稀疏表示與特征融合的圖像搜索.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)和成像的不斷發(fā)展，圖像的數(shù)量在急速增加，一個(gè)亟待改善的問題就是，對(duì)于如此海量的圖像數(shù)據(jù)，如何進(jìn)行有效的圖像檢索顯得至關(guān)重要。而隨著圖像處理技術(shù)和索引技術(shù)的不斷發(fā)展，人們也提出了很多對(duì)于這些問題的解決方法?；趦?nèi)容的圖像搜索技術(shù)的產(chǎn)生在一定程度上解決了在海量圖像中檢索出目標(biāo)圖像的需求。
　　本文首先總結(jié)和回顧了當(dāng)前基于內(nèi)容的圖像搜索的研究成果，分析了現(xiàn)有圖像搜索系統(tǒng)的特點(diǎn)，重點(diǎn)分析了圖像檢索技術(shù)中的特征提取算法和索引技

2、術(shù)。為了更好的對(duì)圖像進(jìn)行特征提取，保證特征提取的準(zhǔn)確性和完整性，本文提出了基于分?jǐn)?shù)階高斯微分的邊緣檢測(cè)算法作為圖像全局特征的一種分量，用于更好的引導(dǎo)圖像檢索的結(jié)果，該算法不僅能正確的反應(yīng)圖像的全局特征信息，而且對(duì)要求更準(zhǔn)確的圖像搜索，能夠比較好的保證搜索結(jié)果全局外觀的相似性。
　　然后針對(duì)圖像搜索研究中，特征提取的高維度和特征字典不夠完善，在傳統(tǒng)的圖像稀疏表示的研究中，稀疏編碼的對(duì)象是圖像的原始的像素級(jí)數(shù)據(jù)，通常在自然圖像中按一定

3、的特征定位算法，選取部分圖像塊作為能表示這幅圖像的自然特征，把選取的自然特征作為字典生成算法的輸入，獲取特征字典的基向量，再通過稀疏分解獲取圖像的稀疏表示。但是采用自然圖像的原始像素級(jí)數(shù)據(jù)進(jìn)行特征學(xué)習(xí)會(huì)給訓(xùn)練過程帶來不少問題，對(duì)于存在背景或者噪聲的圖像，字典學(xué)習(xí)的結(jié)果會(huì)受影響，同時(shí)，字典學(xué)習(xí)的訓(xùn)練結(jié)果也會(huì)受圖像縮放、方向、觀察者視角、亮度等因素的影響，并且對(duì)于目標(biāo)被遮擋或者不完整的情況，字典學(xué)習(xí)的結(jié)果存在很大的不穩(wěn)定性。對(duì)此本文提出了基