基于目標區(qū)域的色彩聚類與空間關(guān)系的CBIR算法研究.pdf

1、隨著多媒體技術(shù)的不斷發(fā)展，涌現(xiàn)出了大量的圖像信息，如何有效地建立、管理和充分利用這些資源，一直是國內(nèi)外科研工作者關(guān)注的問題。傳統(tǒng)的基于文本的圖像檢索方法(text-based image retrieval，TBIR)已經(jīng)不能滿足要求，只能求助于通過基于內(nèi)容的圖像檢索(content-based image retrieval，CBIR)方法來實現(xiàn)對信息的有效地獲取和利用。為此，人們提出了各種各樣的CBIR算法，本文在前人研究的基礎(chǔ)上提

2、出了一種基于目標區(qū)域的色彩聚類與空間關(guān)系的CBIR新算法，實驗表明本算法行之有效。 本文所做的工作主要有如下幾個方面： 1．簡要介紹CBIR技術(shù)產(chǎn)生的歷史背景和概念模型，重點討論本文要用到的關(guān)鍵技術(shù)。 2．在對現(xiàn)有提取目標區(qū)域的算法進行改進的基礎(chǔ)上，提取了圖像的目標區(qū)域OR(Object Regions)。在圖像的亮度分量上利用Canny算子提取圖像的邊緣信息并對其進行邊緣連接，從其二值邊緣圖像的連通集合中選取一

3、個最小外接矩形面積最大的連通集所對應(yīng)的最小外接矩形作為圖像的目標區(qū)域OR(Object Regions)。 3.初始聚類中心的確定是本文的又一個研究重點，本文通過引進單向鏈表和串這兩種數(shù)據(jù)結(jié)構(gòu)提出了利用圖像分塊與八連通技術(shù)確定初始聚類中心點的算法(DBEC算法)。實驗表明DBEC算法可以把初始聚類點的位置限制在一個相對比較小的分塊區(qū)域內(nèi)，從而盡可能的接近最佳初始聚類位置。 4．本文通過選取由3個最終聚類點構(gòu)成的三角形來表