基于感興趣區(qū)域的圖像檢索.pdf

1、基于區(qū)域的圖像檢索技術(RBIR)是基于內容圖像檢索(CBIR)的一個重要研究方向。利用圖像分割技術把圖像分成多個區(qū)域，用區(qū)域特征集表示和索引圖像。在一定程度上實現(xiàn)了對象層次的檢索，減小了圖像底層特征和高層語義之間的語義鴻溝。但是這些分割出來的區(qū)域中只有一部分是用戶想要得目標區(qū)域。為了提高系統(tǒng)的檢索效率，進一步獲得語義信息，必須獲得查詢過程中用戶感興趣的區(qū)域。 本文分析和概括了圖像檢索的基本原理、關鍵技術和檢索結果的評價方法，并

2、且對基于區(qū)域檢索的三個關鍵步驟進行了研究，提出了一種利用顏色和數(shù)學形態(tài)學的分割方法。利用圖像的顏色特征把圖像分成多個區(qū)域，然后根據數(shù)學形態(tài)學對分割后的圖像的區(qū)域進行合并，去除過分割的區(qū)域，合并對象層次上的區(qū)域目標。 通過對Zernike矩性質的研究，對分割后圖像中的各個區(qū)域提取了6階6重矩，結合區(qū)域的顏色、中心、輪廓、尺寸，構成了區(qū)域的特征向量。用這些特征向量來表示區(qū)域。為了提高檢索效率，采用階梯式匹配的方法，進行基于感興趣區(qū)域

3、的圖像匹配。 相關反饋是最近圖像檢索中比較重要的研究方法，它最初發(fā)源于文本文檔檢索，這一技術試圖填補底層圖像特征和高層語義內容之間的空白。從模式分類和機器學習的角度，以支持向量機(SVM)為分類器，進行相關反饋。對每個檢索結果，讓用戶標定正確結果和錯誤結果，并用標定的結果形成正例集合和反例集合，訓練SVM分類器作為模型，并根據學習所得模型進行檢索。結果表明該方法可以有效地檢索出更多的相關圖像，并且在小樣本的情況下具有很好的推廣能