圖像檢索的開題報告

④ 跪求一個基於紋理特徵的圖像檢索技術的 matlab程序 ！急急急！可以發送到郵箱[email protected]

請查閱graycomatrix和graycoprops這兩個函數，得到紋理特徵後與你的模板相匹配就行了

⑤ 用matlab實現圖像檢索的程序

弱弱的問一下，1:1:r1這里r1的值多少，循環執行了么？

⑥ 想問下您風格類的開題報告怎麼寫 我想你應該有能發個不 55555

看資料 我才寫過 呵呵 巧啊 南京郵電大學通達學院畢業設計(論文)開題報告
題 目 圖像感興趣區域提取演算法與實現
學生姓名 某某 班級學號 專業
1. 對指導教師下達的課題任務的學習與理解
圖像中包含了大量內容，然而人們通常只關心其中一部分內容，由此引出「感興趣區域」(Region of Interest)的概念。感興趣區域是圖像中最能引起觀察者興趣、最能表現圖像內容的區域，它含有的信息量最大，用這些區域就足以描述整幅圖像的內容。近年來，如何根據具體的應用背景，從圖像中提取出感興趣區域，成為圖像研究的一個熱點。例如，JPEG2000編碼方案中支持感興趣區域編碼，通過對圖像中感興趣區域與背景區域採用不同的編碼方法，既保證圖像重建質量又提高壓縮效果。本課題主要對一些常用的圖像感興趣區域提取演算法進行分析，並用C++語言編程實現。
2.閱讀文獻資料進行調研的綜述
數字圖像處理的主要研究內容，根據其主要的處理流程與處理目標大致可
以分為圖像信息的採集、圖像信息的描述、圖像信息的處理、圖像信息的分析、
圖像信息的編碼以及圖像信息的顯示等幾個方面。
(l)圖像的採集與量化
圖像的採集與量化是圖像數字化(即將連續圖像離散化)的兩個基本過程。
用圖像感測器將光信號轉換成表示亮度的電信號，再通過模數轉換器(A/O)
量化成離散信號以便於計算機進行各種處理。
(2)圖像增強
圖像增強的主要目的有兩個:一是改善圖像的視覺效果，提高圖像成分的
清晰度;一幾是使圖像變得史利J幾雲}1算機的處理，如銳化處理可突出圖像邊緣輪
廓線，編程式控制制計算機進行跟蹤，便可作特徵分析。空間域法和頻率域法是圖
像增強的主要方法。
(3)圖像兒何變換
圖像兒何變換的日的是改變一幅圖像的大小或形狀。例如，通過進行平移、
旋轉、放大、縮小、鏡像等，可以進辛丁兩幅以_L圖像內容的配准，以便於進行
圖像之間內容的對比檢測。另外，對J幾圖像中景物的兒何畸變進行校正，對圖
像中的目標物大小測量等，大多也需要圖像兒何變換的處理環節。
(4)圖像恢復
圖像恢熨的目的是將退化了的以及模糊了的圖像的原有信息進行恢復，以
達到清晰化的Fl的。圖像退化是指圖像經過長時間的保存之後，因發生化學反
應而使畫面的顏色以及對比度發生退化改變、因雜訊污染等導致畫面退化、因
為現場的亮暗范圍太大，導致暗區或者高光區信息退化等一系列現象。圖像的
模糊則常常是因為運動以及拍攝時鏡頭的故熱等原囚所導致的。無論是圖像的
退化還是圖像的模糊，木質上都是原始信息部分去失、原始信息相h_李昆餚、或
華東師范人學博十學位淪文第一章緒淪
者原始信息、與外來信J息、的相互7昆疊所造成的，因此，根據退化模糊產生原因的
不同，採用不同的圖像恢復方法即可達到圖像清晰化的目的。
