图像检索的开题报告

④ 跪求一个基于纹理特征的图像检索技术的 matlab程序 ！急急急！可以发送到邮箱[email protected]

请查阅graycomatrix和graycoprops这两个函数，得到纹理特征后与你的模板相匹配就行了

⑤ 用matlab实现图像检索的程序

弱弱的问一下，1:1:r1这里r1的值多少，循环执行了么？

⑥ 想问下您风格类的开题报告怎么写 我想你应该有能发个不 55555

看资料 我才写过 呵呵 巧啊 南京邮电大学通达学院毕业设计(论文)开题报告
题 目 图像感兴趣区域提取算法与实现
学生姓名 某某 班级学号 专业
1. 对指导教师下达的课题任务的学习与理解
图像中包含了大量内容，然而人们通常只关心其中一部分内容，由此引出“感兴趣区域”(Region of Interest)的概念。感兴趣区域是图像中最能引起观察者兴趣、最能表现图像内容的区域，它含有的信息量最大，用这些区域就足以描述整幅图像的内容。近年来，如何根据具体的应用背景，从图像中提取出感兴趣区域，成为图像研究的一个热点。例如，JPEG2000编码方案中支持感兴趣区域编码，通过对图像中感兴趣区域与背景区域采用不同的编码方法，既保证图像重建质量又提高压缩效果。本课题主要对一些常用的图像感兴趣区域提取算法进行分析，并用C++语言编程实现。
2.阅读文献资料进行调研的综述
数字图像处理的主要研究内容，根据其主要的处理流程与处理目标大致可
以分为图像信息的采集、图像信息的描述、图像信息的处理、图像信息的分析、
图像信息的编码以及图像信息的显示等几个方面。
(l)图像的采集与量化
图像的采集与量化是图像数字化(即将连续图像离散化)的两个基本过程。
用图像传感器将光信号转换成表示亮度的电信号，再通过模数转换器(A/O)
量化成离散信号以便于计算机进行各种处理。
(2)图像增强
图像增强的主要目的有两个:一是改善图像的视觉效果，提高图像成分的
清晰度;一几是使图像变得史利J几云}1算机的处理，如锐化处理可突出图像边缘轮
廓线，编程控制计算机进行跟踪，便可作特征分析。空间域法和频率域法是图
像增强的主要方法。
(3)图像儿何变换
图像儿何变换的日的是改变一幅图像的大小或形状。例如，通过进行平移、
旋转、放大、缩小、镜像等，可以进辛丁两幅以_L图像内容的配准，以便于进行
图像之间内容的对比检测。另外，对J几图像中景物的儿何畸变进行校正，对图
像中的目标物大小测量等，大多也需要图像儿何变换的处理环节。
(4)图像恢复
图像恢熨的目的是将退化了的以及模糊了的图像的原有信息进行恢复，以
达到清晰化的Fl的。图像退化是指图像经过长时间的保存之后，因发生化学反
应而使画面的颜色以及对比度发生退化改变、因噪声污染等导致画面退化、因
为现场的亮暗范围太大，导致暗区或者高光区信息退化等一系列现象。图像的
模糊则常常是因为运动以及拍摄时镜头的故热等原囚所导致的。无论是图像的
退化还是图像的模糊，木质上都是原始信息部分去失、原始信息相h_李昆肴、或
华东师范人学博十学位沦文第一章绪沦
者原始信息、与外来信J息、的相互7昆叠所造成的，因此，根据退化模糊产生原因的
不同，采用不同的图像恢复方法即可达到图像清晰化的目的。
(5)图像重建
图像重建的目的是根据二维平面图像数据构造出三维物体的图像。例如，
在医学影像技术中的CT成像技术，就是将多幅断层二维平面数据重建成可描述
人体组织器官三维结构的图像。
(6)图像隐藏
图像隐藏的日的是将一幅图像或者某些可数字化的媒体信息隐藏在一幅图
像中。在保密通信中，将需要保密的图像在不增加数据量的前提下，隐藏在一
幅可公开的图像之中，同时要求达到不可见性及抗干扰性。图像隐藏技术目前
有一个非常重要的拓展应用，就是数字水印技术。数字水印在维护数字媒体版
权方面起着非常重要的作用。
(7)图像变换
图像变换是指通过一种数学映射的方法，将空域中的图像信息转换到如频
域、时域等空间_「进行分析的数学手段。最常用的变换有傅立叶变换、小波变
换等。通过二维傅立叶变换可以进行图像的频率特性的分析。通过小波变换，
则可以将图像进行多频段分解，不同频段进行不同的处理。
(8)图像编码与压缩
图像编码的目的是简化图像的表示方式，压缩表示图像的数据，以便于存
储和传输。图像编码L要是对图像数据进行):1、缩。因为图像信息具有较强的相
关特性，因此通过改变图像数据的表示方法，可对图像的数据冗余进行)_i4-缩。
另外，利用人类的视觉特性，可对图像的视觉冗余进行压缩。由此来达到减小
描述图像的数据量的}j的。
(9)图像识别古J理解
所谓图像识别‘J理解是指通过对图像中各种不同的物体特征进行定量化描
述之后，将所期望获得的日标物进行提取，并1土对所提出的LJ标物进行一定的
定量分析。要达到这个目的，必须要实现对图像内容的理解，以及对特定日标
的识别。因此，其核心就是要依据目标物的形状、纹理以及颜色等特征对图像
进行区域分割，获得期望目标所在的局部区域。
3.根据任务书的任务及文献调研结果，初步拟定的执行（实施）方案（含具体进度计划）
进度计划
第一阶段（第七学期第十二-十九周）：熟悉C++编程语言及Visual Studio2005开发环境；查阅文献、分析理解常用的图像感兴趣区域提取算法。
第二阶段（第八学期第一-九周）：选取两至三种图像感兴趣区域提取算法，用C++语言编程实现。
第三阶段（第八学期第十-十一周）：分析这些算法的性能。
第四阶段（第八学期第十二周-十四周）：撰写论文。
参考文献
Rafael Gonzalez, Richard Woodss. 数字图像处理（第二版）英文版. 电子工业出版社，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. 静态图像感兴趣区域提取关键技术研究[D]:[硕士]. 天津大学,2007.
4. 陆伟, 倪林. 利用颜色和熵提取感兴趣区域的感性图像检索[J].中国图象图形学报，2006, 11(4): 492-497.
郑剑锋. 基于感兴趣区域的图像分割及其在图像检索中的应用[D]:[硕士]. 上海交通大学,2008.

