文档详情

基于纹理谱特征的图像检索技术研究-计算机应用技术专业论文.docx

发布:2019-03-28约6.26万字共83页下载文档
文本预览下载声明
万方数据 万方数据 中图分类号:TP391.3 密 级:公开 UDC: 单位代码:10460 基于纹理谱特征的图像检索技术研究 Research on Image Retrieval Technology Based on Texture Spectrum Feature 申请人姓名 毋小省 申 请 学 位 工学硕士 学 科 专 业 计算机 应用技术 研 究 方 向 计算机 图形学与图像处理 导 师 孙君顶 职 称 副教授 提 交 日 期 2010.10 答辩日 期 2010.12 万方数据 万方数据 河 南 理 工 大 学 学 位 论 文 原 创 性 声 明 本人郑重声明:所呈交的学位论文,是我个人在导师指导下进行的研究工作 及取得的研究成果。论文中除了特别加以标注和致谢的地方外,不包含任何其他 个人或集体已经公开发表或撰写过的研究成果。其他同志对本研究的启发和所做 的贡献均已在论文中作了明确的声明并表示了谢意。 本人愿意承担因本学位论文引发的一切相关责任。 学 位 论 文 作 者 签 名 : 年 月 日 河 南 理 工 大 学 学 位 论 文 使 用 授 权 声 明 本学位论文作者及导师完全了解河南理工大学有关保留、使用学位论文的规 定,即:学校有权保留和向有关部门、机构或单位送交论文的复印件和电子版, 允许论文被查阅和借阅,允许将本学位论文的全部或部分内容编入有关数据库进 行检索和传播,允许采用任何方式公布论文内容,并可以采用影印、缩印、扫描 或其他手段保存、汇编、出版本学位论文。 保密的学位论文在 解密后适用本授权 。 学位论文作者签名 : 导师签名: 年 月 日 年 月 日 万方数据 万方数据 致 谢 回首近三年的工作、学习和生活,经历过成功与失败,体验过痛苦与欢笑, 在此文即将完成之际,我要向所有真心关怀、鼓励、支持、帮助我的人表示我最 诚挚的谢意。 首先感谢我的导师孙君顶教授。他身上所具有的锲而不舍的科学探索精神、 兢兢业业的工作作风、严谨治学的科学态度深深影响了我。在两年多的硕士研究 生活中,从研究方向的选择,论文的写作与发表,到最后撰写学位论文,我的一 点一滴进步都离不开他的关心和帮助。 感谢计算机学院的各位同事对我工作、学习和生活上的帮助和支持。感谢实 验室与课题组的同学,与她们在一起工作的时光令我难忘。 感谢我的亲人、朋友一直对我的关注与照顾。祝他们永远顺利、健康、开心, 并将此文献给他们。 摘要 摘要 Ab Abstract 万方数据 万方数据 万方数据 万方数据 摘 要 在基于内容的图像检索技术中,颜色、纹理及形状是应用最广泛的图像特征, 本文主要围绕图像纹理特征提取方法展开研究,具体地说,就是研究如何有效地 利用纹理谱来描述图像纹理特征并用于图像检索。论文在对传统纹理谱描述符深 入分析的基础上,取得了以下主要研究成果: (1) 分析和研究了基于内容图像检索领域的一些关键技术,其中包括图像检索 技术发展概况、图像检索技术研究内容、图像检索中常用图像特征、图像检索算 法性能评价标准等内容,尤其对纹理谱描述符的发展现状进行了详细的论述。 (2) 提出了一种改进的纹理谱描述符。新纹理谱描述符通过局部邻域像素灰 度及邻域灰度均值间的关系进行定义,该方法包含了局部邻域高频及低频信息, 从而有效克服了传统纹理谱描述符所存在的问题,又降低了其特征维数;同时, 结合旋转不变纹理谱描述符,文中又对新描述符进行了改进。 (3) 提出了方向纹理谱描述符。针对传统区域纹理谱描述符存在的问题,方 向纹理谱描述符充分考虑了局部邻域中心像素与其它像素间的灰度变化关系,在 此基础上,又提出了改进的方向纹理谱描述符及增强区域纹理谱描述符;同时, 结合旋转不变纹理谱描述符,文中又对新描述符进行了改进。 (4) 提出了有效的纹理谱空间特征提取方法。针对传统纹理谱描述符忽略图 像空间特征的问题,提出采用基于灰度共生矩阵的方法来提取图像的空间特征, 并结合纹理谱描述符与空间特征进行检索,实验结果表明,采用该方法可明显改 善算法的性检索能。 关键字:基于内容的图像检索;纹理谱;局部二值模式;方向局部二值模式; 空间特征 I Abstract Color, shape and texuture features are widly used in content-based image retrieval (CBIR). In this dissertation,the exploratory research work has been done around the texture feature extraction based on texture spectrum. The main contributions of this
显示全部
相似文档