图像检索方法研究

随着多媒体技术及Internet网络的迅速发展,图像信息资源的检索已成为国内外研究的热点。建立有效的图像描述和检索机制已成为迫切需要解决的问题。而图像检索最重要的问题就是解决对图像语义的理解。 空间PACT是一种用来进行场景实例和类别识别的新型特征表示,它在PACT(Census变换直方图的主成分分析)的基础上结合最新的场景语义识别框架：空间金字塔,使之相比现存算法具有更高的识别率。 词袋模型原本是用在信息检索中,它将一个文本看作是一个高频词的集合,文本中的每个词出现都是独立的,不依赖于其他词是否出现。可视化词典库模型首先采用不同的特征描述符对图像集进行特征提取,然后过对这些特征进行聚类,得到“可视化词典库”,在根据这个“可视化词典库”得到图像的可视化词袋表示,作为图像检索中的特征表示。 针对场景语义识别的强度和效率,本文提出一种新型的识别方法,在空间PACT中引入潜在阶梯边缘模板,在几乎不影响识别率的基础上改进算法效率。同时通过引入颜色特征信息,获得具有更强语义识别能力的特征表示。试验结果表明,该算法具有计算效率高,识别率高,强语义识别的特点。 针对可视化词袋模型,本文在考虑空间相似度的基础上,提出一种称为空间可视化词典库的图像检索方法。首先对图像集进行空间划分,得到空间子区域集合。然后在每一个对应空间子区域上求出空间可视化词典库。把每一个空间子区域所对应的空间词袋表示串联起来就得到了图像的全局可视化词袋表示。本文提出的方法是一种普遍性框架,适用于多种特征描述符。通过在不同数据库上的实验证明了,本文方法相对于经典的可视化词典库模型,具有明显的识别率提升。 Digikam是一个高级图像管理应用程序,它提供了方便的接口来实现对数字图像的导入和管理,并且可以通过图像的关键字、描述、标题、日期等信息对图像进行检索,因此通过在Digikam引入特征描述符可以构建功能强大的图像检索系统。