圖像元數(shù)據(jù)特征提取及其在檢索中的應(yīng)用.pdf

1、網(wǎng)絡(luò)資源的日益膨脹，使得人們對資源的使用、管理產(chǎn)生更迫切的要求。面對眾多的異構(gòu)系統(tǒng)不同格式的資源，元數(shù)據(jù)標(biāo)準(zhǔn)化建設(shè)應(yīng)運而生。 在教育領(lǐng)域?qū)虒W(xué)資源的建設(shè)同樣也產(chǎn)生出多種元數(shù)據(jù)標(biāo)準(zhǔn)。圖像是教學(xué)資源建設(shè)中的重要組成部分。但到現(xiàn)在對圖像元數(shù)據(jù)標(biāo)準(zhǔn)的建設(shè)仍是基于文本，對圖像做外圍的標(biāo)注。 做基于內(nèi)容的圖像應(yīng)用和做元數(shù)據(jù)標(biāo)準(zhǔn)建設(shè)目前在兩條道上向前奔跑，沒有相交，我們本文所做的工作恰恰就是使這兩條道在某個點上相交，這個點我們定義它為

2、圖像元數(shù)據(jù)。 元數(shù)據(jù)的概念我們是借鑒元數(shù)據(jù)標(biāo)準(zhǔn)建設(shè)中的概念，而本文的圖像則不是通常意義上的圖像概念，它是特指基于內(nèi)容意義上的圖像。在圖像特征提取上我們應(yīng)用的基于內(nèi)容的視覺信息檢索技術(shù)，在圖像表示上，我們則借鑒元數(shù)據(jù)標(biāo)準(zhǔn)建設(shè)中描述規(guī)范，描述語言和描述方法。 我們在本文中所做的工作如下： (1)在圖像顏色元數(shù)據(jù)特征提取方面：顏色直方圖和HSI顏色直方圖； (2)在圖像紋理元數(shù)據(jù)特征提取方面：矩陣，并提出五個紋

3、理特征量。 (3)在圖像形狀元數(shù)據(jù)特征提取方面：基礎(chǔ)上提取圖像的七階矩。我們分別提取RGB顏色直方圖、HSV我們首先構(gòu)造四個方向上的灰度共生我們對圖像進行三次小波變換，在此(4)在圖像特征描述方面：我們給出圖像特征描述符和圖像描述模型，使用XML和RDF語言對圖像進行描述。 (5)最后我們給出實驗原型系統(tǒng)，對圖像分別從顏色、紋理和形狀三個方面進行檢索，并給出檢索結(jié)果以及對檢索結(jié)果的分析。 本文關(guān)于基于內(nèi)容圖像元數(shù)

4、據(jù)檢索的結(jié)論有： (1)關(guān)于顏色空間 對于一般的直方圖的使用，Lab空間的檢索和HSV空間的檢索結(jié)果沒有什么大的差異。 RGB省去了空間轉(zhuǎn)換的消耗，檢索速度最快；但不符合人的視覺特征，檢索效果最差。在對顏色的感知、分析和鑒別中，HSV色彩空間模型最好。 (2)關(guān)于直方圖 分塊直方圖統(tǒng)計，既發(fā)揮了顏色的空間索引技術(shù)，又對顏色進行了聚類，適合色塊比較分明且較集中的圖像的檢索，查全率和查準(zhǔn)率都較高。

5、 對于顏色較雜且分布均勻的圖像，分塊非主色與分塊主色檢索效率不相上下，分塊主色不占優(yōu)勢。 分塊的大小對檢索起著重要的作用，這需要用戶在檢索過程中根據(jù)需要不斷調(diào)整分塊大小，以獲得更高的檢索效率。 (3)關(guān)于紋理不同方向 2@對于簡單圖像(例如方形Square)檢索效果差異不大，查全率可高達(dá)100％，查準(zhǔn)率在50％；對于復(fù)雜圖像則需要根據(jù)具體實驗找出其適合方向。例如樹葉在0度和90度匹配最好，手掌在0度和135度匹配最好

6、。 (4)關(guān)于同一方向不同紋理 紋理越有規(guī)律，或紋理越簡單，檢索效果越好。整體匹配率在100％-33％之間。 (5)關(guān)于小波變換次數(shù) 對于簡單圖(例如方形)，一次小波變換效果最好；對于復(fù)雜圖(例如樹葉)三次小波要好于二次和一次小波變換；而對于含雜質(zhì)比較多的圖(如手掌)，二次和三次小波變換在不同情況下各有好壞，但都比一次小波檢索效果好。 (6)關(guān)于濾波系數(shù) 不同圖像對于濾波系數(shù)的選擇應(yīng)根據(jù)