基于内容的图像检索(CBIR)是多媒体信息检索领域的一项新兴技术。和传统的利用文本标注的检索方式相比,它具有对图像内容描述充分、客观性强、自动高效等优点,有着极为广阔和应用空间,受到广泛关注并逐渐成为多媒体应用技术领域的研究热点。Sift算法是David Lowe于2004年正式完整提出的一种新型局部特征描述子。Sift特征独特性好,信息量丰富,并对尺度缩放、旋转、视角变化、遮挡、噪声和亮度变化等大部分干扰都具有很好的鲁棒性。在相关实验中,Sift算子己被证实其匹配性能明显高于同类型的局部特征。Sift算法在场景匹配、目标识别等领域有很大的利用价值,对其在图像检索领域应用的研究也已经开始。
本文首先对CBIR系统所涉及的各个模块进行了大量调研,并对各项技术的原理和细节进行了细致的阐述,尤其对特征提取、多特征融合和相关反馈等关键技术更是从实现的高度给出了解决方案。其次,本文调查了Sift算法的提出背景,深入研究了算法原理及实现细节,对其在图像匹配、目标识别和定位等领域的应用进行了认真研究并提出了一整套解决方案。作为对以上两部分的研究成果的总结,本文分别实现了CBIR实验系统和Sift目标识别平台,并利用这些系统对以上研究进行了性能测试和验证。本文的第三个研究重点是Sift算法在图像检索领域的应用。文章先针对两个已有案例进行了深入研究,并在此基础上对Sift在图像检索中的应用进行了可行性分析和总结。最后,构建了Sift检索系统并利用它对不同类型的图像进行检索实验,实验结果很好的支持了以上述结论。
