论文部分内容阅读
基于内容的图像检索早期研究主要考虑图像的全局特征，然而在某些应用领域(例如自然风景)，检索的效果远低于用户的期望，其中最重要的原因是底层特征与高层语义之间的差距。研究发现，人类在对自然风景图像进行识别的时候，更关心的是图像的某个区域，而不是图像整体。为了解决自然风景图像全局特征检索效果较差的问题，需要研究基于区域的自然风景图像检索，而基于区域的图像检索的关键是图像分割以及如何使用基于区域的图像特征来表示用户对图像区域的感知认识，因此本文的工作也集中在这两点。
本文基于区域的自然风景图像检索首先需要进行图像分割，其次对图像分割区域进行特征抽取，包括颜色、纹理、空间位置，最后对两幅图像进行相似度计算。现有的分割算法会将图像分割成较多的同类颜色和纹理区域，虽然这种分割区域较多的结果在其他专业领域如医学图像检索、卫星遥感图像探测、犯罪预防等领域是一个较好的结果，但是在自然风景图像检索领域却不然。心理学实验显示：一幅图像从视觉效果上仅仅需要分成几个区域。因此，将自然风景图像分割成过多的区域，会对最终的图像检索效果产生不良的影响。在自然风景图像检索领域，图像特征抽取需要考虑自然风景图像的颜色、纹理等丰富的性质，然而现有的一般的图像特征抽取算法(不是基于特定领域的)没有能够显示出自然风景领域图像分割区域的特殊性。针对上述问题，本文做了如下几点工作：
(1)自然风景图像颜色纹理十分丰富，JSEG图像分割算法适用于颜色纹理较丰富的图像，不过JSEG会形成较多的分割区域。而在自然风景图像检索中，我们需要减少图像分割的区域数目。本文提出一种改进的图像分割算法，在分割处理中加入了边界清晰度因子，改进了图像分割的效果。
(2)提出了一种新的基于HSV颜色空间包含重叠区域特征抽取方法，加入了区域支配颜色作为辅助特征。自然风景图像视觉效果研究表明，人类的眼睛对于自然图像颜色的小的变化没有太大的区分能力。通过将相邻像素量化到相同区间，并在计算特征的过程中考虑饱和度的因素，以及在图像区域特征中加入区域支配颜色特征，使得本文抽取出来的图像特征更符合人类的认知系统。
(3)基于本文提出的图像分割改进算法和特征抽取技术，本文设计并实现了一个基于自然风景图像检索的原型系统。实验表明，本文的算法对图像检索结果有提高作用。