(5)圖像重建
圖像重建的目的是根據二維平面圖像數據構造出三維物體的圖像。例如，
在醫學影像技術中的CT成像技術，就是將多幅斷層二維平面數據重建成可描述
人體組織器官三維結構的圖像。
(6)圖像隱藏
圖像隱藏的日的是將一幅圖像或者某些可數字化的媒體信息隱藏在一幅圖
像中。在保密通信中，將需要保密的圖像在不增加數據量的前提下，隱藏在一
幅可公開的圖像之中，同時要求達到不可見性及抗干擾性。圖像隱藏技術目前
有一個非常重要的拓展應用，就是數字水印技術。數字水印在維護數字媒體版
權方面起著非常重要的作用。
(7)圖像變換
圖像變換是指通過一種數學映射的方法，將空域中的圖像信息轉換到如頻
域、時域等空間_「進行分析的數學手段。最常用的變換有傅立葉變換、小波變
換等。通過二維傅立葉變換可以進行圖像的頻率特性的分析。通過小波變換，
則可以將圖像進行多頻段分解，不同頻段進行不同的處理。
(8)圖像編碼與壓縮
圖像編碼的目的是簡化圖像的表示方式，壓縮表示圖像的數據，以便於存
儲和傳輸。圖像編碼L要是對圖像數據進行):1、縮。因為圖像信息具有較強的相
關特性，因此通過改變圖像數據的表示方法，可對圖像的數據冗餘進行)_i4-縮。
另外，利用人類的視覺特性，可對圖像的視覺冗餘進行壓縮。由此來達到減小
描述圖像的數據量的}j的。
(9)圖像識別古J理解
所謂圖像識別『J理解是指通過對圖像中各種不同的物體特徵進行定量化描
述之後，將所期望獲得的日標物進行提取，並1土對所提出的LJ標物進行一定的
定量分析。要達到這個目的，必須要實現對圖像內容的理解，以及對特定日標
的識別。因此，其核心就是要依據目標物的形狀、紋理以及顏色等特徵對圖像
進行區域分割，獲得期望目標所在的局部區域。
3.根據任務書的任務及文獻調研結果，初步擬定的執行（實施）方案（含具體進度計劃）
進度計劃
第一階段（第七學期第十二-十九周）：熟悉C++編程語言及Visual Studio2005開發環境；查閱文獻、分析理解常用的圖像感興趣區域提取演算法。
第二階段（第八學期第一-九周）：選取兩至三種圖像感興趣區域提取演算法，用C++語言編程實現。
第三階段（第八學期第十-十一周）：分析這些演算法的性能。
第四階段（第八學期第十二周-十四周）：撰寫論文。
參考文獻
Rafael Gonzalez, Richard Woodss. 數字圖像處理（第二版）英文版. 電子工業出版社，北京，2002.
2. Claudio M. Privitera, Lawrence W. Stark. Evaluating image processing algorithms that predict regions of interest[J]. Pattern Recognition Letters, 1998(19):1037-1043.
3. 李超. 靜態圖像感興趣區域提取關鍵技術研究[D]:[碩士]. 天津大學,2007.
4. 陸偉, 倪林. 利用顏色和熵提取感興趣區域的感性圖像檢索[J].中國圖象圖形學報，2006, 11(4): 492-497.
鄭劍鋒. 基於感興趣區域的圖像分割及其在圖像檢索中的應用[D]:[碩士]. 上海交通大學,2008.

