基于内容的图像检索系统设计与实现
发布时间：2021-04-12 23:31
信息化和网络化高速发展的今天,电子设备越来越普及,网络上的图像资源也越来越丰富。大量的网络资源带给我们便利的同时,也让如何快速找到需要的图片成为了问题,为了满足用户查找图片的需求,图像检索技术便应运而生。基于内容的图像检索技术,是将目标图像自身作为检索条件,它更加直观、快捷,是当下研究的热点。但是在实际的运用中,基于内容的图像检索技术经常会因为目标图像的旋转、角度变化等原因,最终影响检索结果。本文分析了基于尺度不变特征变换SIFT（Scale-Invariant Feature Transform）算法的检索技术,经对其分析和试验后,发现了此种算法存在匹配度不高,速度较慢等问题,针对这些问题,本文提出了改进的SIFT算法。该算法采用基于BBF（Best-Bin-First）的Kd-Tree算法进行匹配,并通过改进的最近邻匹配算法设置了合理阈值,降低了匹配时间,同时引入随机抽样一致性RANSAC（Random Sample Consensus）算法来减少错误匹配率。在不同条件下对两种算法进行试验,证实改进算法不仅降低了错误匹配率,还节省了匹配时间。系统设计采用了Java Web的相关技术...
【文章来源】：黑龙江大学黑龙江省
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
RGB颜色空间模型图
图 2-5 高斯函数三维曲面图Fig2-5 Gaussian function 3D surface chart其中高斯核函数 G(x, y, σ)表达式如式（2-9）所示，卷积可得到尺度空公式如式（2-10）所示。L ( x , y , σ ) = G ( x , y , σ) I ( x ,y)( )( ) ( )2 22 21, , exp2 2i ix x y yG x y σπσ πσ = (2)局部极值点检测图像 SIFT 特征点检测就是一个搜索极值点的过程，由高等函数极值点可知，高斯差分函数 DOG（Difference of Gaussians）尺度空间分别求解直方向二阶导数，以及混合偏导数。分析不同尺度下检测响应器的结果的值与周围的相邻像素点进行极值比较，如果它最大，那么它就是要搜点。极值点检测图如图 2-6 所示。
图 2-6 图像极值点检测图Fig2-6 Image extreme point detection chart”表示待检测的点。对该点进行检测，首先要边的图像不作为检测目标参与检测。而参与检测，这样可以与包围它的剩余 8 个点进行比较， 18 个点进行比较。这样就要求 DOG 金字塔每组像比较出极大或是极小值后，则检测成功，该定位点的局部极大值后，需要对这些极值点进行定位是由例如光照或是遮挡造成的噪声干扰点。为通过以下两个步骤处理：的方式，对采集到的极值点进行处理，得到的拟
本文编号：3134177
【文章来源】：黑龙江大学黑龙江省
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
RGB颜色空间模型图
图 2-5 高斯函数三维曲面图Fig2-5 Gaussian function 3D surface chart其中高斯核函数 G(x, y, σ)表达式如式（2-9）所示，卷积可得到尺度空公式如式（2-10）所示。L ( x , y , σ ) = G ( x , y , σ) I ( x ,y)( )( ) ( )2 22 21, , exp2 2i ix x y yG x y σπσ πσ = (2)局部极值点检测图像 SIFT 特征点检测就是一个搜索极值点的过程，由高等函数极值点可知，高斯差分函数 DOG（Difference of Gaussians）尺度空间分别求解直方向二阶导数，以及混合偏导数。分析不同尺度下检测响应器的结果的值与周围的相邻像素点进行极值比较，如果它最大，那么它就是要搜点。极值点检测图如图 2-6 所示。
图 2-6 图像极值点检测图Fig2-6 Image extreme point detection chart”表示待检测的点。对该点进行检测，首先要边的图像不作为检测目标参与检测。而参与检测，这样可以与包围它的剩余 8 个点进行比较， 18 个点进行比较。这样就要求 DOG 金字塔每组像比较出极大或是极小值后，则检测成功，该定位点的局部极大值后，需要对这些极值点进行定位是由例如光照或是遮挡造成的噪声干扰点。为通过以下两个步骤处理：的方式，对采集到的极值点进行处理，得到的拟
本文编号：3134177
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3134177.html
最近更新
教材专著
