基于SIFT和旋轉(zhuǎn)不變LBP相結(jié)合的圖像檢索系統(tǒng)研究與實現(xiàn).pdf

1、傳統(tǒng)的基于文本的圖像檢索技術由于自身限制，已經(jīng)不能滿足用戶對圖像信息的檢索需求。一種新的圖像檢索技術——基于內(nèi)容的圖像檢索技術(ContentBased Image Retrieval，CBIR)應運而生，并且已經(jīng)成為大規(guī)模多媒體數(shù)據(jù)庫高效管理和檢索的重要手段。因此，本文研究并設計了基于內(nèi)容的圖像檢索系統(tǒng)。
　　實際中的圖像總會發(fā)生尺度、視角及亮度的變化，而基于內(nèi)容的圖像檢索技術提取的傳統(tǒng)的圖像的顏色、紋理、形狀以及空間關系等特征

2、往往此時表現(xiàn)欠佳。基于內(nèi)容的圖像檢索領域急需一種能夠?qū)D像尺度、亮度、旋轉(zhuǎn)、平移甚至仿射不變的特征描述提取算法。本文深入研究了尺度不變特征變換(Scale InvariantFeature Transform，SIFT)算法和局部不變二值模式(Local Binary Pattern，LBP)的方法和原理，針對在圖像光照變化明顯時，SIFT算法表現(xiàn)欠佳的問題，重點研究了旋轉(zhuǎn)不變LBP。
　　提出了SIFT和旋轉(zhuǎn)不變LBP相結(jié)合的圖

3、像特征提取新算法。算法使用和SIFT相同的關鍵點檢測方法，在得到圖像特征的關鍵點后，統(tǒng)計關鍵點周圍16×16區(qū)域的梯度信息并計算周圍9×9區(qū)域的LBP值構(gòu)建圖像的SIFT-LBP特征描述子。
　　為了進一步提高檢索準確率和檢索速度，本文采用了基于遺傳算法的特征選擇方法對得到的圖像特征進行選擇。并且提出了Bag of features和VP-tree結(jié)合的索引結(jié)構(gòu)，利用Bag of features模型將圖像的高維特征映射到視覺詞匯

4、表，將圖像表示成了基于視覺詞頻數(shù)的特征矢量，然后將所有圖像特征矢量構(gòu)建VP-tree索引樹。
　　在Windows XP環(huán)境下，利用Visual C++6.0和SQL2000數(shù)據(jù)庫技術開發(fā)了基于SIFT和旋轉(zhuǎn)不變LBP相結(jié)合的圖像檢索系統(tǒng)。實驗表明，本文的SIFT和旋轉(zhuǎn)不變LBP相結(jié)合的算法具有良好的尺度、旋轉(zhuǎn)及視角不變性，同時對圖像光照的變化具有良好的魯棒性，并且相對于SIFT算法有較高的檢索準確率。本文所設計的系統(tǒng)能很好地滿足