摘要本课题致力于探究基于多种特征融合的图像检索方法，并在此基础上实现了一个具有一定效率和准确率的图像搜索软件。该软件整体采用模块化设计将系统功能的实现分为前期训练、后期搜索、用户界面等多个部分。软件在开发过程中对Corel标准库的图片资源提取了局部二值模式（LBP）、密集型尺度不变特征变换（DSIFT）、基于韦伯准则的局部描述算子（WLD）等比较经典的图像视觉特征，并采用主成分分析（PCA）和聚类（K-means）的方法获得低维的稳健特征。此外，本文主要应用了并行和串行两种融合策略来实现多特征的融合。最后再将搜索结果在MFC实现的系统界面上反馈给用户。83144

毕业论文关键词计算机视觉 图像检索 多特征融合 CorelMFC

毕业设计说明书外文摘要

Title Multi-Features Fusion based Image Retrieval System 

Abstract This dissertation mainly investigates image retrieval based on multi-features fusion methods。 And then we develop an efficiency image retrieval software。 The software employs the modular design scheme and pides functions into training, retrieving, and user interface (UI)。 Local binary pattern (LBP), Dense Scale invariant feature transform (DSIFT), weber of local descriptors (WLD) and some classic image visual features are used to represent the images。 Subsequently, we combine the principal component analysis (PCA) and K-means clustering algorithm to obtain the robust and low-dimension feature。 Additionally, we leverage the serial feature fusion and parallel feature fusion strategies to complete the image matching。 Finally, the retrieval results will show in the UI developed via MFC。

KeywordsComputer VisionImage RetrievalMulti-feature FusionCorelMFC

目 次

1引言/绪论 1

1。1系统概述 1

1。2图像检索技术综述 2

2相关算法及概念 5

2。1PCA算法 5

2。2K-means聚类算法 5

2。3本系统所使用的图像特征 6

3系统分析 12

3。1系统需求分析 12

3。2系统可行性分析 12

4系统概要设计 14

4。1图像训练过程 14

4。2图像搜索过程 14

4。3用户操作过程 15

4。4搜索结果处理过程 15

5系统详细设计 16

5。1图像采集 16

5。2图像特征提取 16

5。3数据存储及读取 20

5。4多特征融合的方法 22

5。5相关算法的实现 24

5。6性能评价准则 26

5。7用户界面的模块化设计 28

5。8文件及资源目录设计 29

6编码设计与实现 30

6。1语言及编译平台 30

6。2编码命名风格设计 32

6。3核心部分编码展示及说明 32

7系统调试及维护 35

7。1开发过程中的问题与解决 35

7。2系统的条件限制及约束 36

8运行结果分析 37

8。1单特征搜索性能对比 37

8。2单特征线性均匀融合与串行融合的性能对比 38

8。3单特征交叉均匀融合 38

8。4单特征线性加权融合 39

8。5串行融合特征线性加权交叉融合 40

8。6结果分析及说明 40

结论  42

参考文献 43

1引言/绪论

1。1系统概述

在计算机视觉和数字图像处理技术蓬勃发展这样一个大背景下，图像检索技术得到了广泛的发展，在人们生活中加以应用，并改变与提高人们的娱乐方式和生活水平，像以图搜图、你画我猜、易搜购这样的应用软件已经屡见不鲜了。数字图像处理技术是包括图像检索在内的一系列技术的基础，由于其再现性好、灵活性高、适用面广和信息压缩潜力大等特点[2][5]，将其作为实现图像预处理的基础工具，用来完成归一化、分割、降维、压缩、特征提取等图像处理的过程是非常合适的[1][3][4]，加之与其相关的理论方法、应用相当丰富，通过学习并掌握这些成熟的理论方法，我们可以设计、构建并实现更上层的技术体系，完成更加高级或者说更有意义的功能，与数字图像处理相关的研究与应用详见文献[1][4][5]。