利用Curvelet變換進行基于內容的圖像檢索.pdf

1、近年來,隨著多媒體、網絡技術的迅速發(fā)展,圖像信息的應用日益廣泛,對規(guī)模越來越大的圖像數(shù)據庫、可視信息進行有效的管理,迅速、準確的找到用戶所需要的圖像,成為一個廣泛關注和迫切需要解決的課題.基于內容的檢索可以自動提取圖像自身所包含的客觀信息,然后根據這些信息在圖像中進行查找,檢索出相似的圖像,不需要或僅僅需要很少的人工干預.針對基于內容的檢索,本文圍繞圖像信息的提取和相似性的計算這兩個關鍵問題,深入分析了基于Curvelet變換的圖像線邊

2、緣檢測,著重研究了從圖像邊界輪廓提取全局和局部特征的方法,同時對局部特征的相似度計算進行了深入的探討.本文的主要研究內容和成果如下:基于Curvelet變換理論,提出了一種直接從Curvelet變換系數(shù)提取圖像邊緣的方法.依據Radon映射直線的原理,將線邊緣的檢測問題轉換成Radon變換最大系數(shù)的檢測,利用Radon變換來降低噪聲的影響.實驗結果表明,本文提出的算法,在有效檢測形狀邊界弱邊緣的情況下,具有較小的信息冗余度,提高了邊緣檢

3、測的精度.著重研究了邊界輪廓的全局和局部特征提取方法,探討了Hu不變矩提取邊界輪廓全局特征的修正模型,并詳細闡述了基于多邊形頂點的局部特征提取方法,提出了一種將Levenshtain距離用于局部特征相似性度量的改進算法.實驗結果表明,采用邊界矩計算全局特征的速度提高了一個數(shù)量級,同樣具有平移、旋轉以及尺度的不變性;采用Levenshtain改進算法的局部特征相似性比較,更加符合人的形狀視覺感知.針對單獨使用全局和局部特征檢索存在的問題,