兴趣点检测技术在“以图搜图”系统中的应用研究(5)
1.6 本文的组织结构
本文具体的结构如下：
第1章，介绍了论文的研究背景，以图搜图系统的研究意义，国内外研究发展情况以及课题研究所用到的相关技术和爱肯栖智慧导购系统的优势。
第2章介绍了底层特征分类算法，主要包括基于颜色特征值的特征提取，基于形状特征值的特征提取，基于纹理特征值的特征提取。另外还介绍了本论文所用的主要算法SIFT算法、SIFT算法和SVM算法的具体实现，并具体阐述了相关的机器学习的操作。
第3章，针对兴趣点检测算法进行了详细阐述并提出了设计方案
第4章，介绍了实验所用的环境以及系统的性能评估指标，并对实验结果进行了分析论证。
第5章，对全文和毕业设计所做工作进行了总结，并对未来的工作提出了改进方向和展望。
2.图像分类算法介绍
2.1 底层特征分类算法
2.1.1 基于颜色特征值的特征提取
颜色特征是视觉内容的重要组成部分，颜色特征具有直观性，和选择不变性，不会随图像的方向、大小视角变换改变而产生改变。颜色特征值的描述常见的算法包括直方图法、颜色集、颜色矩、颜色聚合向量。
给定一幅图像,我们可以将其包含的信息大致分为两类：一类是局部的颜色信息,另一类是全局的颜色信息。局部的颜色信息主要包含形状、轮廓、纹理、以及三文立体等细节的感觉。全局颜色信息确定了这幅图像的主色调,比如青色的山坡，白色的雪地等。
（1）较为直观。颜色特征描述图像一般比较直观,例如一幅图像主要是绿色,用颜色直方图来表示时绿色分量的比例较高,很容易让人理解。而其他图像特 征描述起来则较为抽象,比如,形状特征常用的SIFT算子,算法复杂抽象,最后形成的特征向量人类无法直 观理解。
（2）计算简单。几乎所有颜色特征提取算法的计算都不复杂,只需要简单的运算即可。常用的颜色特征都是直接扫描统计图像各像素,而不需要对图像预先进行图像分割、目标识别等操作,也不需要像SIFT算子那样进行多尺度金字塔运算。因此颜色特征具有很高的效率,适合于大批量数据或运行环境不允许的场合,如嵌入式图像算法。
（3）旋转、平移、缩放不变性。对图像进行旋转、平移、缩放操作时,不会改变图像的颜色特征。颜色特征在较低的计算代价下(无需像SIFT通过多 尺度等复杂运算得到这样的特性)就拥有了这些不变性的特征,使得其适合于描述图像中的物体或场景。
下一篇：语音信号元音段自动检测方法研究