1 简介 随着多媒体、网络以及数字成像技术的迅速发展,图像资源越来越丰富,使得如何高效、快速地检索到所需要的图像是目前一个相当重要又富有挑战性的研究课题。基于内容的图像
1 简介
随着多媒体、网络以及数字成像技术的迅速发展,图像资源越来越丰富,使得如何高效、快速地检索到所需要的图像是目前一个相当重要又富有挑战性的研究课题。基于内容的图像检索技术研究正是为了解决如何有效地从图像数据库中检索出相关图像的问题,近年来,此项技术的研究成为国内外研究的热点。 本文主要围绕图像特征提取和相关反馈技术在图像检索中的应用展开,首先介绍了图像检索技术的发展概况、关键技术和研究现状,在系统讨论颜色和形状特征提取的过程中,提出了基于颜色相关熵作为图像特征,其次,为了使检索的结果与人的视觉感知相符,将相关反馈技术应用到图像检索中。 本文的主要工作和创新如下: (1)深入分析和研究了基于内容图像检索领域的一些关键技术,其内容包括颜色空间、图像主要低层特征(颜色、形状和纹理)的描述方法、图像特征间的相似性度量准则以及图像检索算法的性能评价方法等。 (2)在图像特征提取中,首先对HSV颜色模型进行了量化处理,根据颜色的量化结果,设计出反映颜色变化的状态转移概率矩阵,并结合信息熵的知识,提出采用颜色相关熵作为图像的颜色特征,采用兴趣点的空间分布熵来描述图像的形状特征。实验结果表明,综合利用这两种特征,在图像检索过程中取得了良好的效果。 (3)为了减少图像低层特征与图像语义的“鸿沟”,将基于支持向量机技术的图像检索的相关反馈模型应用到图像检索系统中，实验结果显示,针对本文所提取的图像特征,采用径向基函数作为支持向量机核函数,可明显提高检索的性能。
2 部分代码
function waveletMoments = waveletTransform(image)% input: image to process and extract wavelet coefficients from
% output: 1x20 feature vector containing the first 2 moments of wavelet
% coefficients
imgGray = double(rgb2gray(image))/255;
imgGray = imresize(imgGray, [256 256]);
coeff_1 = dwt2(imgGray', 'coif1');
coeff_2 = dwt2(coeff_1, 'coif1');
coeff_3 = dwt2(coeff_2, 'coif1');
coeff_4 = dwt2(coeff_3, 'coif1');
% construct the feaute vector
meanCoeff = mean(coeff_4);
stdCoeff = std(coeff_4);
waveletMoments = [meanCoeff stdCoeff];
end
3 仿真结果
编辑
4 参考文献
[1]郭启强. 基于颜色和形状特征的图像检索技术研究[D]. 河南理工大学.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
编辑