基于类别模式的图像检索算法研究

发布时间：2021-12-10 23:04

　　随着计算机视觉技术的飞速发展,对图像理解技术的要求也越来越高。图像检索作为图像理解方向的一个分支,具有十分重要的研究意义。该文针对图像检索算法进行相关研究,旨在通过对图像形成更加有效的图像类别信息,进而训练出更加有效的图像检索模型,以提高图像检索的性能。首先,建立基于“点-面”类别模式的图像检索模型。在一对一图像检索的基础上增加了类别信息,将单个图像上的图像检索转化为类别图像上的图像检索,挖掘查询图像的类别模式,丰富了查询图像的语义信息。在大小不同的两个数据集上进行了合理性评价;实验证明基于类别模式的图像检索比传统的“点-点”方法和哈希方法有更好的效果。其次,设计基于目标语义模式挖掘的图像检索算法,从单个待检图像扩展到其所属目标语义类,利用挖掘出的目标语义类别模式表征待检图像,进行图像语义检索。不仅挖掘了图像的模式,而且更加突出了目标的特征,降低了相似背景的影响;实验证明基于目标语义模式挖掘的方法在图像检索中取得了更好的效果。最后,构造基于目标类别分割的图像检索算法模型,利用目标检测方法将图像中的目标与背景进行分割,提取出目标图像的语义特征,突出了图像的类别信息,即利用图像中的类别目标... 

【文章来源】：燕山大学河北省

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及意义
    1.2 国内外研究现状
    1.3 本文研究工作
    1.4 本文组织结构
第2章 图像检索基础
    2.1 图像检索定义
    2.2 图像检索的主要难点
    2.3 图像检索特征提取
    2.4 相似性度量
    2.5 CNN和哈希编码相结合的方法
    2.6 本章小结
第3章 基于“点-面”类别模式的图像检索算法
    3.1 引言
    3.2 系统组成
    3.3 基于PTF类别模式的图像检索
        3.3.1 特征提取和相似性度量方法的选取
        3.3.2 分类器的选取
        3.3.3 PTF类别模式算法
    3.4 实验仿真研究
        3.4.1 实验数据
        3.4.2 评价标准
    3.5 实验仿真与分析
        3.5.1 实验设置
        3.5.2 传统PTP方法的检索性能
        3.5.3 CNN和哈希编码相结合的方法
        3.5.4 PTF类别模式的图像检索性能
    3.6 本章小结
第4章 基于目标语义模式挖掘的图像检索算法
    4.1 引言
    4.2 系统组成
    4.3 基于目标语义模式挖掘的图像检索
        4.3.1 特征提取和相似性度量方法的选取
        4.3.2 目标语义模式挖掘模型
        4.3.3 目标语义模式中心得分
        4.3.4 目标语义模式挖掘的图像检索
    4.4 实验数据与评价标准
    4.5 实验仿真与分析
        4.5.1 实验设置
        4.5.2 传统的“点-点”图像检索性能
        4.5.3 CNN和哈希编码相结合的方法
        4.5.4 目标语义模式挖掘的图像检索性能
    4.6 本章小结
第5章 基于目标类别分割的图像检索算法
    5.1 引言
    5.2 系统组成
    5.3 基于分割目标与背景的图像检索
        5.3.1 特征提取和相似性度量方法的选取
        5.3.2 SSD目标检测算法
        5.3.3 目标类别分割的图像检索
    5.4 实验数据与评价标准
    5.5 实验仿真与分析
        5.5.1 实验设置
        5.5.2 传统的“点-点”方法的检索性能
        5.5.3 CNN和哈希编码相结合的方法
        5.5.4 目标类别分割的图像检索性能
    5.6 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢


【参考文献】：
期刊论文
[1]基于卷积神经网络和监督核哈希的图像检索方法[J]. 柯圣财,赵永威,李弼程,彭天强.  电子学报. 2017(01)
[2]基于卷积神经网络和哈希编码的图像检索方法[J]. 龚震霆,陈光喜,任夏荔,曹建收.  智能系统学报. 2016(03)
[3]基于多特征融合的图像检索[J]. 张永库,李云峰,孙劲光.  计算机应用. 2015(02)
[4]基于内容的图像检索系统性能评价[J]. 韦娜,耿国华,周明全.  中国图象图形学报. 2004(11)
[5]模糊聚类方法中的最佳聚类数的搜索范围[J]. 于剑,程乾生.  中国科学E辑:技术科学. 2002(02)

博士论文
[1]纹理图像特征提取与分类研究[D]. 许文韬.华东师范大学 2017

硕士论文
[1]彩色图像特征提取方法研究[D]. 郑高洋.西安电子科技大学 2017



本文编号：3533557