基于內(nèi)容的植物花卉圖像檢索.pdf

1、本文在研究了基于內(nèi)容的圖像檢索相關(guān)領(lǐng)域的關(guān)鍵技術(shù)及發(fā)展趨勢的基礎(chǔ)上，以植物花卉圖像為研究對象，對植物花卉圖像在區(qū)域分割、特征提取、基于內(nèi)容的重復(fù)圖像過濾以及基于SVM的植物花卉圖像檢索等問題進(jìn)行了系統(tǒng)、深入和較為全面地研究。本論文的主要工作和貢獻(xiàn)如下： (1)基于內(nèi)容的重復(fù)圖像過濾。鑒于從互聯(lián)網(wǎng)下載的圖片存在大量的重復(fù)圖片，為了保證檢索效果，需要對圖像庫的重復(fù)圖片進(jìn)行過濾。本文提出了基于邊緣的重復(fù)圖像過濾：采用基于邊緣信息的特征

2、提取方法，把獲得的16×16分辨率下共256維的圖像邊緣信息作為特征進(jìn)行相似度計算。實(shí)驗(yàn)表明，基于邊緣的特征提取方法可以快速準(zhǔn)確地過濾出重復(fù)圖像。 (2)本文所采用的花卉圖像檢索是基于區(qū)域內(nèi)容的檢索，因此花卉圖像分割就成了整個檢索系統(tǒng)關(guān)鍵的一步。本文針對花卉圖像的顏色特性，提出了2RGB顏色模型，采用本文提出的改進(jìn)的fisher評價函數(shù)獲取自適應(yīng)閾值并進(jìn)行分割，接著對分割后的圖像采用形態(tài)學(xué)運(yùn)算去除噪聲點(diǎn)，最后用連通區(qū)域相關(guān)運(yùn)算去

3、除非花卉區(qū)域。實(shí)驗(yàn)表明，用該算法可以獲得很好的分割效果。 (3)在圖像顏色特征的提取方法方面，嘗試了一些常用的圖像底層特征提取算法，并在此基礎(chǔ)上，提出若干改進(jìn)方法。①提出了基于分塊的方法提取gabor特征；②提出了加權(quán)HSV顏色不變矩特征：③首次將局部二值模式應(yīng)用于花卉檢索領(lǐng)域，并對其進(jìn)行改進(jìn)，提出了基于邊緣的LBP算法，實(shí)驗(yàn)表明，該特征提取算法很大程度上提高了花卉檢索的效果。 (4)用SVM分類的方法實(shí)現(xiàn)了花卉圖像檢索