特征提取是基于内容的图像检索(Content Based Image Retrieval,CBIR)、图像分类等计算机视觉的关键环节之一,准确地表示出图像涵盖的信息是至关重要的。提取图像特征主要利用从图像数据中自动抽取出底层特征,如颜色、纹理、轮廓和形状等特征,进而描述出高层语义信息。本文首先论述了基于图像内容处理的理论知识：颜色空间模型,图像消噪方法,相似度测量和图像检索性能比较方法等,然后重点研究基于图像颜色和纹理的特征提取算法。
在颜色特征方面,本文提出了改进颜色特征提取算法——基于颜色索引相关统计(CILCS)算法。图像的像素颜色值被稀疏表示成类似直方图的索引形式,将相关计算应用到特征提取中,计算图像颜色分布规律在局部和整体的相关性,并结合数值统计最终得到具有一定旋转不变,尺度不变和平移不变特性的特征向量,能更有效地表示颜色纹理特征。实验结果显示此算法相比改进前的CILAC算法在N-S dataset中平均检索准确率提高了9.02%-11.29%,在Corel自然图像库中的检索性能recall vs prescision曲线更加平稳,分类准确度提高了2.33-3.2%。
...
【英文摘要】
Feature extraction is one of the important aspects in computer vision, which consists of CBIR(Content Based Image Retrieval,CBIR), image classification and so on. It is significant to extract image information exactly. Image feature extraction mainly utilizes auto-extraction of low-level visual feature (color, texture, profile, shape etc.) from image data, to deeply describe high-level semantic information. This paper first states the basic knowledge of CBIR: color space model, Image denoising algor...
| 
点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。