⑦ 基于小波变换的图像检索 opencv

我试了,加载图像的时候强制转换成灰度图像 IplImage* img = cvLoadImage("fruit.jpg",0);cvCvtColor(img,gray,CV_RGB2GRAY);才能转换成功。 你的main写错了。。。。

⑧ 各位IT大神们，小弟求助啊！明天开题报告：图像检索系统，怎么用数据库来结合CBIR怎么实现

图像检索系统

我
指导
你

⑨ 基于内容的图像检索的特征提取

基本体整体趋包含颜色、纹理、平面空间对应关系、外形，或者其他统计特征。 图像特征的提取与表达是基于内容的图像检索技术的基础。从广义上讲，图像的特征包括基于文本的特征（如关键字、注释等）和视觉特征（如色彩、纹理、形状、对象表面等）两类。视觉特征又可分为通用的视觉特征和领域相关的视觉特征。前者用于描述所有图像共有的特征，与图像的具体类型或内容无关，主要包括色彩、纹理和形状；后者则建立在对所描述图像内容的某些先验知识（或假设）的基础上，与具体的应用紧密有关，例如人的面部特征或指纹特征等。 颜色是彩色图像最底层、最直观的物理特征，通常对噪声，图像质量的退化，尺寸、分辨率和方向等的变化具有很强的鲁棒性，是绝大多数基于内容的图像和视频检索的多媒体数据库中使用的特征之一。颜色特征的描述方法主要有以下四种：
颜色直方图(ColorHistogram)
它是最简单也是最常用的颜色特征，描述了图像颜色的统计分布特性，具有平移、尺度、旋转不变性。其核心思想是在颜色空间中采用一定的量化方法对颜色进行量化，然后统计每一个量化通道在整幅图像中所占的比重。
常用的颜色空间有RGB，CIE，HSI，HSV空间等，主要的量化方法有最重要信息位、颜色空间划分、颜色空间聚类、参考颜色、图像分割等，文献中讨论了对这些方法进行了讨论和总结。 由于颜色直方图缺乏颜色的空间分布信息，改进的方法包括在颜色索引时加入空间位置信息和基于区域的颜色查询。最简单的方法是子窗口直方图法，即将图像分割成子图像，一一建立索引。另一文献中将图像分成了大小相等的九个子图像，然后统计每个子图像中的颜色直方图。
颜色相关图(ColorCorrelogram)
其主要思想是用颜色对相对于距离的分布来描述信息，它反映了像素对的空间相关性，以及局部像素分布和总体像素分布的相关性，并且容易计算，特征范围小，效果好。
颜色矩(ColorMoment)
其基本思想是在颜色直方图的基础上计算出每个颜色通的均值、方差、偏差，用这些统计量替代颜色的分布来表示颜色特征。它具有特征量少，处理简单的特点。
颜色一致性矢量(Color Coherence Vectors, CCV)
本质上是一种引入空间信息改进的直方图算法，统计了图像中各颜色最大区域的像素数量。通过分离开一致性像素和非一致性像素，比直方图算法具有更好的区别效果。 纹理是图像的重要特征之一，通常定义为图像的某种局部性质，或是对局部区域中像素之间关系的一种度量，其本质是刻画像素的邻域灰度空间分布规律。纹理特征描述方法大致可以分为四类：统计法、结构法、模型法、频谱法。
统计法
统计法分析纹理的主要思想是通过图像中灰度级分布的随机属性来描述纹理特征。最简单的统计法是借助于灰度直方图的矩来描述纹理，但这种方法没有利用像素相对位置的空间信息。
为了利用这些信息，Haralick 等人提出了用共生矩阵来表示纹理特征。 该方法研究了纹理的空间灰度级相关性，构造出一个基于图像像素间方向和距离的共生矩阵，并且从矩阵中提取出反差、能量、熵、相关等统计量作为特征量表示纹理特征。
