《网络安全法》简要解读.ppt

研究生课程考核试卷
科目: 数字图象处理教师: 黄鸿
姓名: 井涛学号: 20120802040
专业: 仪器科学与技术类别: 学术
上课时间: 2012 年 10月至 2012 年 12月
考生成绩:
卷面成绩
平时成绩
课程综合成绩
阅卷评语:

阅卷教师(签名)
重庆大学研究生院制
基于综合特征的图像检索系统
摘要
基于内容的图像检索(CBIR)是一个非常热门的研究领域。本文在对颜色特征、形状特征和纹理特征的研究基础上,将三种特征结合在一起,实现了可以自定义权重的综合特征的图像检索系统,并在平台上实现了这一系统。
图像特征的提取和相似性度量是CBIR的两个关键技术。对于颜色特征,本文采用HSV空间中的颜色矩表示颜色特征;对于形状特征,本文采用图像的不变矩作为形状特征;对于纹理特征,为减少计算量,本文首先对图像进行预分割,提取分割后区域基于傅立叶描述子的纹理特征作为整个图像的纹理特征。在相似性度量方面,采用曼哈顿距离作为度量标准,得到各个特征的相似度向量。
本文在平台上实现了这一图像检索系统,实现自定义权重以及综合特征下的图像检索,并在655副图像的大数据库中随机抽取24副图像进行检索实验,得到了较好的效果。
关键词:图像检索,颜色矩,不变矩,傅立叶描述子
Abstract
Nowadays content-based image retrieval (CBIR) has e a very active field. On the basis of study on the color features, shape feature and the texture characteristics, in order to achieve prehensive retrieval system, these three features bined together in the paper, which has been built on.
There are two key techniques in CBIR, which are image feature extraction and similarity measure. The color characteristic in this paper is expressed in the method of extracting color moments in HSV space. The shape feature used in this system is the invariant moments of images. As to texture characters, boundaries’ Fourier descriptor is used after the image is divided.
This paper bulit an image retrieval system based on bines these three features and realizes user-defined weights. This retrieval system has a good effect on a database of 24 images.
KeyWords:Image retrieval, Color moments, Invariant moments, Fourier descriptor
1 图像检索的发展历程
从20世纪70年代开始,有关图像检索的研究就已开始,当时主要是基于文本的图像检索技术(Text-based Image Retrieval,简称TBIR),利用文本描述的方式描述图像的特征。到90年代以后,出现了对图像的内容语义,如图像的颜色、纹理、布局等进行分析和检索的图像检索技术,即基于内容的图像检索(Content-based Image Retrieval,简称CBIR)技术。
2 基于内容的图像检索
基于内容的图像检索的概念
基于内容的图像检索根据图像、图像的内容语义以及上下文联系进行查找,以图像语义特征为线索从图像数据库中检出具有相似特性的其它图像。因为图像的规模一般要大于纯粹的文本信息,因此,基于内容的图像检索在检索的速度和效率上要求更高。
CBIR的研究现状
在上世纪90年代,随着计算机和网络技术得到广泛应用之后,基于内容的图像检索技术取才得了较大的突破,人们也逐渐地将对基于内容的图像检索技术的研究成果应用到实际的工作和生活中,而对这种技术的需求的日益增长也驱动人们对基于内容的图像检索的技术向更高的层次进行研究。
从当