本文選題：圖像檢索 + SURF�。� 參考：《西北大學(xué)》2016年碩士論文

【摘要】：基于內(nèi)容的圖像檢索技術(shù)一直受到圖像處理領(lǐng)域研究人員的廣泛關(guān)注,在電子商務(wù)、軍事偵查、視頻監(jiān)控和醫(yī)學(xué)等領(lǐng)域有著廣泛的應(yīng)用。本文在研究基于內(nèi)容的圖像檢索相關(guān)理論的基礎(chǔ)上,重點(diǎn)圍繞優(yōu)化圖像檢索結(jié)果,設(shè)計并實(shí)現(xiàn)了一種新的基于多特征融合重排序的圖像檢索原型系統(tǒng),論文的主要工作如下：1.提出了一種基于Krawtchouk色度分布矩的顏色特征檢索方法,首先將圖像從三維的RGB空間轉(zhuǎn)換到二維對立色度空間,然后通過計算圖像的Krawtchouk矩向量來描述顏色分布,進(jìn)而實(shí)現(xiàn)圖像檢索。實(shí)驗結(jié)果表明,該方法能有效地降低特征維數(shù),優(yōu)于HSV顏色直方圖方法。2.實(shí)現(xiàn)了一種基于自反饋多特征融合的圖像檢索方法。該方法在實(shí)現(xiàn)基于Krawtchouk色度分布矩的顏色特征檢索方法的基礎(chǔ)上,結(jié)合Krawtchouk矩及Gabor小波,通過自反饋方法自動確定顏色、形狀、紋理分量的相應(yīng)權(quán)值,并進(jìn)行多特征融合檢索。實(shí)驗驗證了本文方法的有效性。3.設(shè)計并實(shí)現(xiàn)了一個基于多特征融合重排序的圖像檢索原型系統(tǒng)。該系統(tǒng)首先通過SURF-BoVW的圖像檢索方法進(jìn)行初始檢索,過濾掉圖像庫中相關(guān)性較差的圖像,作為重排序檢索的圖像集；然后,利用基于自反饋多特征融合的圖像檢索方法進(jìn)行重排序檢索,輸出優(yōu)化的檢索結(jié)果。實(shí)驗結(jié)果表明,該系統(tǒng)在保證檢索性能的同時,也具有較高的檢索效率。
[Abstract]:Content-Based Image Retrieval (CBIR) technology has been widely concerned by researchers in the field of image processing, and has been widely used in e-commerce, military investigation, video surveillance and medicine. Based on the research of the theory of content-based image retrieval, a new image retrieval prototype system based on multi-feature fusion and reordering is designed and implemented around the optimization of image retrieval results. The main work of this paper is as follows: 1. In this paper, a color feature retrieval method based on Krawtchouk chrominance distribution moments is proposed. Firstly, the image is transformed from three-dimensional RGB space to two-dimensional opposite-chromaticity space, then the color distribution is described by calculating the Krawtchouk moment vector of the image, and then the image retrieval is realized. Experimental results show that this method can effectively reduce the feature dimension and is better than HSV color histogram method. 2. An image retrieval method based on self-feedback multi-feature fusion is implemented. On the basis of realizing the color feature retrieval method based on Krawtchouk chrominance distribution moment, combining Krawtchouk moment and Gabor wavelet, the corresponding weights of color, shape and texture components are automatically determined by self-feedback method, and multi-feature fusion retrieval is carried out. Experimental results show that the proposed method is effective. A prototype image retrieval system based on multi-feature fusion and reordering is designed and implemented. The system first carries out initial retrieval through SURF-BoVW 's image retrieval method, filters out the images with poor correlation in the image database, and serves as the image set for reordering and retrieval, and then, An image retrieval method based on self-feedback multi-feature fusion is used to reorder the retrieval and output the optimized retrieval results. The experimental results show that the system not only ensures the retrieval performance, but also has a high retrieval efficiency.
【學(xué)位授予單位】：西北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 初紅霞;王科俊;王希鳳;郭慶昌;韓晶;;多特征融合的退火粒子濾波目標(biāo)跟蹤[J];計算機(jī)工程與應(yīng)用;2011年06期

