基于區(qū)域形狀特征的圖像檢索方法及應用研究.pdf

1、隨著多媒體和計算機技術的迅速發(fā)展，傳統(tǒng)的基于文本的圖像檢索方法無法描述圖像視覺特征、主觀性大并且耗時耗力，基于內容的圖像檢索(Content-Based ImageRetrieval，CBIR)成為了目前圖像檢索領域的研究熱點。CBIR融合了圖像處理、圖像識別和圖像數(shù)據(jù)庫等領域的技術成果，直接根據(jù)圖像內容的各種視覺特征進行圖像檢索，目前的研究主要集中于提取圖像的底層視覺特征(顏色、紋理、形狀、空間關系等)及相似度匹配上。
　　本文

2、首先探討了幾種較常用的區(qū)域形狀的描述方法：幾何不變矩、Zernike矩、Legendre矩、通用傅立葉描述子以及基于分塊信息熵矩陣奇異值特征描述子，通過實驗對比這幾種方法的檢索性能，得到的結論是通用傅立葉描述子和Zernike矩對形狀有更好的描述，但是基于單一圖像特征的檢索并不滿足所有檢索需求，因此有必要對綜合多個特征的檢索進行研究。
　　綜合多特征圖像檢索的一個重點和難點是如何分配多個特征的權重，因此本文提出了一種基于粒子群優(yōu)化

3、的多特征融合的圖像檢索方法。該方法利用粒子群優(yōu)化算法的群體搜索技術，使種群中每個粒子代表一組權重分配的可行解，以PVR指數(shù)作為適應度函數(shù)，每個粒子通過和其他粒子進行信息交互，調整自己的進化方向，迭代后得到最優(yōu)化的特征權重分配方案并進行多特征距離融合，最后將特征匹配后得到的檢索結果輸出。在1000幅二值商標圖像測試集中實驗，結果證明新方法能有機的將多個區(qū)域形狀特征進行融合，提高了圖像檢索系統(tǒng)的自適應性和檢索精度，并且適用于商標圖像的檢索。