基于BP神经网络的图像检索算法研究
发布时间：2022-07-09 16:33
随着多媒体技术的发展,网络中产生了大量的图像,从而使得图像信息的获取变得尤为重要,如何精确快捷地从海量图像中获取到自己所需的内容,这就涉及到图像的分类与检索问题。一直以来,传统的图像检索方法都是基于文本的检索。然而,随着图像数量不断增多,基于文本的检索方法已经不能满足人们的信息检索需求。基于内容的图像检索技术通过系统对图像进行特征描述,并提取图像的视觉特征来实现图像检索,克服了传统的基于文本检索中通过人工标注图像带来的片面性、主观性等缺点。近年来基于内容的图像检索技术受到广泛的关注,已成为该领域的一个热门研究课题。首先,本文梳理了基于内容的图像检索技术的发展及研究成果,研究了图像检索的相关技术以及图像检索中常用的PCA算法和BP神经网络算法。本文通过融合具有颜色表达直观、计算简单的HSV颜色直方图和具有对图像的旋转、尺度缩放和亮度变化较强鲁棒性的SIFT特征给出了一种融合算法,并针对HSV颜色直方图无法表达颜色空间分布信息和SIFT特征匹配方法准确性不足的问题,提出了一种改进的融合算法。采用对图像进行重叠分块的方法,突出图像中心的视觉内容,并改进了 SIFT特征度量算法。然后将这两种改...
【文章页数】：57 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景与意义
1.2 基于内容的图像检索技术研究现状
1.3 本文的主要工作及章节安排
2 相关理论基础
2.1 基于内容的图像检索技术
2.1.1 图像特征提取
2.1.2 相似性度量
2.1.3 性能评价标准
2.2 PCA算法
2.3 BP神经网络
2.3.1 BP神经网络算法
2.3.2 BP神经网络结构设计
2.4 本章小结
3 基于HSV颜色空间和SIFT特征实现的图像检索
3.1 基于颜色和SIFT特征的融合算法
3.1.1 HSV颜色直方图
3.1.2 SIFT特征
3.1.3 相似匹配计算
3.1.4 融合算法原理
3.2 改进的基于颜色和SIFT特征的融合算法
3.2.1 基于分块颜色直方图特征提取
3.2.2 SIFT特征匹配
3.3 融合算法的图像检索实验
3.3.1 图像检索系统设计
3.3.2 实验数据
3.3.3 实验结果与分析
3.4 本章小结
4 基于SIFT降维和BP神经网络的图像检索
4.1 基于PCA的SIFT特征提取降维算法
4.1.1 运用PCA对SIFT特征进行降维
4.1.2 仿真验证
4.2 基于SIFT降维和BP网络的图像检索
4.2.1 基于SIFT降维的BP网络设计
4.2.2 基于SIFT降维和BP神经网络的图像检索算法
4.3 基于SIFT降维和BP网络的图像检索实验
4.3.1 实验数据
4.3.2 实验步骤
4.3.3 实验结果与分析
4.4 本章小结
5 总结与展望
5.1 本文工作总结
5.2 研究展望
致谢
参考文献
【参考文献】：
期刊论文
[1]基于新的空间关系特征的图像检索方法[J]. 郭倩,杨红菊,梁新彦. 计算机应用. 2016(07)
[2]改进的基于颜色和SIFT特征的图像检索方法[J]. 郑启财,曾智勇,池燕玲. 计算机系统应用. 2015(11)
[3]基于分块颜色核特征的图像检索方法[J]. 王琪,杜娟,徐国清,程彬. 现代电子技术. 2015(15)
[4]基于中心-轮廓距离特征统计的形状表示方法[J]. 郭树旭,赵静,李雪妍. 电子与信息学报. 2015(06)
[5]一种基于PCA的组合特征提取文本分类方法[J]. 李建林. 计算机应用研究. 2013(08)
[6]基于SIFT特征和颜色融合的图像检索方法[J]. 董傲霜,宋宏亮. 吉林大学学报(工学版). 2013(S1)
[7]基于色彩和边缘特征的图像检索方法[J]. 刘付民,张治斌. 计算机应用. 2012(05)
[8]一种不变的基于傅立叶变换的区域形状描述子[J]. 王斌. 电子学报. 2012(01)
[9]主成分分析法（PCA）在SIFT匹配算法中的应用[J]. 马莉,韩燮. 电视技术. 2012(01)
[10]基于分块主颜色匹配的图像检索[J]. 林克正,张彩华,刘丕娥. 计算机工程. 2010(13)
博士论文
[1]图像直方图特征及其应用研究[D]. 汪启伟.中国科学技术大学 2014
[2]形状特征描述及聚类算法研究[D]. 潘鸿飞.安徽大学 2011
硕士论文
[1]基于神经网络的静态手势识别算法研究[D]. 高龙.宁夏大学 2017
[2]基于颜色和SIFT特征的图像检索技术及其分布式实现[D]. 李宇洁.东南大学 2017
[3]基于PCA-SIFT在图像检索上改进算法的研究[D]. 张霜.吉林大学 2016
[4]基于神经网络方法的手势行为识别技术研究[D]. 周龙.电子科技大学 2015
