基于区域的图像匹配算法的关键技术研究

基于区域的图像匹配算法的关键技术研究作者：楼兵军学位授予单位：西安电子科技大学参考文献(47条)1.FinnRQuerybyimagecontent19962.FlicknerMQuerybyimagevideocontent19953.BachJR.FullerCVirageimagesearchengine:Anopenframeworkforimagemanagement19964.SeabomMOntheuseofcolorincontentbasedimageretrieval19975.JZWang.JLi.GWitbrockSIMPLIcity:Semantics-sensitiveintegratedmatchingforpicturelibraries2001(09)6.WYMa.BManjunathNetra:atoolboxfornavigatinglargeimagedatabases19977.WYMa.BManjunathEdgeflow:aframeworkofboundarydetectionandimagesegmentation19978.CCarson.MThomas.SBelongieBlobworld:asystemforregion-basedimageindexingandretrieval19999.JLi.JZWang.GWiederholdIRM:integratedregionmatchingforimageretrieval200010.刘洋基于内容的图像检索算法研究200511.GPass.RZabih.JMillerComparingimagesusingcolorcoherenceVectors199612.MJSwain.DHBallardIndexingviacolorhistograms13.RRickman.SJohnContentbasedimageretrievalusingcolortuplehistograms199614.魏宝刚.鲁东明.潘云鹤.杨云多颜色空间上的交互式图像分割[期刊论文]-计算机学报2001(7)15.GauravSharma.HJoelTrussellDigitalcolorimage1997(07)16.RMHaralick.ShangmugamDinsteinTexturalfeatureforimageclassification1973(06)17.HideyukiTamuraTexturefeaturescorrespondingtovisualperception1978(06)18.JianchangMao.AnilKJainTextureclassificationandsegmentationusingmultiresolutionsimultaneousautoregressivemodels1992(02)19.郑南宁计算机视觉与模式识别199820.MichaelDiazWaveletfeaturesforcolorimageclassification200021.BSManjunath.WYMaTexturefeaturesforbrowsingretrievalofimagedata1996(08)22.MUNSERTextureclassificationandsegmentationusingwaveletframes1995(11)23.AKJain.AVailayaImageretrievalusingcolorandshape1996(08)24.YTao.WIGroskyDelaneytriangularforimageobjectindexing:Anovelmethodforshaperepresentation199925.SBres.RSchettiniDetectionofinterestpointsforimageindexation199926.ADelBimboImageretrievalbyelasticmatchingofshapesandimagepatterns199627.AKJain.YuZhong.ScridharLakshmananObjectmatchingusingdeformabletemplates1996(03)28.张爱华基于模糊聚类分析的图像分割技术研究[学位论文]博士200429.GonzalezRC.WoodsREDigitalimageprocessing199230.NalwaVS.BinfordTOOndetectingedges1986(06)31.HaralickRMDigitalstepedgesfromzerocrossingofseconddirectionalderivatives1984(01)32.尹平.王润生基于边缘信息的分开合并图象分割方法[期刊论文]-中国图象图形学报1998(6)33.RezaeeMR.VanderZwetPMJ.LelieveldtRJAmultiresolutionimagesegmentationtechniquebasedonpyramidalsegmentationandfuzzyclustering2000(07)34.HarisK.EfstratiadisSN.MaglaverasNHybridimagesegmentationusingwatershedsandfastregionmerging1998(12)35.ChunDN.YangHSRobustimagesegmentationusinggeneticalgorithmwithafuzzymeasure1996(07)36.PavlidisTAlgorithmsforgraphicsandimageprocessing198237.ChengHD.SunYAhierarchicalapproachtocolorimagesegmentationusinghomogeneity2000(12)38.ChangCCColorimageretrievalbasedon2Dstring199839.ZhongDX.YanHColorimagesegmentationusingcolorspaceanalysisandfuzzyclustering200040.ZhangC.WangPAnewmethodofcolorimagesegmentationbasedonintensityandhueclustering200041.ZhangYJColorimagesegmentationbasedonHSImodel1998(01)42.