图像特征提取与检索技术

第1章 基于内容的图像检索与关键技术 1

1．1 图像检索技术的发展 1

1．1．1 基于文本的图像检索 2

1．1．2 基于内容的图像检索 3

1．1．3 自动图像标注技术 6

1．1．4 国内外研究状况 6

1．2 CBIR的研究内容 10

1．2．1 特征提取与匹配 10

1．2．2 索引机制 10

1．2．3 用户接口 11

1．3 CBIR的关键技术 12

1．3．1 基本检索原理 12

1．3．2 图像内容及检索层次 13

1．3．3 常用特征描述方法 14

1．3．4 特征匹配技术 19

1．3．5 稀疏表示技术 25

1．3．6 性能评价准则 27

1．4 CBIR的应用与经典系统 30

1．4．1 CBIR的应用 30

1．4．2 经典CBIR系统介绍 31

1．5 本书内容安排 38

参考文献 39

第2章 图像低层特征的提取与表达 45

2．1 颜色特征的提取与表达 45

2．1．1 颜色空间 45

2．1．2 颜色量化 50

2．1．3 全局颜色特征 51

2．1．4 空间颜色特征 56

2．2 形状特征的提取与表达 68

2．2．1 概述 68

2．2．2 基于轮廓的描述方法 69

2．2．3 基于区域的描述方法 89

2．3 纹理特征的提取与表达 103

2．3．1 概述 103

2．3．2 常用的纹理分析方法 104

2．3．3 局部二值模式 116

2．3．4 纹理基元共生矩阵 128

2．4 MPEG-7中的图像特征描述符 131

2．4．1 颜色描述符 133

2．4．2 形状描述符 134

2．4．3 纹理描述符 135

参考文献 136

第3章 基于压缩域的图像检索技术 146

3．1 概述 146

3．1．1 图像压缩技术 147

3．1．2 静态图像压缩标准 153

3．1．3 压缩域图像检索的原理 162

3．1．4 压缩域图像检索的研究内容 164

3．1．5 压缩域图像检索的研究方法 164

3．2 空间压缩域技术 166

3．2．1 矢量量化 166

3．2．2 分形编码 169

3．2．3 预测编码 171

3．3 变换压缩域技术 172

3．3．1 基于DFT压缩域 172

3．3．2 基于DCT压缩域 173

3．3．3 基于小波压缩域 181

3．3．4 基于K-L变换域 186

3．4 空间域和变换域的融合检索 188

3．5 DCT压缩域内的纹理特征 189

3．5．1 复杂度的定义 190

3．5．2 复杂度直方图 191

3．6 DCT压缩域内的形状特征 193

3．6．1 理想边缘模型DCT块的分类 193

3．6．2 空间边缘分布特征的提取 195

参考文献 196

第4章 视觉注意计算模型 205

4．1 概述 205

4．1．1 人类视觉系统 205

4．1．2 视觉系统理论 207

4．1．3 研究现状 214

4．2 基于特征加权的视觉注意计算模型 219

4．2．1 模型实现过程 219

4．2．2 物体识别实验 223

4．2．3 物体搜索实验 226

4．3 基于高斯混合的视觉注意计算模型 229

4．3．1 高斯混合模型 230

4．3．2 基于GMM的视觉注意计算模型 232

4．3．3 实验与分析 236

4．4 基于CIELab的视觉注意计算模型 239

4．4．1 模型实现过程 240

4．4．2 实验与分析 245

参考文献 255

第5章 自动图像标注技术 261

5．1 概述 261

5．1．1 自动图像标注概述及研究意义 261

5．1．2 自动图像标注的关键问题 264

5．2 图像视觉特征选择 265

5．2．1 视觉特征选择 265

5．2．2 视觉特征加权 266

5．3 自动图像标注模型 273

5．3．1 基于生成模型的标注方法 273

5．3．2 基于判别模型的标注方法 279

5．3．3 基于多示例学习的标注方法 289

参考文献 314

第6章 子空间特征提取技术 321

6．1 概述 321

6．1．1 降维原因 321

6．1．2 子空间特征提取方法的形式化描述及分类 323

6．2 经典的子空间特征提取方法 324

6．2．1 线性方法 324

6．2．2 核方法 326

6．2．3 流形方法 328

6．2．4 半监督方法 333

6．2．5 张量方法 334

6．2．6 图嵌入框架 334

6．3 基于自适应近邻图嵌入的局部鉴别投影方法 339

6．3．1 方法提出的背景 339

6．3．2 LFDA 339

6．3．3 LADP 342

6．4 基于对角图像的模糊线性鉴别分析 347

6．4．1 方法提出的背景 347

6．4．2 FLDA 347

6．4．3 对角图像 353

6．4．4 DiaFLDA 354

6．5 DCT域内拉普拉斯值排序的子空间特征提取方法 357

6．5．1 方法提出的背景 357

6．5．2 离散余弦变换（DCT） 357

6．5．3 局部保持能力判据 359

6．5．4 DCT/LS+LPP 361

参考文献 362

本书对基于内容的图像检索（Content-Based Image Retrieval，CBIR）技术的基本原理、图像特征提取与检索方法进行了比较详细的介绍和讨论，并融入了作者多年来的相关研究成果。本书共有6章，第1章介绍了CBIR的发展与现状、研究内容及涉及的关键技术，第2章介绍了图像低层特征的提取与表达技术，第3章介绍了基于压缩域的图像检索技术，第4章介绍了视觉注意计算模型，第5章介绍了自动图像标注技术，第6章介绍了子空间特征提取技术。