大學(xué)本科畢業(yè)論文(設(shè)計)開題報告
學(xué)院:計算機科學(xué)與技術(shù) 專業(yè)班級: 08計算機科學(xué)與技術(shù)3班
課題名稱 數(shù)字圖像個性化檢索系統(tǒng)
1.本課題的的研究目的和意義:
基于內(nèi)容的圖像檢索,即CBIR(Content-based image retrieval),是計算機視覺領(lǐng)域中關(guān)注大規(guī)模數(shù)字圖像內(nèi)容檢索的研究分支。基于內(nèi)容的圖像檢索的研究還涉及了圖像處理 (Image Processing)、圖像檢索 (Image Retrieval)等多個研究領(lǐng)域。
簡單的CBIR系統(tǒng),允許用戶輸入一張圖片,以查找具有相同或相似內(nèi)容的其他圖片。而傳統(tǒng)的圖像檢索是基于文本的,即通過圖片的名稱、文字信息和索引關(guān)系來實現(xiàn)查詢功能。用戶輸入一串文字,檢索系統(tǒng)給出與該文字直接相關(guān)
……(新文秘網(wǎng)http://jey722.cn省略554字,正式會員可完整閱讀)……
于兩個關(guān)鍵技術(shù)的解決:圖像特征提取和匹配。
圖像特征提取分為兩類:①低層視覺,其內(nèi)容主要包括顏色、形狀、紋理等;②語義內(nèi)容,它包含高層的概念級反應(yīng)(如“海上升明月”),需要對物體進行識別和解釋,往往要借助人類的知識推理。由于目前計算機視覺和圖像理解的發(fā)展水平所限,使得CBIR還無法真正支持基于語義的圖像檢索,所以目前研究得較多也比較成熟的檢索算法大部分是基于圖像的低層特征的,即利用圖像的顏色、紋理、形狀等特征來檢索。[3]提取后的圖像特征數(shù)據(jù)需要經(jīng)過索引、降維等處理。首先,圖像由特征向量表示,而這些特征向量一般都是高維向量, 在龐大的圖像數(shù)據(jù)庫中,對高維向量進行順序比較的過程是相當(dāng)費時的。在實際應(yīng)用過程中, 為了讓基于CBIR的圖像檢索系統(tǒng)能夠真正適合大型的圖像數(shù)據(jù)庫, 提高檢索效率,盡可能減少查詢時的特征矢量比較時間,往往將降維技術(shù)和多維索引技術(shù)結(jié)合起來。
圖像相似度是指人類對圖像內(nèi)容認識上(即語義)的差異,導(dǎo)致通過計算查詢樣圖和候選圖像之間在視覺特征上存在距離。如果這個距離滿足一定條件,我們則可以說這兩圖像相似度匹配。當(dāng)然,如果能將語義特征和視覺特征結(jié)合起來, 相似度匹配程度會更高,檢索結(jié)果會更讓人滿意,但這是目前研究的一大難題。
3.本課題的主要研究內(nèi)容(提綱)和成果形式:
實現(xiàn)基于顏色直方圖的特征提取方法,包含各種改進的顏色直方圖方法;
實現(xiàn)基于形狀的檢索方法;
實現(xiàn)基于紋理的檢索方法;
結(jié)果形式:MFC項目
4.?dāng)M解決的關(guān)鍵問題:
熟悉掌握opencv
熟悉MFC編程
熟悉基于內(nèi)容的圖像檢索的基本方法
熟悉掌握基于顏色的圖像檢索的基本方法
5.研究思路、方法和步驟:
基于內(nèi)容的圖像檢索主要包括基于顏色,基于形狀,基于紋理等,
其中基于顏色的圖像檢索主要包括方法有顏色直方圖,累加顏色直方圖,顏色矩,顏色集等
步驟
先掌握opencv技術(shù),這是本課題的核心,本課題的所有方法都需要基于opencv的基礎(chǔ)上完成,然后首先完成顏色直方圖的方法,這是基于顏色的圖像檢索最基本的方法,然后在其基礎(chǔ)上完成累加顏色直方圖方法,最后在做顏色矩和顏色集
6.本課題的進度安排:
2012.2-2012.3 熟悉OpenCV開發(fā)工具和MSVC6編程環(huán)境;
2012.3-2012.4 完成數(shù)字圖像的預(yù)處理,包括濾波、分割等;
2012.4-2012.5 完成基于形狀、紋理與顏色的圖像檢索編程工作;
2012.5-2012.6 調(diào)試程序,統(tǒng)計分析檢索結(jié)果;
2012.6 撰寫
論文,準(zhǔn)備答辯。
7.參考文獻:
邊肇祺,張學(xué)工。模式識別[M]。北京:清華大學(xué)出版社,1999
劉瑞禎,于仕琪等,OpenCV教程[M].北京航空航天大學(xué)出版社,2007
[美]岡薩雷斯 數(shù)字圖像處理[M] 阮秋琦阮宇 ……(未完,全文共2447字,當(dāng)前僅顯示1555字,請閱讀下面提示信息。
收藏《畢業(yè)論文開題報告:數(shù)字圖像個性化檢索系統(tǒng)》)