《学号-姓名(指导教师)-毕业设计(论文)中期检查报告.docx》由会员分享，可在线阅读，更多相关《学号-姓名(指导教师)-毕业设计(论文)中期检查报告.docx（7页珍藏版）》请在三一文库上搜索。
1、.计算机科学与技术学院毕业设计（论文）中期报告题 目：基于纹理的图像检索姓 名：窦强学 号：1004010427班 级：10-4专 业：计算机科学与技术学院指导教师：杨沿航2013 年 12月3 日说 明中期报告应包括以下内容：一、 课题主要任务说明。二、 前期工作简述。三、 已解决的问题及解决办法。四、 尚存在的问题及解决方案。五、 后期工作安排。要求：一、 正文为小四号字，宋体。二、 单倍行距。三、 字数不少于3000字。四、 用A4纸正反面打印。1、 课题主要任务随着计算机技术和网络技术的发展，以及多媒体的推广应用，产生了大量的各式各样的图像。如何有效地对这些图像进行分析、存储和检索是一
2、个急待解决的问题。基于内容的图像检索技术能有效地解决这一问题，成为研究的重点。图像检索的研究目的就是实现自动化、智能化的图像查询和管理方式，使查询者可以实现方便、快速、准确地查找。纹理是图像的一个主要视觉特征，也是基于内容图像检索系统中的一个重要手段。本文对基于纹理特征的图像检索技术进行了研究，并通过实验验证了检索算法的有效性、前期工作简述基于内容的图像检索遵循概率排队的规则，根据用户的查询需要，对查询样本和库中图像分别计算相关特征，并比较特征的相似性，最后按相似性值由大到小排列库中图像，完成一个查询过程。这一新的研究方向涉及图像处理(Image Processing)，图像识别(Image
3、Recognition)和图像数据库(Image Database)技术，把这3个领域的研究成果进行有效的结合是该技术取得成功的基础。基于内容的图像检索技术由于能够根据图像的可视内容产生查询，从而方便了用户，检索时针对不同的具体应用，使用一种特征或组合几个特征进行检索。1)查询模块对用户提供多样的查询手段，以支持用户根据不同应用进行各种类型的查询工作。(2)描述模块系统将用户的查询要求转化为对图像内。容比较抽象的内部表达描述，即以一定的计算机可以方便表达的数据结构描述给定图像的内容。这是基于内容的图像检索系统的关键模块，如何描述图像，直接关系到检索系统的性能。(3)匹配模块将查询描述与图像库中
4、被查询图像进行内容匹配和比较，以确定它们在内容上一致性和相似性。这个匹配结果将传给提取模块。匹配模块所使用的方法与描述方法密切相关。(4)提取模块根据匹配的结果，在内容匹配的基础上将所有满足给定条件的图像自动地从图像库中提取出来。(5)验证模块提取的图像是否满足用户要求还需验证。如果验证效果不满意，新一轮的查询可以通过修改查询条件而重新开始. 检索查询方式在不同的应用环境中，用户可能会进行不同类型的查询工作。因此，由用户的不同需求产生了多种查询方式，下面分别介绍。 外部图例查询外部图例查询(Query by External Pictorial)中的示例图像来源于检索系统的外部，也就是说给定的
5、图像不是数据库中存储的图像。用户可以数字化一张照片，也可以在Internet或别的什么地方找到一幅质量比较好的图片作为示例，要求系统在数据库中搜索相似的图像。外部图例查询的优点是易用性好，缺点是需要付出一定的努力向系统提供外部示例图像。内部图例查询(Query by Internal Pictorial Example)中的示例图片是从检索系统的数据库中选出的。当没有可用的外部示例图片时，用户可以从可用的图像集合中选择查询图片。系统在其它方面的功能与外部示例图片基本一致。内部图例查询的优点是用户不再为获得一个外部示例图片而烦恼，缺点是仍然需要用户付出努力在数据库中找到一幅合适的示例图片。草图查
