基于形状和纹理特征的图像检索方法研究

作     者：卢晨鸣 

作者单位：西北师范大学 

学位级别：硕士

导师姓名：齐永锋

授予年度：2018年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：图像检索 特征提取 多特征融合 支持向量机 

摘      要：随着时代的发展,互联网中的文字信息和多媒体信息的数量都在以一种前所未有的速度增长。在这样的大背景下,计算机视觉领域的其中一个重要研究领域便是基于内容的图像检索。在基于内容的图像检索中,一直围绕着两个话题进行研究和展开:1.对于图像颜色、纹理、形状等特征的提取;2.完善有效的检索策略。在此基础上本文融合Gabor颜色矩特征、尺度不变特征变换(Scale-invariant feature transform,以下简称SIFT)词袋特征这两类纹理特征的提取方法,并结合形状上下文特征作为辅助共同构建了一套基于内容的图像检索系统。特征提取方面,本文论述了各类图像色彩空间的基本情况并比较各类色彩空间的优劣,研究了Gabor小波变换在时域和频域上对图像局部化的观测理论。通过多尺度多方向Gabor滤波器相关参数的设置并应用到图像的卷积操作中获取图像的多尺度纹理特征。同时论述了SIFT特征提取的四个重要步骤,并结合K聚类(K-Means)算法将若干提取到的特征向量转换为适用于图像检索的以聚类中心为主的SIFT词带特征向量。对于提取到的纹理特征进行线性融合并归一化生成高维融合特征向量。选取Canny算子结合自适应的双阈值算法作为本文的边缘检测算子,进而提取形状上下文特征作为点集间距离与位置关系描述的形状特征提取算法。检索策略方面,对于高维融合特征,本文提出了一种以多分类支持向量机投票机制辅助特征向量间的距离度量来判断待返回图片置信度的算法。将支持向量机的作用由对图像单一的分类作用变为辅助判断返回样本的可信度,有效提升了支持向量机在分类错误情况下的检索准确率。对于形状上下文特征则通过匈牙利算法进行匹配,返回合适的检索图像。最后本文在Matlab上建立了一套基于内容的图像检索系统,在VOC-2007和CIFAR-10数据集上验证算法鲁棒性,并在Corel-1K数据集和自建图像数据集上分别进行了算法有效性的验证,都取得了较单一特征和传统度量方法更好的检索结果。