摘 要

隨著互聯(lián)網(wǎng)和多媒體技術(shù)的發(fā)展，如何在海量的圖像信息中進行快速準確的檢索成為研究熱點，其中基于內(nèi)容的圖像檢索技術(shù)由于具有高效和可靠的特性，因此受到了人們的普遍關(guān)注并迅速的發(fā)展。為了解決單一特征不能很好地表達一幅圖像所賦予的豐富信息的問題，基于多特征的圖像檢索成為基于內(nèi)容的圖像檢索領(lǐng)域的重要研究內(nèi)容。
本文對基于多特征的圖像檢索技術(shù)中的多特征融合技術(shù)關(guān)鍵問題進行了研究，主要的研究內(nèi)容包括：
1、在研究多特征融合方法的基礎(chǔ)上，提出了一種綜合BTC顏色矩和灰度共生矩陣的圖像檢索算法。首先提出了一種基于BTC顏色矩的顏色特征提取算法，該算法借鑒BTC的思想，對傳統(tǒng)的顏色矩進行改進，將圖像分為若干子塊，每個子塊按照閾值分割為兩類像素，然后計算顏色均值并做為顏色特征，驗證了該方法的可行性。為了解決單一特征檢索的不足，利用BTC顏色矩表達圖像的顏色特征，利用灰度共生矩陣提取圖像的紋理特征，綜合利用顏色特征和紋理特征進行圖像檢索。實驗結(jié)果表明：融合后的算法比單獨的BTC顏色矩和灰度共生矩陣算法有更好的檢索效果。
2、針對圖像檢索中多特征融合問題，提出了一種基于梯度基元聚合矢量的圖像檢索算法。在改進的HSV顏色空間計算邊緣梯度，通過定義的基元模板掃描梯度圖像，生成梯度基元圖像，將基元和非基元像素分別組合成聚合和非聚合像素集合，對兩個集合利用顏色自相關(guān)圖算法提取圖像檢索的特征矢量。實驗結(jié)果表明，該算法能夠融合顏色、形狀、紋理和空間信息，可以有效地提高基于內(nèi)容的圖像檢索的查準率和查全率。
關(guān)鍵字　圖像檢索；BTC顏色矩；梯度基元；顏色自相關(guān)

Abstract
With the rapid development of internet and multimedia technology, rapid and accurate retrieva l in the massive image has become the research focus. With its efficiency and reliable characteristics, content-based image retrieva l is widespread concerned and grow fast, However, as image information is very rich, single feature is not sufficient to express an image. Therefore, image retrieva l based on multi-features becomes the important research in content-base image retrieva l.
Based on the related research at home and abroad, this article discussed several key problems in the image retrieva l based on multi-feature. The main research work includes:
1.On the basis of multi-features fusion method, a new image retrieva l method that integrates BTC color moment and GLCM is proposed. First, we proposed a color feature extraction algorithm based on BTC color moment. On the basis of BTC, we improve the traditional color moment. In our method, each image is divided into several image blocks. Then the pixels of each block are divided into two sets according the threshold. Last, compute the color average in two sets. In order to overcome the shortcoming of single feature retrieva l, we integrate color feature and texture feature in the process of image retrieva l, the color feature is demonstrated by BTC color moment and the texture feature is extracted by GLCM. The results of experiments show that the retrieva l results obtained from combined features are better than retrieva l obtained from single feature.
2.A new image retrieva l algorithm based on gradient texton coherence vector is proposed for fusion of multi-features. The algorithm compute the edge gradient in the Modified HSV color space first, and then gain gradient texton map by scanning the gradient image using the special texton types. Next, the texton pixels are combined into the coherence set, the other pixels are the non-coherence set. At last, the feature vector of the image retrieva l is represented by color auto-correlogram in two sets. Experimental results show that the proposed algorithm can combine color, texture, shape and spatial characteristic effectively, and have valid precision and recall.
Keywords Image retrieva l; BTC color moment; Gradient texton ; color auto-correlogram


目 錄
摘 要 I
Abstract III
第1章 緒論 1
1.1 論文研究的目的和意義 1
1.2 國內(nèi)外的研究成果 2
1.2.1 國外典型的CBIR系統(tǒng) 3
1.2.2 國內(nèi)研究現(xiàn)狀 3
1.3 基于多特征的圖像檢索研究進展與成果 4
1.4論文的主要內(nèi)容和組織結(jié)構(gòu) 5
1.4.1 論文的主要內(nèi)容及創(chuàng)新點 5
1.4.2 論文的組織結(jié)構(gòu) 6
第2章 基于內(nèi)容的圖像檢索的相關(guān)技術(shù) 7
2.1圖像檢索系統(tǒng)框架 7
2.2 圖像特征提取及其描述 8
2.2.1 顏色特征 8
2.2.2 紋理特征 10
2.2.3 形狀特征 12
2.3 圖像特征的相似性度量 14
2.4 檢索性能評價 15
2.5 基于多特征的圖像檢索分類 16
2.5.1多特征融合體系 16
2.5.2加權(quán)融合 17
2.5.3深層融合 18
2.5.4基于顏色-強度共生矩陣圖像檢索 20
2.6本章小結(jié) 22
第3章 基于多特征的圖像檢索技術(shù) 23
3.1 引言 23
3.2 基于BTC顏色矩的圖像檢索技術(shù) 24
3.2.1 方塊編碼算法（BTC） 24
3.2.2 BTC顏色矩 24
3.2.3 實驗結(jié)果 25
3.3 基于灰度共生矩陣的紋理特征圖像檢索技術(shù) 27
3.3.1 灰度共生矩陣 27
3.3.2 實驗結(jié)果 28
3.4 基于多特征融合的圖像檢索技術(shù) 30
3.4.1特征內(nèi)歸一化 30
3.4.2特征矢量間歸一化 31
3.4.3綜合顏色和紋理特征的圖像檢索 32
3.4.4相似性函數(shù) 32
3.4.5實驗結(jié)果分析 33
3.5本章小結(jié) 35
第4章 基于梯度基元聚合矢量的圖像檢索技術(shù) 37
4.1 引言 37
4.2 基于梯度基元聚合矢量的算法流程 38
4.3 圖像預(yù)處理 39
4.4特征矢量的構(gòu)造 40
4.4.1顏色量化及顏色索引圖 40
4.4.2 MHSV顏色空間的邊..