Tamura 等人基于人类视觉的心理学研究后提出了一些不同的方法来描述纹理特征，给出了几个不同的描述纹理特征的术语：粗糙度(Coarseness) 、对比度(Contrast) 、方向(Directionality) 、线性度(Linelikeness) 、规则度(Regularity) 、粗略度(Roughness) 等。Tamura 纹理和共生矩阵表示的主要区别在于:前者的所有纹理属性都是视觉意义上的，而后者的某些纹理属性不具有视觉意义(如信息熵) 。这一特点使得Tamura 的纹理表示在图像检索中使用得较多。QBIC 和MARS都进一步证明了这种表示方法。
结构法
结构法分析纹理的基本思想是假定纹理模式由纹理基元以一定的、有规律的形式重复排列组合而成，特征提取就变为确定这些基元并定量分析它们的排列规则。Carlucci曾提出一个使用直线段、开放多边形和封闭多边形作为纹理基元的纹理模型，其排列规则由一种图状语法结构定义。 Lu and Fu给过一种树型语法结构表示纹理，他们将纹理按照9 ×9 的窗口进行分割，每个分解单元的空间结构表示为一棵树。 因为实际的纹理大都是无规则的，因此结构法受到很大限制。
模型法
模型法利用一些成熟的图像模型来描述纹理，如基于随机场统计学的马尔可夫随机场、子回归模型，以及在此基础上产生的多尺度子回归模型 (MultiResolution Simultaneous Autoregressive, MRSA) 等。这些模型的共同特点是通过少量的参数表征纹理。MRSA 区分不同纹理模式的能力较强，但同时计算开销也较大。
频谱法
频谱法借助于频率特性来描述纹理特征，包括傅里叶功率谱法 、Gabor 变换 、塔式小波变换( Pyramid Wavelet Transform ，PWT) 、树式小波变换( Tree Wavelet Transform，TWT) 等方法。Manjunath and Ma 实验指出， Gabor 特征提供了最佳的模式检索精度，检索性能优于TWT 和PWT，略微优于MRSA ，缺点是计算速度慢，其旋转不变性和尺度不变性仍有待讨论。 形状是刻画物体最本质的特征，也是最难描述的图像特征之一，主要难在对图像中感兴趣目标的分割。对形状特征的提取主要是寻找一些几何不变量。目前用于图像检索的形状描述方法主要有两类:基于边缘和基于区域的形状方法。前者利用图像的边缘信息，而后者则利用区域内的灰度分布信息。
基于边缘
基于边缘的形状特征提取是在边缘检测的基础上，用面积、周长、偏心率、角点、链码、兴趣点、傅里叶描述子、矩描述子等特征来描述物体的形状，适用于图像边缘较为清晰、容易获取的图像。文献[16]首先对图像进行了高斯平滑，接着使用经典的兴趣点检测算法发现兴趣点，然后用兴趣点的测度值作为图像特征进行匹配。文献 提出将图像边缘上的角点作为特征点，然后使用Delaunay三角形进行划分，记录三角形的形状特征来描述图像的形状特征。这种方法由于是基于边缘上的一些特殊点，因此对噪声和点位置的变化较为敏感。文献采用边缘方向直方图来刻画形状特征，具有简单、平移不变性等优点，但也存在不具备尺度、旋转不变性等缺点。
基于区域
基于区域的形状特征提取的主要思路是通过图像分割技术提取出图像中感兴趣的物体，依靠区域内像素的颜色分布信息提取图像特征，适合于区域能够较为准确地分割出来、区域内颜色分布较为均匀的图像。文献应用变形模板技术，把用户提供的形状看作模板，与图像库中的形状进行匹配。由于是直接比较两个形状，因此具有较高的精度，但同时计算量也较大。 文献提出了一种形状弹性匹配算法，首先确定感兴趣区域，在这些区域中采用爬山优化算法获取图像边缘，并用这些边缘代表物体形状。 这种方法的优点是对图像边缘进行了筛选，缺点是需要人工干预。近年来，基于区域的图像检索方法已经成为基于内容的图像检索的一大研究热点。