图像低层特征提取与检索技术

第1章 绪论

1.1 图像检索技术发展历程

1.1.1 基于文本的图像检索

1.1.2 基于内容的图像检索技术

1.2 基于内容图像检索技术研究内容

1.2.1 特征提取及匹配

1.2.2 索引机制

1.2.3 用户接口

1.3 国内外研究状况

1.3.1 国内外研究现状

1.3.2 国内外研究热点

1.4 CBIR技术应用

1.5 经典CBIR系统介绍

1.5.1 QBIC：

1.5.2 Virage

1.5.3 Photobook

1.5.4 VisualSEEK和WebSEEK

1.5.5 Blobworld

1.5.6 Netra

1.5.7 MARS

1.5.8 SIMPLIcity

1.5.9 其他系统

1.6 本书内容安排

参考文献

第2章 基于内容图像检索关键技术

2.1 CBIR的基本检索原理

2.2 图像内容及检索层次

2.2.1 图像内容

2.2.2 图像检索层次

2.3 常用的低层视觉特征描述方法

2.3.1 颜色特征

2.3.2 纹理特征

2.3.3 形状特征

2.3.4 MPEG－7中的图像特征描述符

2.4 特征匹配技术

2.4.1 计量定理

2.4.2 常用的匹配算法

2.4.3 精确查询与近似查询

2.5 性能评价准则

2.5.1 精确度和检索率

2.5.2 命中准确率

2.5.3 排序值评测法

2.5.4 ANMRR

2.5.5 前N个结果的正确率与检索率

参考文献

第3章 基于颜色特征的图像检索

3.1 引言

3.2 颜色空间

3.2.1 颜色基础

3.2.2 RGB颜色空间

3.2.3 HSV颜色空间

3.2.4 CIELab和CIELuv颜色空间

3.2.5 YCrCb颜色空间

3.3 颜色量化

3.3.1 颜色量化的定义

3.3.2 常用的颜色量化方法

3.4 全局颜色特征

3.4.1 颜色直方图

3.4.2 改进的颜色直方图方法

3.4.3 颜色不变量

3.4.4 图像主色

3.4.5 色调直方图

3.4.6 颜色矢量角直方图

3.4.7 颜色矩

3.4.8 颜色熵

3.4.9 改进的颜色熵及颜色矩

3.5 空间颜色特征

3.5.1 改进的颜色直方图法

3.5.2 颜色聚合向量

3.5.3 颜色相关图

3.5.4 局部颜色特征

3.6 颜色空间分布熵

3.6.1 环形颜色直方图

3.6.2 改进的环形颜色直方图

3.6.3 空间分布熵

3.6.4 加权颜色空间分布熵

3.6.5 消除孤立分布小颜色块的影响

3.7 位平面熵

3.7.1 位平面分解与位平面

3.7.2 位平面熵

3.8 位平面熵增强法

3.8.1 改进的位平面熵

3.8.2 空间分布熵

3.9 基于显著点的图像检索

3.9.1 块逆概率差(BDIP)模型及BDIP图像的提取

3.9.2 显著点提取算法

3.9.3 基于显著点的特征提取

参考文献

第4章 基于形状特征的图像检索

4.1 形状表达和描述

4.2 基于轮廓的描述方法

4.2.1 链码

4.2.2 傅里叶形状描述符

4.2.3 曲率尺度空间描述符

4.2.4 小波描述符

4.3 基于区域的描述方法

4.3.1 几何不变矩

4.3.2 Zemike矩

4.3.3 ART(AngularRadialTransformation)

4.3.4 通用傅里叶描述符

4.4 简单几何参数描述符

4.4.1 基于轮廓的方法

4.4.2 基于区域的方法

4.5 基于状态矩阵描述方法

4.5.1 状态矩阵定义

4.5.2 基于马尔可夫链形状特征提取

4.5.3 基于状态相关图的特征提取方法

4.6 基于平坦度及凹凸度的描述方法

4.6.1 平坦度及凹凸度定义

4.6.2 形状特征量化

4.7 基于信息熵的描述方法

4.7.1 图像信息熵定义

4.7.2 图像的单元熵

4.7.3 利用熵矩阵的特征值向量进行检索

4.7.4 利用熵矩阵的不变矩进行检索

4.7.5 算法特性

4.8 基于方向链码的描述方法

4.8.1 基于链码的形状检索

4.8.2 链码分布矢量(CCDV)

4.8.3 链码相关矢量(CCCV)

4.8.4 链码空间分布熵(CCSDE)

4.8.5 链码相关熵(CCRE)