6、询(Query by Sketch)是图例查询的一种形式，其中的示例图像由用户创建，用户为他希望得到的图像勾画一张草图。用户在查询画布上组织或编辑一些预定义的图片元素以创建一幅示例图像。因此，检索系统必须为用户提供一些图像部件和画图工具。与自然图像相比，人工创作的草图具有更高的抽象性，用户只需勾画出他所寻找的图片的重要部分，在这方面草图查询要比其它使用已有图片的图例查询更具优势。草图查询的缺点是它要求用户或多或少要有一些艺术才能，因此，草图查询在大多数的场合下仅用来指出图像中对象的位置或一些对象的全局属性。可见，草图查询的优点是用户可以根据需要指出最重要、最感兴趣的图像细节，缺点是草图的创建比
7、较困难，而且很难建立草图与图像之间的映射关系。对基于内容的图像检索进行了一个简要的概述。分析了基于内容的图像检索系统的基本原理，介绍了基于内容的图像检索系统的通用框架、关键技术、检索查询方式和检索特点,最后介绍了图像的相似性度量三、已解决的问题及解决办基于内容的图像检索系统的关键技术为：图像的特征提取和图像数据索引结构的构造。下面分别介绍这两个关键技术。特征抽取是基于内容的图像检索的基础，目前比较成熟的特征是颜色、纹理、形状和物体间方位关系。这些特征具有计算简单，性能稳定的特点，但这些特征都有一定的局限性。颜色是一种重要的视觉信息属性，在图像查询与检索中是种很有用的特征。相对于其它特征，颜色特
8、征非常稳定，对于旋转、平移、尺度变化，甚至各种变形都不敏感，表现出相当强的鲁棒性，而且颜色特征计算简单，因此成为现有检索系统中应用最广泛的特征。颜色检索的基本思想是将图像间的相似度归结为颜色直方图之问的距离。这方面奠基性的工作是Swain和Ballad提出的直方图求交算法，它计算两幅图像三维颜色直方图的每一个颜色单位，并进行细致的比较。Mehtre等人提出距离算法和参考颜色表方法，实验表明，每幅图像只需保留很少几种主要颜色就能得到很好的结果。为了得到与人的感觉类似的相似性度量，一些研究者还提出采用其它的颜色空间模型和距离测度。Zhang等人采用了符合人眼感觉的HSV(HueSaturation
9、 Value)模型，Baraldi等人在进行直方图匹配时引入了二次型距离。另外，在提高检索对于光照的稳定性及空间分布信息的引入等方面，也出现了很多算法。2 纹理纹理是与物体表面材质有关的图像特征，目前也是基于内容的图像检索系统中的一个重要手段。纹理分析一直是计算机视觉中的一个重要研究方向，其方法主要分为两类：结构方法和统计方法。结构方法假定图像由较小的纹理基元排列而成，它采用句法分析方法，只适用于规则的结构纹理。统计方法又可进一步分为传统的统计方法、基于模型的方法，以及基于频谱分析的方法。传统的统计分析方法始于20世纪70年代早期，Haralick等人提出了基于二阶灰度统计特征的共生矩阵方法。
10、之后，Tamura以人的主观心理度量为标准，提出了6个基本的纹理特征，这些特征与人的感受较一致，在许多图像检索系统中得到应用。20世纪80年代，基于随机场模型的技术被用于纹理分析中。Kashyap等人提出用CSAR模型提取旋转不变的纹理特征。麻省理工大学的Photobook中采用了随机场的二维分解技术，得到周期性、方向性和随机性三种特征，用于纹理图像检索。多尺度的思想促进了基于频谱分析方法的发展，特别是基于Gabor滤波器的技术在纹理分析中被广泛采用，Gabor滤波器可以通过调整获得图像不同方向和尺度的纹理信息。Lee等人把它用于图像检索，并把它与小波变换方法作了比较。3 形状形状基于图像内物