⑦ 基於小波變換的圖像檢索 opencv

我試了,載入圖像的時候強制轉換成灰度圖像 IplImage* img = cvLoadImage("fruit.jpg",0);cvCvtColor(img,gray,CV_RGB2GRAY);才能轉換成功。 你的main寫錯了。。。。

⑧ 各位IT大神們，小弟求助啊！明天開題報告：圖像檢索系統，怎麼用資料庫來結合CBIR怎麼實現

圖像檢索系統

我
指導
你

⑨ 基於內容的圖像檢索的特徵提取

基本體整體趨包含顏色、紋理、平面空間對應關系、外形，或者其他統計特徵。 圖像特徵的提取與表達是基於內容的圖像檢索技術的基礎。從廣義上講，圖像的特徵包括基於文本的特徵（如關鍵字、注釋等）和視覺特徵（如色彩、紋理、形狀、對象表面等）兩類。視覺特徵又可分為通用的視覺特徵和領域相關的視覺特徵。前者用於描述所有圖像共有的特徵，與圖像的具體類型或內容無關，主要包括色彩、紋理和形狀；後者則建立在對所描述圖像內容的某些先驗知識（或假設）的基礎上，與具體的應用緊密有關，例如人的面部特徵或指紋特徵等。 顏色是彩色圖像最底層、最直觀的物理特徵，通常對雜訊，圖像質量的退化，尺寸、解析度和方向等的變化具有很強的魯棒性，是絕大多數基於內容的圖像和視頻檢索的多媒體資料庫中使用的特徵之一。顏色特徵的描述方法主要有以下四種：
顏色直方圖(ColorHistogram)
它是最簡單也是最常用的顏色特徵，描述了圖像顏色的統計分布特性，具有平移、尺度、旋轉不變性。其核心思想是在顏色空間中採用一定的量化方法對顏色進行量化，然後統計每一個量化通道在整幅圖像中所佔的比重。
常用的顏色空間有RGB，CIE，HSI，HSV空間等，主要的量化方法有最重要信息位、顏色空間劃分、顏色空間聚類、參考顏色、圖像分割等，文獻中討論了對這些方法進行了討論和總結。 由於顏色直方圖缺乏顏色的空間分布信息，改進的方法包括在顏色索引時加入空間位置信息和基於區域的顏色查詢。最簡單的方法是子窗口直方圖法，即將圖像分割成子圖像，一一建立索引。另一文獻中將圖像分成了大小相等的九個子圖像，然後統計每個子圖像中的顏色直方圖。
顏色相關圖(ColorCorrelogram)
其主要思想是用顏色對相對於距離的分布來描述信息，它反映了像素對的空間相關性，以及局部像素分布和總體像素分布的相關性，並且容易計算，特徵范圍小，效果好。
顏色矩(ColorMoment)
其基本思想是在顏色直方圖的基礎上計算出每個顏色通的均值、方差、偏差，用這些統計量替代顏色的分布來表示顏色特徵。它具有特徵量少，處理簡單的特點。
顏色一致性矢量(Color Coherence Vectors, CCV)
本質上是一種引入空間信息改進的直方圖演算法，統計了圖像中各顏色最大區域的像素數量。通過分離開一致性像素和非一致性像素，比直方圖演算法具有更好的區別效果。 紋理是圖像的重要特徵之一，通常定義為圖像的某種局部性質，或是對局部區域中像素之間關系的一種度量，其本質是刻畫像素的鄰域灰度空間分布規律。紋理特徵描述方法大致可以分為四類：統計法、結構法、模型法、頻譜法。
統計法
統計法分析紋理的主要思想是通過圖像中灰度級分布的隨機屬性來描述紋理特徵。最簡單的統計法是藉助於灰度直方圖的矩來描述紋理，但這種方法沒有利用像素相對位置的空間信息。
為了利用這些信息，Haralick 等人提出了用共生矩陣來表示紋理特徵。 該方法研究了紋理的空間灰度級相關性，構造出一個基於圖像像素間方向和距離的共生矩陣，並且從矩陣中提取出反差、能量、熵、相關等統計量作為特徵量表示紋理特徵。
