基于NSCT的数字图书馆图像资源检索技术研究
发布时间：2020-12-14 11:51
图像能够客观准确的描述事物,它包含了丰富的视觉信息,是人类社会活动中一种重要的信息载体,通过图像人们可以更加形象直观的了解和认知事物。随着计算机技术的发展以及互联网的普及,数字图像资源种类与日俱增。面对这种情况,如何使用户在大规模数据库中能够准确高效的寻找所需图像已经成为日益严峻的问题,因此,图像检索技术应运而生。目前图像检索研究领域采用的检索方式主要有两种,一种是基于文本的图像检索（TBIR,Text-based Image Retrieval）,另一种是基于内容的图像检索（CBIR,Content-Based Image Retrieval）。本文在讨论图像检索的背景、研究现状和关键技术等内容的基础上,采用文献计量方法对近十五年发表的国际图像检索文献分析,从文献时间分布规律、学科分布状况等方面着手探索图像检索领域的发展脉络,并重点对作者、机构、国家和关键词频等方面挖掘国际图像检索领域的主要研究力量和研究热点,为进一步推动国内相关研究发展提供理论参考依据。在大数据时代,用户的信息素养越来越高,对获取信息的渠道、技术和内容质量等方面的要求也在不断提高,图书馆作为信息主要提供者,肩负着准...
【文章来源】：山西财经大学山西省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
基于内容的图像检索理论模型
图 2.2 纹理特征的具体算法2.2 图像颜色特征提取方法颜色是图像中最基本的特征之一[29], 图像中每一个像素都承载着颜色信息，且它往往与图像中所包含的物体或场景相关，如金黄色的沙漠，深蓝色的大海等。因为颜色信息较纹理、空间等视觉特征，不容易受图像自身方向、尺寸、角等因素变化的影响，具有较高的稳健性，同时在对大规模图像数据库检索时颜色特征的为对象提取也相对容易，所以很多图像检索系统都采用该方法，应十分广泛。现实世界中的颜色多姿多彩，如果不对图像颜色规则定性和描述，个人都对图像有各自的定义，将会使计算机理解混乱，因此统一对颜色进行了量的描述，建立了标准的颜色特征模型，最常用的有 RGB 颜色空间、HIS 空间 HSV 颜色空间等。在此基础上，很多基于颜色特征的图像检索算法被提了出来，
觉内容的区域作为显著区域。然后通过 SIFT 计算该区域的关键点，并计算关的颜色直方图，从而有效提高图像匹配结果的准确性[30]；Ljubovic,V 等人提[31一种名为 HSY 的颜色模型，该模型组合了多种不同颜色模型通道形成的颜色符，可以有效描述图像的颜色特征，并利用遗传算法提高了模糊直方图的各数，提高了检索性能。国内学者也提出了许多基于颜色的图像检索方法，如丽等人[32]通过图像分块捕获颜色的空间分布信息，并引入高效匹配核，把局色特征映射到低维空间，生成比传统颜色特征 RGB、HSV 等判别性能更优的高效匹配核特征，有效改善了基于颜色的图像检索性能；王秋华等人[33]采用聚类的方法，划分图像空间区域并记算各区域的相关性和重要性，将图像的信息和颜色信息融合，实验证明该方法具有较高的检索效果。目前基于颜色像算法主要集中在两个方面，一是全局颜色特征，二是局部颜色特征，这两征中的经典算法如图 2.3 所示。
【参考文献】：
期刊论文
[1]基于文献计量的科学创造力评价研究综述[J]. 王军辉,谭宗颖. 图书情报工作. 2017(03)
[2]基于颜色高效匹配核的图像检索研究[J]. 李广丽,陈婧琳,杨将,张红斌. 微电子学与计算机. 2016(11)
[3]基于Gabor特征与局部保护降维的高光谱图像分类算法[J]. 叶珍,白璘,粘永健. 光学学报. 2016(10)
[4]空间密度聚类在数字图书馆图像检索中的应用[J]. 王华秋,王重阳,聂珍. 现代情报. 2016(02)
[5]大数据时代数字图书馆面临的机遇和挑战[J]. 苏新宁. 中国图书馆学报. 2015(06)
[6]基于内容的图像检索技术研究[J]. 祝晓斌,刘亚奇,蔡强,曹健. 计算机仿真. 2015(05)
[7]基于全局特征和尺度不变特征转换特征融合的医学图像检索[J]. 周东尧,伍岳庆,姚宇. 计算机应用. 2015(04)
[8]基于全局不变矩和分块主颜色的图像检索算法[J]. 元琴,潘广贞,乔慧芬. 计算机工程与设计. 2014(10)
[9]Self-adaptive spatial image denoising model based on scale correlation and SURE-LET in the nonsubsampled contourlet transform domain[J]. LIANG MeiYu,DU JunPing,LIU HongGang. Science China(Information Sciences). 2014(09)
[10]基于自然语言处理的图像情感语义检索研究[J]. 于昕,郭浩,李海芳,陈俊杰. 计算机应用与软件. 2014(06)