2 顧鑫;王海濤;汪凌峰;王穎;陳如冰;潘春洪;;基于不確定性度量的多特征融合跟蹤[J];自動化學(xué)報;2011年05期

3 姚紅革;杜亞勤;;基于多模式多特征融合粒子濾波視頻目標(biāo)跟蹤[J];西安工業(yè)大學(xué)學(xué)報;2012年11期

4 王蘭;;基于多特征融合的票據(jù)分類技術(shù)及應(yīng)用[J];計算機(jī)光盤軟件與應(yīng)用;2013年13期

5 陳增照;何秀玲;楊揚(yáng);董才林;;基于多特征融合的票據(jù)分類技術(shù)及應(yīng)用[J];計算機(jī)工程與應(yīng)用;2006年09期

6 周斌;林喜榮;賈惠波;宋榕;;多特征融合的手背血管識別算法[J];清華大學(xué)學(xué)報(自然科學(xué)版);2007年02期

7 劉貴喜;范春宇;高恩克;;基于粒子濾波與多特征融合的視頻目標(biāo)跟蹤[J];光電子.激光;2007年09期

8 胡全;邱兆文;王霓虹;;基于多特征融合的圖像語義標(biāo)注[J];東北林業(yè)大學(xué)學(xué)報;2008年10期

9 周靜;黃心漢;彭剛;;基于多特征融合的飛機(jī)目標(biāo)識別[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2009年01期

10 沈才梁;許雪貴;許方恒;龍丹;;多特征融合的人臉檢測[J];計算機(jī)系統(tǒng)應(yīng)用;2009年11期

相關(guān)會議論文 前3條

1 葉鋒;蔡光東;鄭子華;亓?xí)孕?尹鵬;;基于多特征融合的藥用植物標(biāo)本識別[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

2 段其昌;季長有;;基于多特征融合的快速人臉檢測[A];第十七屆全國測控計量儀器儀表學(xué)術(shù)年會（MCMI'2007）論文集（上冊）[C];2007年

3 李玉峰;鄭德權(quán);趙鐵軍;;基于SVM和多特征融合的圖像分類[A];第四屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集（上）[C];2008年

相關(guān)博士學(xué)位論文 前5條

1 劉明華;復(fù)雜環(huán)境下基于多特征融合的目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];青島科技大學(xué);2016年

2 田綱;基于多特征融合的Mean shift目標(biāo)跟蹤技術(shù)研究[D];武漢大學(xué);2011年

3 徐志剛;基于多特征融合的路面破損圖像自動識別技術(shù)研究[D];長安大學(xué);2012年

4 陳秀新;多特征融合視頻復(fù)制檢測關(guān)鍵技術(shù)研究[D];北京工業(yè)大學(xué);2013年

5 初紅霞;基于均值移動和粒子濾波的目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 金婕;基于多特征融合和結(jié)果重排的特定圖像檢索[D];上海交通大學(xué);2015年

2 封少坤;基于多特征融合的LCD微小瑕疵自動分類[D];上海交通大學(xué);2015年

3 徐俊峰;多特征融合的遙感影像變化檢測技術(shù)研究[D];解放軍信息工程大學(xué);2015年

4 張小琴;基于多特征融合的車輛品牌識別方法研究[D];東南大學(xué);2015年

5 謝振哲;圖像通用隱寫檢測中的多特征融合方法[D];福州大學(xué);2013年

6 陳小波;基于多特征融合與特征包的手勢檢測識別算法研究[D];福州大學(xué);2013年

7 牛姝媛;基于信息整合的藥物副作用預(yù)測方法研究[D];華東師范大學(xué);2016年

8 龍海強(qiáng);基于深度學(xué)習(xí)的人臉識別算法[D];廣東工業(yè)大學(xué);2016年

9 朱夢亞;基于多特征融合的遙感圖像分類研究[D];燕山大學(xué);2016年

10 汪龍;壓縮感知跟蹤算法關(guān)鍵技術(shù)研究[D];南昌航空大學(xué);2016年

，

本文編號：1812179