11、体形状的检索是基于内容检索当中一个最具挑战性的问题之一，因为寻找符合人眼感知特性的形状特征不是一件简单的工作。首要的困难是要将不同物体从图像中分割出来，这是计算机视觉中的一个困难问题。形状的描述也是困难的问题，常用的方法有傅立叶描述子、矩不变量、各种简单的形状因子(如面积、圆度、偏心度、主轴方向)等。除了这些全局特征以外，有时也用一些局部特征(如直线段、圆弧、角点、高曲率点等)，来解决遮挡问题。除这些常规方法外，人们还提出了许多基于不变性和变换的方法。由于基于简单特征的方法无法对形状作细致的匹配，也不能解决广泛存在的变形问题。因此实际系统中常常只用它们来作初步的过滤，最终的匹配结果由一些更复杂
12、的方法给出，如变性模板、弹性匹配等。4 区域与目标由于颜色、纹理的检索仅适合部分图像检索的情况，且检索的正确率不高，而且在很多情况下，人们感兴趣的并不是整幅图像，而是图像中的某些区域或目标。因此，近几年来人们提出了基于区域或目标的图像表示和检索方法，在这类方法中通常需要完成图像分割，然后再利用感兴趣部分的图像信息进行检索。高维索引为了使基于内容的图像检索能真正地适合于大规模的图像集合，需要研究有效的多维索引技术，这里有如下两个难题需要解决。(1)高维度特征向量的维度通常具有10的数量级。(2)非欧拉相似性度量计算由于欧拉度量可能不适合对某些视觉内容的人类感知的仿真，因此需要支持其它的各种相似性
13、度量方法，如直方图求交等。为解决高维索引问题，一种有前途的方法是首先减少维度，然后使用能支持非欧拉相似性度量的多维索引技术。1 维度压缩有两种方法可用于维度压缩：一种是KL变换，另一种是列向聚类。KL变换及其变种己广泛用于人脸识别、特征图像以及信息分析。Ng等人采用特征图像的方法来进行维度压缩。Faloutsos等人提出了KL变换的快速近似算法进行维度压缩，研究结果表明，大多数实际图像集(视觉特征向量)可以作维度压缩，而且在检索质量上不会引来明显的退化。Chandrasekaran等人提出了一种低秩单值分解法，在执行KL变换时非常有效，且在数值上是稳定的。由于图像检索系统是一个动念系统，新的图
14、像会不断地添入到图像集合之中，该算法具有处理动态的索引更新能力。除了KL变换之外，聚类是另一个进行维度压缩的有力工具，聚类技术广泛用于模式识别、语音分析和信息检索之中。通常，相似的对象(模板、信号和文档)被聚在一起以执行识别或者分组，这种聚类称为行向聚类，当然也可进行列向聚类以达到维度压缩的目的。2 多维索引技术多维索引技术的研究主要在3个领域，即计算几何、数据库和模式识别。最流行的多维索引技术有K-d树，R树及其变种R+树、R树，四叉树，聚类法，神经网络法等。多维索引技术始于70年代中期，当时引入的方法是Kd树和四叉树，然而其性能远不尽人意。由于地理信息系统和计算机辅助设计系统中对空间索引的
15、迫切要求，Guttman提出了R树的索引结构，之后R树的多个变种被相继提出。过去，大多数关于树的索引技术是为传统的库查询提出的，而不是为图像检索中的相似查询提出的。因此，目前多维索引的重点集中在图像检索中新的特征和需求上，即如何标识与改进适合于表达高维度特征向量的索引技术，其中二种有前途的方法是聚类法和神经网络法。四、尚存在的问题及解决方案基于灰度共生矩阵的纹理特征，基于小波变换的纹理特征提取是存在的问题解决用小波变换的方法分析纹理图像时，如果纹理尺寸较小或对比度不高，通常采用较高的分辨率；如果尺寸较大或对比强，只需要较低的分辨率。因此，当纹理尺寸大小不一、对比度有强有弱时，这种方法提取特征参数有较大的优势，也符合纹理识别的特点任何图像表面都可以看成三维空间中的一个曲面，基于直方图的中心矩方法以及灰度差分统计法都是研究单个像素灰度级在这个三维空间中的统计分布规律，都不能很好地反映像素之间地灰度级空间相关的规律五、后期工作安排基于纹理特征的图像检索算法。详细介绍基于灰度共生矩阵的纹理特征提取算法。检索系统设计与实现。介绍系统模块和各模块的功能，检索系统的流程，并对主要 算法进行详细说明，最后通过实验对给定的图像进行检索。总结论文，并提出了论文下一步的工作以及图像检索系统的发展方向。:7