4.8.6 综合特征描述

4.9 基于角点的描述方法

4.9.1 轮廓角点提取

4.9.2 基于内角的轮廓角点检测

4.9.3 基于链码局部直方图的角点检测

4.9.4 基于CSS的角点检测

4.9.5 改进的多尺度角点检测方法

4.9.6 角点检测算法比较

4.9.7 距离直方图

4.9.8 相对位置分布

4.9.9 相关单元熵

4.10 基于矩的轮廓描述方法

4.10.1 轮廓矩

4.10.2 Chen不变矩

4.10.3 边界序列矩

4.10.4 极半径不变矩

4.10.5 组合矩

参考文献

第5章 基于纹理特征的图像检索

5.1 图像的纹理描述

5.1.1 纹理及纹理特征的定义

5.1.2 常用的纹理分析方法

5.1.3 纹理的分类

5.1.4 纹理研究及应用领域

5.1.5 纹理描述存在的问题

5.2 统计法纹理分析

5.2.1 直方图的矩

5.2.2 二维灰度直方图

5.2.3 灰度共生矩阵

5.2.4 灰度.梯度共生矩阵

5.2.5 纹理谱

5.2.6 LBP算法

5.2.7 Laws纹理能量

5.2.8 数学形态学分析法

5.2.9 自相关函数法

5.2.10 Tamura纹理特征

5.2.11 灰度游程长度法

5.3 结构法纹理分析

5.3.1 结构法基本知识

5.3.2 纹理镶嵌

5.3.3 Voronoi多边形方法

5.3.4 其他方法

5.4 频谱法纹理分析

5.4.1 傅里叶变换法

5.4.2 贝塞尔.傅里叶变换法

5.4.3 小波变换法

5.4.4 Gabor变换法

5.5 模型法纹理分析

5.5.1 马尔可夫随机场模型法

5.5.2 Gibbs随机场模型法

5.5.3 自回归模型

5.5.4 多尺度自回归模型

5.5.5 基于分形模型

5.5.6 Wold模型法

5.6 纹理基元共生矩阵

5.6.1 方块编码算法

5.6.2 纹理基元的提取

5.6.3 纹理基元共生矩阵

参考文献

第6章 基于压缩域的图像检索

6.1 概述

6.1.1 图像压缩技术

6.1.2 静态图像压缩标准

6.1.3 压缩域图像检索原理

6.1.4 压缩域图像检索的研究内容

6.1.5 压缩域图像检索的研究方法

6.2 空间压缩域

6.2.1 基于矢量量化

6.2.2 分形编码

6.2.3 预测编码

6.3 变换压缩域

6.3.1 基于DFT变换域

6.3.2 基于DCT压缩域

6.3.3 基于小波压缩域

6.3.4 基于K.L变换域

6.4 空间域和变换域的融合检索

6.5 DCT压缩域内的纹理特征

6.5.1 复杂度的定义

6.5.2 复杂度直方图

6.6 DCT压缩域内的形状特征

6.6.1 理想边缘模型DCT。块的分类

6.6.2 空间边缘分布特征的提取

参考文献

第7章 高维索引技术

7.1 高维索引技术

7.2 高维索引技术发展趋势

7.2.1 向量近似方法

7.2.2 近似检索方法

7.2.3 并行索引方法

7.3 向量空间中的高维特性

7.4 维数灾难现象

7.4.1 查询代价模型

7.4.2 维数灾难现象的产生

7.5 基于矢量量化的向量近似方法

7.5.1 矢量量化

7.5.2 基于矢量量化技术的索引结构(CuiJ.T.etal2007，崔江涛2005)

7.5.3 码书长度分析与乘积码书法

7.5.4.近邻搜索算法

7.5.5 实验分析

7.6 二次式距离上基于SVD的高维索引方法

7.6.1 奇异值分解

7.6.2 索引结构

7.6.3 近邻搜索算法

7.7 多分辨率高维索引方法

7.7.1 基本原理

7.7.2 索引结构

7.7.3 近邻搜索算法

7.8 向量近似方法在相关反馈技术中的应用

7.8.1 二次式距离方法

7.8.2 核函数方法

7.8.3 改进的近邻搜索算法

7.9 高维索引技术评价准则

参考文献

附录A 基于轮廓的图像检索系统

A.1 系统框架

A.2 图像数据管理

A.3 系统实现

附录B 系统中本文算法实现代码

B.1 基于MCP的角点检测算法

B.2 组合矩算法

本书对基于内容的图像检索技术（CBIR）的基本原理、典型方法和研究进展进行了比较详细的介绍和讨论，并融入了作者多年宋的相关研究成果。本书层次分明，内容翔实，理论分析与算法实践相结合，力求实用。本书共7章：第1章介绍CBIR的体系结构、发展历程及发展趋势；第2章介绍CBIR所涉及的关键技术；第3～5章详细讨论了常用图像低层特征(颜色、形状、纹理)的提取与描述算法；第6～7章论述基于压缩域的图像检索技术及高维索引技术。书中各章共列出了400多篇有代表性的参考文献，附在各章的末尾，供读者参考。
　　本书可作为高等院校计算机科学、信号和信息处理、图书情报等专业的研究生或高年级本科生的专业基础课辅助教材，也可供广大从事模式识别、多媒体分析、信息检索等研究、应用和开发领域的科技工作者和高等院校师生参考。

《图像低层特征提取与检索技术》在论述CBIR技术时，重点放在图像低层特征（感知层特征）的提取及检索技术上。