基于内容图像检索的若干技术研究

随着科学技术的进步和多媒体技术的发展,以及互联网络的迅速普及,使得图像数据呈现爆炸性的增长趋势。如何迅速而准确地从浩瀚的图像数据库中检索到所需的图像成了十多年来多媒体领域的研究热点。为了实现快速而准确地检索图像,利用图像内容,如颜色、形状、纹理等特征来检索图像的技术应运而生。这项技术被称为基于内容的图像检索(Content-based Image Retrieval)技术。由于其具有重要的研究意义和巨大的实用价值而得到研究人员们的重视。虽然基于内容的图像检索技术已经有了大量的研究和实际的应用,但是其中许多技术还不成熟,还需要进一步的研究和改进。本文针对其中的一些关键技术和理论方法作了如下四个方面的工作: (1)对颜色空间及颜色量化进行分析,提出一种不统一的均匀颜色量化模型;提出颜色直方图的优化存储方法和快速检索方法;提出基于隶属度的颜色模糊统计法,解决了硬性分割所造成的相似色被量化成不同色的问题。 (2)提出一种图像颜色信息描述的方法,其值是一维的,可以替代多维的颜色直方图。该方法具有计算简单,耗空间少等优点,是一种颜色直方图替代方法。 (3)对图像分割技术进行研究,提出增强邻域的概念,采用图论中基于最小生成树的分割方法,实现医学图像分割,提取分割区域的各种特征,运用关联规则对图像数据挖掘,完成图像分类。 (4)提出将粒子群优化算法(PSO算法)引进相关反馈过程中,根据用户的反馈信息,采用粒子群优化算法对图像特征的权重进行动态调整,从而提高检索精度。设计并实现了基于Web的和基于Weka的图像检索系统,为将来的进一步研究奠定基础。