图像检索技术研究：颜色、纹理与形状特征提取

"基于内容的图像检索关键技术研究" 在图像检索领域，基于内容的图像检索（CBIR）已经成为一种重要的技术手段，它旨在通过分析图像的内容，如颜色、形状和纹理等特征，来寻找与查询图像最相似的图像。随着计算机技术、多媒体技术和互联网的快速发展，图像数据量激增，CBIR技术的重要性愈发凸显。 该博士学位论文由赵珊撰写，指导教师为周利华，主要研究了CBIR中的图像特征提取技术。论文深入探讨了图像的低层视觉特征，包括颜色特征、形状特征、纹理特征和颜色的空间分布特征。作者对颜色空间、图像特征描述方法、相似性度量准则和检索算法评估进行了详尽的研究。 1. 颜色特征方面，论文分析了不同的颜色空间表示方法，如RGB、HSV、YUV等，并探讨了它们在图像检索中的应用。颜色特征的提取通常涉及到颜色直方图和颜色共生矩阵，这些统计方法可以有效地捕捉图像的整体色彩分布。 2. 形状特征的描述和检索是CBIR中的另一个重要环节。论文提出了一种结合纹理基元的图像检索算法，通过定义图像的纹理基元并构建共生矩阵来描述纹理特征。同时，利用纹理基元直方图来刻画图像的形状信息，将这两种特征结合用于检索。 3. 纹理特征方面，论文针对结构法和统计法的局限性，提出了一种基于纹理基元的检索算法，通过统计量来描述纹理基元的共生现象，并结合形状特征进行检索。此外，论文还借鉴文本检索技术，定义图像关键子块，利用文本检索技术进行图像检索，并考虑关键子块的频率影响，提出改进算法。 4. 针对颜色空间分布特征，论文提出了一种基于颜色矢量角的图像检索算法。这种方法利用颜色矢量角对亮度变化的不敏感性来提取图像边缘，区分边缘点和平滑点，进而用颜色矢量角直方图和空间联合分布熵来描述边缘和平滑区域的特征。为减少颜色量化带来的误检，论文采用了针对每个颜色通道单独处理的方法。 总体来说，这篇论文为CBIR的关键技术提供了深入研究和创新方法，不仅涉及理论分析，还包括具体算法的提出和实验验证，对提升CBIR系统的性能和准确性有着重要的理论和实践意义。这些研究成果可应用于图像分类、识别、搜索等多个领域，为大规模图像数据的有效管理和利用提供了强有力的技术支持。