基于內(nèi)容的農(nóng)產(chǎn)品圖像檢索方法研究.pdf

1、隨著信息技術(shù)飛速發(fā)展，數(shù)碼相機(jī)和帶照相功能的智能手機(jī)日益普及，拍照已變得非常便利，博客、微博等新媒體的廣泛應(yīng)用使得互聯(lián)網(wǎng)上圖片數(shù)據(jù)庫規(guī)模以驚人的速度增長(zhǎng)。如何從海量圖片數(shù)據(jù)中快速、有效的找到所需圖片，一直以來是人們研究的熱點(diǎn)。基于內(nèi)容的圖像檢索技術(shù)(Content-Based Image Retrieval，CBIR)被認(rèn)為是解決這一問題的有效途徑而受到了學(xué)者們的廣泛關(guān)注?；趦?nèi)容的圖像檢索技術(shù)主要利用圖像的視覺特征，如圖像中對(duì)象的顏色

2、、紋理、形狀、空間位置等以及這些特征的組合和上下文的語義關(guān)系來查詢圖像。然而，盡管基于內(nèi)容的圖像檢索技術(shù)研究已達(dá)數(shù)十年，取得了長(zhǎng)足的進(jìn)展，但仍無法滿足用戶端的檢索要求。其中最難解決的問題是:表示圖像內(nèi)容的底層視覺特征與用戶檢索時(shí)具有的高層語義之間存在差距。同時(shí)也是計(jì)算機(jī)視覺、圖像處理和模式識(shí)別領(lǐng)域的一個(gè)難題。
　　本文針對(duì)基于內(nèi)容的圖像檢索中的一些關(guān)鍵技術(shù)，包括提取圖像的底層視覺特征、圖像間相似性的度量及檢索算法的評(píng)價(jià)性能技術(shù)等，

3、進(jìn)行了一些探究性的研究，提出了兩種關(guān)于農(nóng)產(chǎn)品圖像檢索的解決方案。提出了一種基于K鄰近的多級(jí)多特征圖像檢索方法。在顏色方面，對(duì)圖像的HSV直方圖分塊加權(quán)提取其顏色特征。在紋理方面，利用局部二值模式Local Binary Pattern，LBP)算法提取圖像的紋理特征。在形狀方面，通過Canny算子提取圖像形狀的邊緣特征。將所提取顏色、紋理和形狀等特征用基于K鄰近(K-Nearest Neighbor，KNN)算法的思想進(jìn)行逐級(jí)相似度判別

4、篩選，最后融合顏色、紋理和形狀等特征信息，利用巴氏(Bhattacharyya)距離對(duì)相似度大小進(jìn)行計(jì)算，根據(jù)相似度的大小來檢索圖像。實(shí)驗(yàn)隨機(jī)選擇Caltech256圖像庫和中國植物圖像庫中的部分農(nóng)產(chǎn)品圖像，采用平均查準(zhǔn)率對(duì)該方法進(jìn)行評(píng)價(jià)，實(shí)驗(yàn)結(jié)果證明該方法檢索精度較高。提出了一種融合圖像形狀和紋理特征的檢索方法。形狀特征，首先利用大津法(Otsu)獲取圖像的最佳閾值進(jìn)行閾值分割得到二值圖像，對(duì)二值圖像利用Canny算子的輪廓提取進(jìn)行邊

5、緣檢測(cè)，在以上基礎(chǔ)上，通過Hu不變矩提取圖像的形狀特征。紋理特征，利用Uniform LBP算法提取圖像的紋理特征。將提取的形狀特征和紋理特征歸一化，進(jìn)行加權(quán)相似度計(jì)算，根據(jù)相似度的大小進(jìn)行圖像檢索。實(shí)驗(yàn)隨機(jī)選擇Caltech256圖像庫中的部分農(nóng)產(chǎn)品圖像，采用平均查準(zhǔn)率對(duì)該方法進(jìn)行檢驗(yàn)，實(shí)驗(yàn)結(jié)果證明該方法具有較高的檢索精度。本文提出的上述兩種基于內(nèi)容的農(nóng)產(chǎn)品圖像檢索方法，都融合了多種圖像的底層特征，克服了單一特征檢索的缺陷，彌補(bǔ)了單一