图像检索的系统中,一个重要的手段就是利用图像的纹理特征。因此,本课题主要针对基于纹理特征的图像检索技术展开研究。首先,本文阐述了基于内容的图像检索技术研究的背景和意义,并概述了当前的研究状况和研究热点。本文也简要地描述了目前国内外基于内容的图像检索系统的应用现状,同时列举了一些具有典型代表的检索系统。然后,对基于内容的图像检索系统原理进行了研究。对图像检索系统的通用框架和关键技术进行了讨论,并分析了基于内容的图像检索技术的关键因素。得出影响检索效果的关键之处在于图像的内容表示以及图像间的相似性度量。接着,针对于图像的内容表示进行了深入的探讨,主要体现在如何对图像的纹理特征进行有效的描述。根据纹理的空间性质和频域性质,对纹理特征的描述通常采用空间域纹理分析,频率域纹理分析和空间/频域联合分析的三种方法。在本文中,对这三种方法进行了详细的阐述和比较。由于人类视觉同时对位置和空间频率的敏感性,所以不管是在空间域,还是在频率域对纹理进行分析和描述都有其不足之处。而空间/频率域联合分析法可以在很大程度上能克服传统频率域分析方法的不足,同时在空间和频率域也能取得较好的局部特性。最后,对于在空间/频率域中描述图像纹理特征进行了有益的探索,研究了如何利用小波变换来提取图像纹理特征。根据小波分解图像的特性,本文提出了小波分解后多方向子带结合的方法来表示图像纹理特征的方法。在利用小波方法对图像进行有效分解后,传统小波分解只有水平,垂直和对角线三个方向选择性子带,而复小波分解有六个方向选择性子带并且与传统小波分解后的子带方向不同。该方法利用传统小波和复小波的高频子带的方向选择性不同这一特点,将两者输出的方向选择性子带进行组合来提取纹理特征。实验证明,这种方法提取的纹理特征对图像的纹理描述能力更强,更利于图像检索。同时,本文也提出了将复小波对纹理图像检索的良好性能应用于脱线手写体的笔迹识别方面以提高识别率的方法。该方法将手写体笔迹当作一幅图像来处理,在进行一般的预处理后,应用复小波方法对笔迹图像进行识别。实验证明,这种方法对手写体的识别是有效的,与使用传统小波GGD模型方法比较,在鉴别正确率上有了相当大的提升。

全文目录

摘要  3-4
ABSTRACT  4-8
1 绪论  8-15
  1.1 论文的研究背景和意义  8-9
  1.2 图像检索的研究现状  9-11
  1.3 图像检索的应用现状  11-14
    1.3.1 国外应用现状  11-13
    1.3.2 国内应用现状  13-14
  1.4 本文的主要研究内容和结构  14-15
2 基于内容的图像检索系统  15-24
  2.1 图像检索技术的通用框架  15-16
  2.2 图像检索的关键技术  16-24
    2.2.1 图像内容的表示  16-18
    2.2.2 图像间的相似性度量  18-24
3 纹理特征的描述  24-42
  3.1 纹理概述  24-25
  3.2 基于空间域的纹理分析  25-30
    3.2.1 人眼视觉特征的Tamura 纹理特征  25-27
    3.2.2 灰度共生矩阵方法  27-30
  3.3 基于频率域的纹理分析  30-32
    3.3.1 傅立叶变换  30-31
    3.3.2 傅立叶变换的纹理特征提取  31-32
  3.4 基于空间域/ 频率域联合的纹理描述  32-42
    3.4.1 小波发展的概况  32-33
    3.4.2 小波分析与傅立叶分析的比较  33
    3.4.3 小波的基本理论  33-42
4 小波域多方向信息融合的纹理图像检索  42-51
  4.1 传统小波分解图像的方向特性  42
  4.2 复小波理论及其方向特性  42-46
    4.2.1 复小波变换  43-44
    4.2.2 对偶树复小波变换  44-45
    4.2.3 对偶树复小波的方向特性  45-46
  4.3 提出的方法  46-47
  4.4 不同小波方向信息组合的特征提取  47
  4.5 相似性度量  47-48
  4.6 实验与分析  48-50
  4.7 结论  50-51
5 纹理图像检索技术在笔迹鉴别中的应用  51-57
  5.1 应用背景  51-52
  5.2 预处理过程  52
  5.3 基于传统小波的GGD 模型方法的特征提取  52-53
  5.4 基于复小波的GGD 模型方法的特征提取  53-54
  5.5 实验与分析  54-56
    5.5.1 实验过程  54-55
    5.5.2 相关分析  55-56
  5.6 结论  56-57
致谢  57-58
参考文献  58-62
附录  62
  A. 作者在攻读学位期间发表的论文目录  62

基于纹理特征的图像检索技术

内容摘要

全文目录

相似论文