高新波模糊聚类分析及其应用200443.YixinChen.JamesZWangAregion-basedfuzzyfeaturematchingapproachtocontent-basedimageretrieval2002(09)44.孟丽娜基于区域的图像检索技术研究[学位论文]硕士200545.GRCross.AKJainMarkovrandomfieldtexturemodels198346.杨平CBIR中图像匹配的研究[学位论文]硕士200347.JZWangSemantics-sensitiveintegratedmatchingforpicturelibrariesandbiomedicalimagedatabases2000相似文献(10条)1.学位论文郑剑锋基于感兴趣区域的图像分割及其在图像检索中的应用2008图像，作为一种表达直观，内容丰富的多媒体信息，一直以来都受到人们的关注。随着多媒体技术、通信技术以及计算机网络技术的迅猛发展，各行各业对图像信息的需求日益广泛，对图像产生了许多具体的、特殊的需求，这便要求对图像进行处理。由于图像中包含的内容比较丰富，而人们在大多数情况下只关心图像中的一部分内容，由此，人们提出了感兴趣区域这个概念。通过提取图像的感兴趣区域，人们可以专注于对图像感兴趣区域的处理，改善图像处理的结果。不同的需求、不同的应用背景，对图像的关注点可能不同，因此可能对应着不同的感兴趣区域提取方法。本文在图像检索的背景下，研究图像的感兴趣区域提取，以达到改善图像检索结果的目的。本文的主要工作和内容如下：1）根据显著点在浅景深图像和简单背景图像上的分布特性，提出了一种基于显著点的图像感兴趣区域自动提取方法。该方法根据在浅景深图像及简单背景图像中，显著点主要分布在物体边缘以及物体内部灰度变化剧烈的地方这个特点，对显著点进行扩展，并把扩展后的点记为标记点；根据图像分割后，各个分割区域内标记点的分布密度，判定各个区域是否属于感兴趣区域，标记点分布密集的区域为图像的感兴趣区域，标记点分布稀疏的区域为图像的背景区域。对于浅景深图像和简单背景图像，这种方法能够较好的区分出图像的感兴趣区域和背景区域。2）把本文提出的基于显著点的感兴趣区域提取方法应用到图像检索领域，建立了一个基于感兴趣区域的图像检索系统。提取图像的颜色直方图作为图像的特征，使得图像检索系统可以不受图像旋转的影响，并具有较高的抗噪声性能。实验证明，本文建立的图像检索系统对浅景深图像及简单背景图像取得了较好的效果。2.学位论文沈项军基于语义学习的图像检索研究2006近年来，基于内容的图像检索(Content-BasedImageRetrieval，CBIR)技术获得了蓬勃的发展。当前，该研究领域所面临的主要困难在于，大多数现存的基于内容的图像检索系统是通过对不同图像进行相似度计算来完成图像检索任务的。这种做法虽然取得了一些成功，但是也存在相当大的局限性。主要问题是图像检索质量的好坏在很大程度上依赖于所使用的图像特征，它与人类根据图像语义来判断图像间是否相似的做法存在着很大的区别。这种差别的存在导致目前的大多数图像检索方法很难取得令人满意的图像检索效果。为了解决这个问题，本文提出了一种基于语义分析的图像检索方法。该方法从学习用户语义的观点出发，通过对用户选择的若干相似图像进行学习，找到隐藏在其中的用户语义，从而据此实现对数据库中相似图像的检索。为了获得用于图像语义学习的图像特征，发展了一种基于视觉感知特性的色彩量化算法和一种改进的JSEG图像分割算法。JSEG算法只利用到了量化色彩的分布信息；对此，改进算法通过增加对色彩和纹理信息的分析以提高图像分割的效果。此外，针对相关研究中缺乏图像概念保存研究的现状，提出了一种基于复杂网络的图像语义概念保存方法，以检索未来相似语义的图像。实验结果表明，基于用户语义学习和基于概念保存学习的图像检索效果是令人满意的。从以上研究思路出发，本文首先对CBIR研究的起源、发展、研究方向和所面临的问题，以及本文的主要研究内容和创新点做了整体介绍。随后，本文探讨了图像特征提取问题，提出了一种基于视觉感知特性的色彩量化算法。该算法将图像分成边缘、平滑和纹理区域，并采用对不同区域中的像素赋予不同权重的策略以强化边缘和平滑区域的色彩。实验表明，同前人工作相比，该算法能够自适应地保留视觉重要区域的色彩，并具有计算速度快的特点。在色彩量化基础上，为了得到图像中的对象等高层语义特征，进一步提出了一种改进的JSEG图像分割算法。该算法采用对色彩和纹理进行分析的方法来加快图像分割。实验表明，该分割算法具有快速、准确的特点。为了解决计算机和用户之间在图像语义理解上存在的差异问题，本文从用户的角度出发对检索过程中涉及的图像语义进行了研究。基于用户选择的图像之间存在一定的语义关联这一线索，提出通过学习这些图像之间的关系来发现语义。具体方法是通过区域配对操作来学习图像之间共同的“感兴趣”区域，并进一步确定上述“感兴趣”区域内的“感兴趣”的特征；通过比较这些“感兴趣”区域之间的相似距离和空间结构关系来确定最终的图像语义。由此得到的语义可以帮助我们理解用户想要检索的图像内容。实验结果表明，采用该方法的图像检索