[5]基于改进BP神经网络多示例学习的自然图像分类算法研究[D]. 黄晗.安徽大学 2014
[6]基于SIFT降维和BP网络的人脸识别方法的研究[D]. 冯博.河南大学 2014
[7]基于HSV颜色空间和SIFT特征的近似图像检索[D]. 王亚如.兰州大学 2014
[8]基于纹理特征和BP神经网络的医学图像检索[D]. 李琳.河南理工大学 2012
[9]基于纹理分类的图像检索技术研究[D]. 马媛媛.河南理工大学 2010
本文编号：3657450
【文章页数】：57 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景与意义
1.2 基于内容的图像检索技术研究现状
1.3 本文的主要工作及章节安排
2 相关理论基础
2.1 基于内容的图像检索技术
2.1.1 图像特征提取
2.1.2 相似性度量
2.1.3 性能评价标准
2.2 PCA算法
2.3 BP神经网络
2.3.1 BP神经网络算法
2.3.2 BP神经网络结构设计
2.4 本章小结
3 基于HSV颜色空间和SIFT特征实现的图像检索
3.1 基于颜色和SIFT特征的融合算法
3.1.1 HSV颜色直方图
3.1.2 SIFT特征
3.1.3 相似匹配计算
3.1.4 融合算法原理
3.2 改进的基于颜色和SIFT特征的融合算法
3.2.1 基于分块颜色直方图特征提取
3.2.2 SIFT特征匹配
3.3 融合算法的图像检索实验
3.3.1 图像检索系统设计
3.3.2 实验数据
3.3.3 实验结果与分析
3.4 本章小结
4 基于SIFT降维和BP神经网络的图像检索
4.1 基于PCA的SIFT特征提取降维算法
4.1.1 运用PCA对SIFT特征进行降维
4.1.2 仿真验证
4.2 基于SIFT降维和BP网络的图像检索
4.2.1 基于SIFT降维的BP网络设计
4.2.2 基于SIFT降维和BP神经网络的图像检索算法
4.3 基于SIFT降维和BP网络的图像检索实验
4.3.1 实验数据
4.3.2 实验步骤
4.3.3 实验结果与分析
4.4 本章小结
5 总结与展望
5.1 本文工作总结
5.2 研究展望
致谢
参考文献
【参考文献】：
期刊论文
[1]基于新的空间关系特征的图像检索方法[J]. 郭倩,杨红菊,梁新彦. 计算机应用. 2016(07)
[2]改进的基于颜色和SIFT特征的图像检索方法[J]. 郑启财,曾智勇,池燕玲. 计算机系统应用. 2015(11)
[3]基于分块颜色核特征的图像检索方法[J]. 王琪,杜娟,徐国清,程彬. 现代电子技术. 2015(15)
[4]基于中心-轮廓距离特征统计的形状表示方法[J]. 郭树旭,赵静,李雪妍. 电子与信息学报. 2015(06)
[5]一种基于PCA的组合特征提取文本分类方法[J]. 李建林. 计算机应用研究. 2013(08)
[6]基于SIFT特征和颜色融合的图像检索方法[J]. 董傲霜,宋宏亮. 吉林大学学报(工学版). 2013(S1)
[7]基于色彩和边缘特征的图像检索方法[J]. 刘付民,张治斌. 计算机应用. 2012(05)
[8]一种不变的基于傅立叶变换的区域形状描述子[J]. 王斌. 电子学报. 2012(01)
[9]主成分分析法（PCA）在SIFT匹配算法中的应用[J]. 马莉,韩燮. 电视技术. 2012(01)
[10]基于分块主颜色匹配的图像检索[J]. 林克正,张彩华,刘丕娥. 计算机工程. 2010(13)
博士论文
[1]图像直方图特征及其应用研究[D]. 汪启伟.中国科学技术大学 2014
[2]形状特征描述及聚类算法研究[D]. 潘鸿飞.安徽大学 2011
硕士论文
[1]基于神经网络的静态手势识别算法研究[D]. 高龙.宁夏大学 2017
[2]基于颜色和SIFT特征的图像检索技术及其分布式实现[D]. 李宇洁.东南大学 2017
[3]基于PCA-SIFT在图像检索上改进算法的研究[D]. 张霜.吉林大学 2016
[4]基于神经网络方法的手势行为识别技术研究[D]. 周龙.电子科技大学 2015
[5]基于改进BP神经网络多示例学习的自然图像分类算法研究[D]. 黄晗.安徽大学 2014
[6]基于SIFT降维和BP网络的人脸识别方法的研究[D]. 冯博.河南大学 2014
[7]基于HSV颜色空间和SIFT特征的近似图像检索[D]. 王亚如.兰州大学 2014
[8]基于纹理特征和BP神经网络的医学图像检索[D]. 李琳.河南理工大学 2012
[9]基于纹理分类的图像检索技术研究[D]. 马媛媛.河南理工大学 2010
本文编号：3657450
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3657450.html
