基于内容的图像检索与分类若干技术的研究

【摘要】： 随着科学技术的进步和多媒体技术的发展,以及互联网络的迅速普及,图像数据呈现出爆炸性的增长趋势。如何迅速而准确地从浩瀚的图像数据库中检索到所需的图像成了多年来多媒体领域的研究热点。为了能够快速而准确地找到想要的图像,利用图像内容,如颜色、形状、纹理等特征来检索图像的技术应运而生。这项技术被称为基于内容的图像检索(Content-based Image Retrieval)技术。由于其具有重要的研究意义和巨大的实用价值而得到研究人员们的重视。虽然基于内容的图像检索技术己经有了大量的研究和实际的应用,但是其中许多技术还不成熟,还需要进一步的研究和改进。本文针对其中的一些关键技术和理论方法,作了如下几个方面的工作: 1)研究介绍了三种图像检索类型,它们分别是:基于内容的图像检索、基于语义的图像检索以及基于反馈机制的图像检索,着重研究了基于内容图像检索的关键技术。 2)提出了提取目标区域主色调,并将主色调与颜色量化相结合的图像检索方法,对于目标区域的选择,我们要求用户在给出检索示例图像的同时,用矩形框指出感兴趣的区域。实验证明,该算法能够得到比较令人满意的检索结果。 3)简要概述了图像分类技术,提出了基于图像分割的图像分类算法。该算法基于HSV空间,首先用基于阈值方法对图像进行分割,得到目标区域,依据规则选取前景区域,提取前景区域的颜色特征向量,输入支持向量机,完成图像分类。实验表明,算法的设计和支持向量机参数的选择是比较合理的,能够得到比较令人满意的分类结果。还介绍了深度网、文本分类以及主题爬行的相关内容,对深度网主题爬行方法提出了改进。