基于多特征加權(quán)融合的圖像檢索研究.pdf

1、網(wǎng)絡(luò)和多媒體技術(shù)的快速發(fā)展，在促進信息快速交流的同時也改變著人們對信息的獲取方式，應(yīng)用領(lǐng)域也在不斷擴大。由于信息本身的不確定性以及獲取方式的不斷更新等特點，如何從數(shù)據(jù)量龐大且不斷變化的數(shù)據(jù)庫中篩選出更符合要求的圖像成了研究的一個熱點，各種圖像檢索方法層出不窮。在早期的圖像檢索方法中，以基于文本的檢索方法為主，比較常見的就是基于圖像標(biāo)注的檢索方法，但是由于人工標(biāo)注具有主觀性，再加上人工標(biāo)注在實現(xiàn)上費時費力，因此該算法并不能滿足人們的需要。

2、基于內(nèi)容的圖像檢索方法的迅速發(fā)展，從根本上解決了圖像檢索中存在的問題。本文的主要研究工作是，提出一種基于多特征加權(quán)融合的圖像檢索方法，該方法是基于圖像分割技術(shù)、特征提取技術(shù)、特征融合技術(shù)等方面的發(fā)展而不斷改進完善的，主要工作如下：
　　1.結(jié)合分水嶺和水平集算法的目標(biāo)識別方法
　　結(jié)合分水嶺算法在圖像分割中精確度比較高的優(yōu)勢，以及水平集算法的優(yōu)點，提出一種基于區(qū)域合并的目標(biāo)識別方法。首先在原圖像上應(yīng)用分水嶺算法，把圖像分割成

3、多個連續(xù)的小區(qū)域，然后結(jié)合水平集算法對這些小區(qū)域進行合并，從而完成目標(biāo)圖像的識別。這種方法在視覺上避免了過分割現(xiàn)象，目標(biāo)識別的準(zhǔn)確程度得到改善。
　　2.分段量化顏色特征并在LBP碼中加入不變碼
　　為了獲取更準(zhǔn)確的圖像檢索結(jié)果，在顏色特征提取方面，提出一種分段的顏色特征向量量化方法，實現(xiàn)特征向量從高維到多維的變化，從而降低特征計算的時間復(fù)雜度；基于紋理特征的旋轉(zhuǎn)不變性，對傳統(tǒng)的LBP算法做出了改進，在LBP編碼中加入尺度不

4、變碼和旋轉(zhuǎn)不變碼，更好的描述圖像紋理特征。
　　3.基于權(quán)值矩陣的多特征融合方法
　　將本文提出的目標(biāo)識別方法和特征向量提取方法應(yīng)用到圖像檢索中，實現(xiàn)顏色特征和紋理特的加權(quán)融合，并改進了傳統(tǒng)的基于固定權(quán)值的加權(quán)方式，提出了基于權(quán)值矩陣的加權(quán)方式。根據(jù)特征向量對應(yīng)維之間的距離確定權(quán)值大小并形成權(quán)值矩陣，然后根據(jù)特征向量之間的相似度的大小排序，完成圖像檢索工作。為了驗證該方法的有效性，與其他方法進行比對發(fā)現(xiàn)，該方法在查全率和查準(zhǔn)