Tamura 等人基於人類視覺的心理學研究後提出了一些不同的方法來描述紋理特徵，給出了幾個不同的描述紋理特徵的術語：粗糙度(Coarseness) 、對比度(Contrast) 、方向(Directionality) 、線性度(Linelikeness) 、規則度(Regularity) 、粗略度(Roughness) 等。Tamura 紋理和共生矩陣表示的主要區別在於:前者的所有紋理屬性都是視覺意義上的，而後者的某些紋理屬性不具有視覺意義(如信息熵) 。這一特點使得Tamura 的紋理表示在圖像檢索中使用得較多。QBIC 和MARS都進一步證明了這種表示方法。
結構法
結構法分析紋理的基本思想是假定紋理模式由紋理基元以一定的、有規律的形式重復排列組合而成，特徵提取就變為確定這些基元並定量分析它們的排列規則。Carlucci曾提出一個使用直線段、開放多邊形和封閉多邊形作為紋理基元的紋理模型，其排列規則由一種圖狀語法結構定義。 Lu and Fu給過一種樹型語法結構表示紋理，他們將紋理按照9 ×9 的窗口進行分割，每個分解單元的空間結構表示為一棵樹。 因為實際的紋理大都是無規則的，因此結構法受到很大限制。
模型法
模型法利用一些成熟的圖像模型來描述紋理，如基於隨機場統計學的馬爾可夫隨機場、子回歸模型，以及在此基礎上產生的多尺度子回歸模型 (MultiResolution Simultaneous Autoregressive, MRSA) 等。這些模型的共同特點是通過少量的參數表徵紋理。MRSA 區分不同紋理模式的能力較強，但同時計算開銷也較大。
頻譜法
頻譜法藉助於頻率特性來描述紋理特徵，包括傅里葉功率譜法 、Gabor 變換 、塔式小波變換( Pyramid Wavelet Transform ，PWT) 、樹式小波變換( Tree Wavelet Transform，TWT) 等方法。Manjunath and Ma 實驗指出， Gabor 特徵提供了最佳的模式檢索精度，檢索性能優於TWT 和PWT，略微優於MRSA ，缺點是計算速度慢，其旋轉不變性和尺度不變性仍有待討論。 形狀是刻畫物體最本質的特徵，也是最難描述的圖像特徵之一，主要難在對圖像中感興趣目標的分割。對形狀特徵的提取主要是尋找一些幾何不變數。目前用於圖像檢索的形狀描述方法主要有兩類:基於邊緣和基於區域的形狀方法。前者利用圖像的邊緣信息，而後者則利用區域內的灰度分布信息。
基於邊緣
基於邊緣的形狀特徵提取是在邊緣檢測的基礎上，用面積、周長、偏心率、角點、鏈碼、興趣點、傅里葉描述子、矩描述子等特徵來描述物體的形狀，適用於圖像邊緣較為清晰、容易獲取的圖像。文獻[16]首先對圖像進行了高斯平滑，接著使用經典的興趣點檢測演算法發現興趣點，然後用興趣點的測度值作為圖像特徵進行匹配。文獻 提出將圖像邊緣上的角點作為特徵點，然後使用Delaunay三角形進行劃分，記錄三角形的形狀特徵來描述圖像的形狀特徵。這種方法由於是基於邊緣上的一些特殊點，因此對雜訊和點位置的變化較為敏感。文獻採用邊緣方向直方圖來刻畫形狀特徵，具有簡單、平移不變性等優點，但也存在不具備尺度、旋轉不變性等缺點。
基於區域
基於區域的形狀特徵提取的主要思路是通過圖像分割技術提取出圖像中感興趣的物體，依靠區域內像素的顏色分布信息提取圖像特徵，適合於區域能夠較為准確地分割出來、區域內顏色分布較為均勻的圖像。文獻應用變形模板技術，把用戶提供的形狀看作模板，與圖像庫中的形狀進行匹配。由於是直接比較兩個形狀，因此具有較高的精度，但同時計算量也較大。 文獻提出了一種形狀彈性匹配演算法，首先確定感興趣區域，在這些區域中採用爬山優化演算法獲取圖像邊緣，並用這些邊緣代表物體形狀。 這種方法的優點是對圖像邊緣進行了篩選，缺點是需要人工干預。近年來，基於區域的圖像檢索方法已經成為基於內容的圖像檢索的一大研究熱點。