基于曲波變換和SIFT-PCA算法的圖像檢索技術(shù)的研究.pdf

1、隨著多媒體技術(shù)的快速發(fā)展和數(shù)字技術(shù)的普及應(yīng)用，使得多媒體數(shù)據(jù)信息(包括圖像、音頻、視頻等)大量出現(xiàn)。如何快速、有效的從海量的信息資源中檢索到所需信息，現(xiàn)已成為多媒體技術(shù)研究領(lǐng)域的一個(gè)熱點(diǎn)問題?；趦?nèi)容的圖像檢索(CBIR，Content-based Image Retrieval)技術(shù)就是為了解決上述問題提出的。
　　CBIR技術(shù)是利用圖像本身的性質(zhì)(如顏色、紋理、形狀、空間關(guān)系等)，并借助計(jì)算機(jī)視覺、圖像處理和模式識(shí)別等技術(shù)來實(shí)

2、現(xiàn)圖像的有效檢索。圖像的性質(zhì)中，形狀特征比較符合人們的視覺感知，人們傾向于選用形狀特征實(shí)現(xiàn)圖像的檢索。但是，形狀特征本身固有其特殊性，使得根據(jù)形狀特征進(jìn)行圖像檢索，具有一定的難度，因此基于形狀的圖像檢索技術(shù)是CBIR技術(shù)中一個(gè)極具挑戰(zhàn)性的研究課題，具有非常重要的研究意義與發(fā)展前景。
　　本文首先介紹了CBIR技術(shù)和基于形狀的圖像檢索的研究背景、現(xiàn)狀以及用到的相關(guān)技術(shù)，同時(shí)對(duì)基于形狀特征的圖像檢索中的關(guān)鍵技術(shù)進(jìn)行了介紹和分析。并針對(duì)

3、圖像邊緣特征提取中，常用的邊緣特征提取算法計(jì)算量大，復(fù)雜度高的缺點(diǎn)，本文引入了利用曲波變換(CT，Curvelet Transform)算法來提取圖像的邊緣信息。
　　然后，針對(duì)利用傳統(tǒng)的SIFT(Scale-invariant Feature Transform)算法提取出的圖像特征點(diǎn)向量維數(shù)較多，計(jì)算量大，檢索效率低等缺點(diǎn)提出了一種基于SIFT和主成分分析(PCA，Principal Component Analysis)相結(jié)

4、合的SIFT-PCA算法。該算法先利用SIFT算法獲得圖像特征點(diǎn)向量，然后通過改進(jìn)的PCA算法把提取出的特征點(diǎn)向量變換到另一個(gè)空間，獲得有代表性的特征參數(shù)，達(dá)到對(duì)特征點(diǎn)向量的降維。此算法在保證原SIFT算法魯棒性的同時(shí)減少了計(jì)算量，并且增強(qiáng)了實(shí)時(shí)性。
　　最后，利用本文設(shè)計(jì)的圖像檢索系統(tǒng)，將傳統(tǒng)的形狀特征提取算法和本文提出的利用CT算法提取圖像的邊緣信息、SIFT-PCA算法提取圖像的關(guān)鍵特征點(diǎn)，以及融合這兩種特征進(jìn)行檢索實(shí)驗(yàn)，驗(yàn)