基于內(nèi)容的圖像檢索技術(shù)分析和研究.pdf

1、在傳統(tǒng)的基于內(nèi)容圖像檢索的方法中，由于圖像的領(lǐng)域較寬，圖像的低級視覺特征和高級概念之間存在較大的語義間隔，檢索的效果不很理想。文章研究了圖像增強(qiáng)技術(shù)在貝葉斯框架下基于內(nèi)容的感知編組規(guī)則的圖像檢索。經(jīng)過圖像增強(qiáng)技術(shù)處理后圖像灰暗度及其色彩明暗提高，又通過感知編組提取圖像顏色特征進(jìn)行貝葉斯分類，并根據(jù)Lxaxbx空間彩色的距離判定條件來進(jìn)行檢索。經(jīng)實驗驗證，該方法的檢索效果比通常的方法有較大提高。此外，通常直接采集原始格式的圖像檢索比較多，

2、由于數(shù)據(jù)量大，給存儲或傳輸帶來不便。文中給出了基于小波變換和二值模式的圖像檢索方法，其優(yōu)點(diǎn)在于一方面解決了數(shù)據(jù)量大、省略解壓縮環(huán)節(jié)、特征向量包含在壓縮域檢索系數(shù)中；另一方面二值模式的圖像更有利于提取圖像的紋理和形狀特征。實驗結(jié)果表明兩者結(jié)合提高了檢索效率。同時，傳統(tǒng)的K均值算法存在兩個固有的缺點(diǎn)：(1)對于隨機(jī)的初始值選取可能會導(dǎo)致不同的聚類結(jié)果，甚至存在著無解的情況；(2)該算法是基于梯度下降的算法，因此不可避免地常常陷入局部極優(yōu)。這

3、兩大缺陷大大限制了它的應(yīng)用范圍。而基于粒子群的k-means聚類算法是在傳統(tǒng)的聚類算法中引入了粒子群算法。理論分析和數(shù)據(jù)實驗結(jié)果表明，該聚類算法克服了傳統(tǒng)聚類算法存在的問題，全局尋優(yōu)能力優(yōu)于現(xiàn)有的基于遺傳算法的k-means聚類算法，且有較快的收斂速度。最后，文中給出了六種顏色空間(HSV、YUV、RGB、XYZ、HSL、YIQ)以及分塊加權(quán)HSV顏色直方圖比較的實驗結(jié)果，并且綜合圖像的顏色和紋理特征以及紋理和形狀特征進(jìn)行圖像檢索時，采