博士论文
[1]基于语义分析与融合的图像分类与标注研究[D]. 王晓茹.北京邮电大学 2015
[2]基于内容的图像检索与分类若干技术的研究[D]. 王上.吉林大学 2010
硕士论文
[1]基于深度学习的图像语义理解研究[D]. 梁欢.重庆大学 2016
[2]虹膜图像预处理及特征编码方法的研究[D]. 杨晓生.北京交通大学 2016
[3]基于深度学习的图像语义提取与图像检索技术研究[D]. 罗世操.东华大学 2016
本文编号：2916364
【文章来源】：山西财经大学山西省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
基于内容的图像检索理论模型
图 2.2 纹理特征的具体算法2.2 图像颜色特征提取方法颜色是图像中最基本的特征之一[29], 图像中每一个像素都承载着颜色信息，且它往往与图像中所包含的物体或场景相关，如金黄色的沙漠，深蓝色的大海等。因为颜色信息较纹理、空间等视觉特征，不容易受图像自身方向、尺寸、角等因素变化的影响，具有较高的稳健性，同时在对大规模图像数据库检索时颜色特征的为对象提取也相对容易，所以很多图像检索系统都采用该方法，应十分广泛。现实世界中的颜色多姿多彩，如果不对图像颜色规则定性和描述，个人都对图像有各自的定义，将会使计算机理解混乱，因此统一对颜色进行了量的描述，建立了标准的颜色特征模型，最常用的有 RGB 颜色空间、HIS 空间 HSV 颜色空间等。在此基础上，很多基于颜色特征的图像检索算法被提了出来，
觉内容的区域作为显著区域。然后通过 SIFT 计算该区域的关键点，并计算关的颜色直方图，从而有效提高图像匹配结果的准确性[30]；Ljubovic,V 等人提[31一种名为 HSY 的颜色模型，该模型组合了多种不同颜色模型通道形成的颜色符，可以有效描述图像的颜色特征，并利用遗传算法提高了模糊直方图的各数，提高了检索性能。国内学者也提出了许多基于颜色的图像检索方法，如丽等人[32]通过图像分块捕获颜色的空间分布信息，并引入高效匹配核，把局色特征映射到低维空间，生成比传统颜色特征 RGB、HSV 等判别性能更优的高效匹配核特征，有效改善了基于颜色的图像检索性能；王秋华等人[33]采用聚类的方法，划分图像空间区域并记算各区域的相关性和重要性，将图像的信息和颜色信息融合，实验证明该方法具有较高的检索效果。目前基于颜色像算法主要集中在两个方面，一是全局颜色特征，二是局部颜色特征，这两征中的经典算法如图 2.3 所示。
【参考文献】：
期刊论文
[1]基于文献计量的科学创造力评价研究综述[J]. 王军辉,谭宗颖. 图书情报工作. 2017(03)
[2]基于颜色高效匹配核的图像检索研究[J]. 李广丽,陈婧琳,杨将,张红斌. 微电子学与计算机. 2016(11)
[3]基于Gabor特征与局部保护降维的高光谱图像分类算法[J]. 叶珍,白璘,粘永健. 光学学报. 2016(10)
[4]空间密度聚类在数字图书馆图像检索中的应用[J]. 王华秋,王重阳,聂珍. 现代情报. 2016(02)
[5]大数据时代数字图书馆面临的机遇和挑战[J]. 苏新宁. 中国图书馆学报. 2015(06)
[6]基于内容的图像检索技术研究[J]. 祝晓斌,刘亚奇,蔡强,曹健. 计算机仿真. 2015(05)
[7]基于全局特征和尺度不变特征转换特征融合的医学图像检索[J]. 周东尧,伍岳庆,姚宇. 计算机应用. 2015(04)
[8]基于全局不变矩和分块主颜色的图像检索算法[J]. 元琴,潘广贞,乔慧芬. 计算机工程与设计. 2014(10)
[9]Self-adaptive spatial image denoising model based on scale correlation and SURE-LET in the nonsubsampled contourlet transform domain[J]. LIANG MeiYu,DU JunPing,LIU HongGang. Science China(Information Sciences). 2014(09)
[10]基于自然语言处理的图像情感语义检索研究[J]. 于昕,郭浩,李海芳,陈俊杰. 计算机应用与软件. 2014(06)
博士论文
[1]基于语义分析与融合的图像分类与标注研究[D]. 王晓茹.北京邮电大学 2015
[2]基于内容的图像检索与分类若干技术的研究[D]. 王上.吉林大学 2010
硕士论文
[1]基于深度学习的图像语义理解研究[D]. 梁欢.重庆大学 2016
[2]虹膜图像预处理及特征编码方法的研究[D]. 杨晓生.北京交通大学 2016
[3]基于深度学习的图像语义提取与图像检索技术研究[D]. 罗世操.东华大学 2016
本文编号：2916364
本文链接：https://www.wllwen.com/tushudanganlunwen/2916364.html
