一种基于多特征融合的风景图像检索方法-开题报告.docVIP

开　题　报　告 题　　目： 一种基于多特征融合的风景图像检索方法 一、选题的背景、意义（所选课题的历史背景、国内外研究现状和发展趋势） 1.1背景： 在当今的信息化时代，随着现代电子技术、计算机技术、网络通信技术和多媒体技术的迅猛发展，大量的数字媒介被用来记录信息，数字图像是其中一种用以记录真实世界景象的重要方式。，各种内容的大规模数字图像库不断出现。 人们普遍认为颜色并不是刻划一个物体的关键特征，因而在传统的注重几何特征的计算机视觉研究中，颜色未能得到充分的重视。然而相对于各种几何特征，颜色具有大小、方向、位置不变性，同时它也是描述图像最有效的特征之一。如果客户只希望从库存中查到所有红色衣服的样本图像，则使用其它检索方式很难达到要求。QBIC系统将基于颜色的检索作为缺省的检索方式。 基于颜色检索主要采用颜色直方图的方法。颜色直方图代表3个颜色频道强度的联合概率，描述全局的颜色分布，对旋转以及位置变化不敏感。1990年，Swain和Ballard提出了直方图交的算法，从而为颜色检索奠定了基础。图像相似度采用如下公式计算： 颜色直方图能够反映图像的平均颜色信息·，但不考虑空间位置信息。例如，在一幅全家福合影中，你站在父母的左边、右边，还是中间，并不会影响整幅图像的颜色分布，得到的颜色直方图也是类似的。采用纯粹的基于颜色直方图的检索，并不能很好地区分这些在人眼看来非常不同的图像。同时，要把每幅图像的颜色直方图信息存储下来，需要较大的空间。为解决这个问题，Mehtre提出了一种参考颜色表的方法。该方法是一种有损压缩，并不能从压缩直方图中恢复图像固有的信息。 为解决颜色直方图不能描述空域信息的缺陷，需要引入空域信息。对于全局空域信息的引入，先用Canny算子得到边界图，然后对边缘点建立方向直方图。归一化后的方向直方图可在一定程度上做到尺度不变和旋转不变。如果图像位置简单，还可做到与目标位置无关。对于局部空域信息，将图像固定分为5个区域，对每个区域求其颜色直方图的前三阶矩。该法只对图像的微小旋转有不变性，不适应图像大的变化。也可采用类似纹理分析中灰度共生矩阵方法，该法对视点变换、背景变化及焦距远近均不敏感。 其它基于颜色的方法还有许多，如颜色相关向量法、颜色相关图法、颜色集方法、颜色聚类法等等。颜色相关向量法(CCV方法)是Greg Pass提出的，将各颜色区段像素点总数分 为相关和不相关两类，包含一定的空间信息。颜色相关图法是Jing Huang提出的由颜色对组成的表，表的第k个人口即颜色i在距离为k的范围内找到颜色j的像素点的概率。该方法对 图像旋转、位置变换敏感。颜色集法由John R．Smith和shihFu Chang提出，它将图像的RGB空间转换为HSV一维空间，因为HSV空间比较符合人类的视觉感知特征。通过阈值过滤， 大于阈值的为l，小于阈值的为O。该法可以保留图像的显著信息，便于索引的构造。W．Y．Ma提出的颜色聚类法(GLA)将库中图像颜色聚类，在预定误差范围内，将三维颜色空间量化为最小数目的一维，使用颜色所占比例反映分割区域颜色分布。 人类肉眼一般对主色调比较敏感，因此有人提出了基于主色调的检索方法。通过系统提供的调色板选择颜色值，指定某种主色调进行检索。然而，人类肉眼的分辨率毕竟有限，在一定范围内的颜色变化往往区分不出来。并且颜色在按色彩量化时会产生量化误差，从而使得原本非常相似的颜色被量化到了不同的范围之内，导致图像匹配时漏选。采用正态分布拟和法来获取指定颜色的扩展值，对主色调进行扩展，可弥补由于用户选择的随机性和量化等引起的误差。 3.1.2基于纹理的检索 所谓纹理，是指图像像素灰度集或颜色的某种规律性变化。纹理特征主要包括粗糙度、方向性、对比度以及规则性。基于纹理的检索适用于检索诸如水波、布匹、建材等类型的图像，通常采用统计方法、结构方法以及频谱分析方法进行。统计方法主要用于分析像木纹、沙地、草坪等细致而不规则的物体，根据图像像素间灰度的统计性质对纹理规定出特征以及特征与参数间的关系。结构方法适于像布料或砖瓦等一类元素组成的纹理以及排列比较规则的东西，根据纹理基元及其排列规则来描述纹理特征。 统计方法通常在频率域和空间域上进行。在频率域上，主要采用傅立叶变换和小波分析。傅立叶变换在能量谱上反映图像粗糙度和方向性；小波分析中采用Gabor滤波能够表现出最 好的特征。在空间域主要采用Haraliek和Shanmugam 提出的共生矩阵法，共生矩阵的每个元素表示从灰度i像素点开始离开某固定位置t的像素点灰度为j的概率。该法的缺点在于矩 阵很大且含有大量的冗余信息。Tamura是纹理分析的另一主要方法，它定义了粗糙度、方向、归整等6种特征，每种特征相互独立且可视。其优点在于几乎没有冗余信息，算法的效率比