论文总字数：20589字

摘 要

伴随互联网的发展，大众对于图像处理的需求不断增多，而传统基于文本的图像检索又存在过度依赖人工且准确性较差的缺点，因此基于内容的图像检索（Content-based Image Retrieval，CBIR）得到越来越广泛的运用。

本文采用基于颜色和形状的特征作为图像检索的内容，通过计算目标图像与Corel图像库中图像特征的欧氏距离，得到距离最短也就是与待检索图像最为相似的9张图库图片作为检索结果。其中颜色特征为在HSV颜色空间模型下计算得到的颜色直方图，形状特征是用Hu不变矩算法得到的七个不变矩。

本文在MATLAB 2015b环境下对标准图像库Corel库中巴士图片进行检索，结果表明本检索方法有较好的检索效果和较快的运行速度。

关键词：CBIR 颜色直方图 Hu不变矩 图像检索

Research on Image Retrieval Technology 

Abstract

With the development of the Internet, the public has an increasing demand of image processing technology. While the traditional text-based image retrieval relies excessively on manual work and has a low accuracy. Therefore, the content-based image retrieval (CBIR) is being used more and more widely.

In this thesis, features based on color and shape were used as the contents of image retrieval. Euclidean distance between the features of the target image and the Corel image database was measured, and the closer the distance, the more similar the two pictures. Color histogram under the HSV mode was used to describe the color feature and the Hu’s invariant moments were used to describe the shape feature.

The picture of buses in the Corel image database was the main retrieval target in this thesis. The retrieval results showed that this algorithm had good performance and fast speed under the environment of MATLAB 2015b.

Key Words: CBIR; Color histogram; Hu's Invariant Moments; Image Retrieval

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1 课题背景及意义 1

1.2 CBIR的国内外研究现状 1

1.3 本文的主要工作和安排 2

第二章 CBIR系统概述 3

2.1 CBIR系统的基本构成 3

2.2 CBIR系统的相关概念 3

2.2.1 图像类型 3

2.2.2 图像特征 4

2.2.3 相似性度量 5

2.2.4 性能评价 5

2.3 本章小结 5

第三章 基于颜色特征与形状特征的图像检索 7

3.1 颜色特征 7

3.1.1 颜色空间确定 7

3.1.2 颜色空间的量化 9

3.1.3 颜色直方图 9

3.2 形状特征 10

3.2.1 灰度化与二值化 10

3.2.2 边缘提取 11

3.2.3 Hu不变矩 12

3.3 特征匹配 13

3.4 本章小结 14

第四章 图像检索的实现 15

4.1 总体结构与流程 15

4.2 开发环境的选择 15

4.3 颜色特征的提取 17

4.3.1 流程图 17

4.3.2 程序实现 17

4.4形状特征的提取 19

4.4.1 基于Canny的边缘提取 19

4.4.2 Hu不变矩的计算 20

4.5 特征库的构建 21

4.6 特征匹配的实现 24

4.7 本章小结 24

第五章 结果与分析 25

5.1 测试过程与结果 25

5.2 系统性能分析 26

5.2.1 查准率和查全率 26

5.2.2 运行效率 27

5.3 本章小结 28

第六章 总结与展望 29

6.1 总结 29

6.2 展望 29

参考文献 31

致谢 33

第一章 绪论

1.1 课题背景及意义

在如今计算机信息极速发展的时代，大众对于特定信息检索的需求与日俱增。因此在汪洋信息大海中快速有效地检索到关键信息是信息检索的重要议题，而在这其中很主要的一部分就是图像信息检索。目前，卫星监测系统、科学试验和生物医学等领域中图像数据的数量增长迅速，早在1995年美国国家航空航天局NASA（National Aeronautics and Space Administration）的地球观测系统每天就已经产生约1T 的图像数据^[1]，而要在这茫茫图像中快速寻找到所需的图像资源，目前常用的基于文本的检索方式弊端频现。而且图像数据包含了复杂的视觉、时间、空间特性甚至主观特性，单纯的文本信息难以完全清楚地描述出一幅图像的内容，因此基于内容的图像检索(Content-based Image Retrieval，CBIR)技术应运而生。CBIR最初是解决报刊媒体大量图片难以检索的问题而出现的，与此同时，也带来了巨大的商机。根据Hitwise数据调查，每年图片数量增长率为90%，每月有超36万用户通过Google，Yahoo，Ask，MSN和AOL大型搜索引擎进行图片搜索^[2]。

CBIR实现的方法是选取图像的物理特征表示图像，以此作为相似性比较的依据，常用的特征有颜色、纹理、形状及空间关系等。然后建立图像特征库，将目标图像和图像库图像的特征按相似性大小排序，以实现相似图像的检索^[3]。

1.2 CBIR的国内外研究现状

作为信息检索的一个重要方向，CBIR自上世纪末起，逐渐成为计算机视觉应用领域的热门研究方向^[4]。鉴于其重要的实用价值，国内外研究机构进行了颇多研究，也取得了不少优秀成果。

由于信息技术高速发展的需求，我国从1990年后也顺应时代潮流开始了图像检索的研究。在医学和地质等许多重要领域都取得了出色的成果^[5]。较为成功的有中国科学院研发的“基于特征的多媒体信息检索系统MIRES”，MIRES主要使用的是基于颜色和形状等特征的图像检索方法^[6]。

请支付后下载全文，论文总字数：20589字