导读:本文包含了基于内容的图像检索分类论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:图像,内容,向量,语义,特征,藻类,低级。
基于内容的图像检索分类论文文献综述
李伟伟[1]（2015）在《基于内容的藻类图像分类检索算法》一文中研究指出为解决藻类图像分类检索的问题,提出了一套基于内容的方法对藻类图像进行分类检索。针对海洋生物图像对颜色特征不敏感的特点,采用SIFT(Scale-Invariant Feature Transform)算法针对藻类图像的形状特征进行提取。使用PCA(Principal Component Analysis)技术对特征进行降维,有效避免了维数灾难。采用K-means算法进行聚类,简单高效。用词包对聚类结果进行打包,以便后续的识别。最后用KNN(K-Nearest Neighbors)算法进行识别检索。实验结果与事实吻合,为藻类造成的环境污染问题的研究提供了有效的技术支持。(本文来源于《吉林大学学报(信息科学版)》期刊2015年05期）
王上[2]（2010）在《基于内容的图像检索与分类若干技术的研究》一文中研究指出随着科学技术的进步和多媒体技术的发展,以及互联网络的迅速普及,图像数据呈现出爆炸性的增长趋势。如何迅速而准确地从浩瀚的图像数据库中检索到所需的图像成了多年来多媒体领域的研究热点。为了能够快速而准确地找到想要的图像,利用图像内容,如颜色、形状、纹理等特征来检索图像的技术应运而生。这项技术被称为基于内容的图像检索(Content-based Image Retrieval)技术。由于其具有重要的研究意义和巨大的实用价值而得到研究人员们的重视。虽然基于内容的图像检索技术己经有了大量的研究和实际的应用,但是其中许多技术还不成熟,还需要进一步的研究和改进。本文针对其中的一些关键技术和理论方法,作了如下几个方面的工作:1)研究介绍了叁种图像检索类型,它们分别是:基于内容的图像检索、基于语义的图像检索以及基于反馈机制的图像检索,着重研究了基于内容图像检索的关键技术。2)提出了提取目标区域主色调,并将主色调与颜色量化相结合的图像检索方法,对于目标区域的选择,我们要求用户在给出检索示例图像的同时,用矩形框指出感兴趣的区域。实验证明,该算法能够得到比较令人满意的检索结果。3)简要概述了图像分类技术,提出了基于图像分割的图像分类算法。该算法基于HSV空间,首先用基于阈值方法对图像进行分割,得到目标区域,依据规则选取前景区域,提取前景区域的颜色特征向量,输入支持向量机,完成图像分类。实验表明,算法的设计和支持向量机参数的选择是比较合理的,能够得到比较令人满意的分类结果。还介绍了深度网、文本分类以及主题爬行的相关内容,对深度网主题爬行方法提出了改进。(本文来源于《吉林大学》期刊2010-12-01）
胡广寰[3]（2005）在《基于内容图像检索中图像语义分类技术研究》一文中研究指出图像语义分类是基于内容图像检索(Content-Based Image Retrieval,CBIR)研究领域中一个重要而又有挑战性的问题。图像和视频正在成为多媒体的主要表现形式,将图像数据库划分为有意义的语义类别成为迫切的需要。传统CBIR技术试图通过分析图像视觉特征的相似性来检索图像,这不能满足普通人按语义检索图像的需求。基于低级图像特征将图像集合按语义进行合理的分类,会极大提高CBIR系统的性能。本文主要研究基于图像低级视觉特征的图像语义分类。 本文首先介绍传统CBIR的研究内容、系统组成和实际系统。详细阐述作为图像语义分类基础的颜色、纹理、形状、空间关系等低级图像特征,并讨论图像语义分类的主流技术。针对传统CBIR的不足,介绍了图像语义检索的主要技术。 图像语义模型是对图像整个语义表示和处理过程的抽象,也提供可行的研究方向。贝叶斯概率框架是一种将先验概率转化为后验概率的理论框架,通过形式化的图像分类概率框架可以将低级图像特征映射到已有的高层语义。 图像全局特征的表现形式多种多样,是图像语义分类的重要基础。本文基于单个图像全局特征提出一种新的图像语义分类方法,借鉴相关反馈机制的基本思想获得候选图像全局特征集合中具有最优“判别能力”的单个特征,还应用基于传统摄影学理论的空间分块策略。本文实现室内/室外和城市/风景两个图像分类器,并结合在大型图像数据库上的试验结果深入分析该图像语义分类算法。 多种图像全局特征也可以同时应用于图像语义分类。在分析使用多种图像全局特征优点的基础上,本文提出基于多种图像全局特征并和图像特征空间分布信息相融合的图像语义分类方法。结合多种图像特征和空间分布信息产生新的图像特征表示,并应用一种增量学习方法改进算法的性能。试验结果表明该算法特别适用于特征空间分布相对固定的室内/室外等具体图像语义分类问题。 图像局部特征往往对应着特定的语义类别。本文提出利用动态外观模型(Active Appearance Model)来描述同一语义类别图像中外观相似物体的方法。通过搜索图像中外观相似的“物体”进而分类和检索语义图像。针对人脸检测和红眼检测问题在家庭数字影集上进行试验,结果表明算法具有相当高的检索正确率。 最后开发原型系统TopAlbum,并介绍一些具体实现细节,论证了本文研究(本文来源于《浙江大学》期刊2005-04-01）
付岩,王耀威,王伟强,高文[4]（2003）在《SVM用于基于内容的自然图像分类和检索》一文中研究指出在传统的基于内容图像检索的方法中 ,由于图像的领域较宽 ,图像的低级视觉特征和高级概念之间存在着较大的语义间隔 ,导致检索效果不佳 .该文认为更有现实意义的做法是 ,缩窄图像的领域以减小低级特征和高级概念间的语义间隔 ,并利用机器学习方法自动建立图像类的模型 ,从而提供用户概念化的图像查询方式 .该文以自然图像领域为例 ,使用支持向量机 (SVM )学习自然图像的类别 ,学习到的模型用于自然图像分类和检索 .实验结果表明作者的方法是可行的 .(本文来源于《计算机学报》期刊2003年10期）
基于内容的图像检索分类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着科学技术的进步和多媒体技术的发展,以及互联网络的迅速普及,图像数据呈现出爆炸性的增长趋势。如何迅速而准确地从浩瀚的图像数据库中检索到所需的图像成了多年来多媒体领域的研究热点。为了能够快速而准确地找到想要的图像,利用图像内容,如颜色、形状、纹理等特征来检索图像的技术应运而生。这项技术被称为基于内容的图像检索(Content-based Image Retrieval)技术。由于其具有重要的研究意义和巨大的实用价值而得到研究人员们的重视。虽然基于内容的图像检索技术己经有了大量的研究和实际的应用,但是其中许多技术还不成熟,还需要进一步的研究和改进。本文针对其中的一些关键技术和理论方法,作了如下几个方面的工作:1)研究介绍了叁种图像检索类型,它们分别是:基于内容的图像检索、基于语义的图像检索以及基于反馈机制的图像检索,着重研究了基于内容图像检索的关键技术。2)提出了提取目标区域主色调,并将主色调与颜色量化相结合的图像检索方法,对于目标区域的选择,我们要求用户在给出检索示例图像的同时,用矩形框指出感兴趣的区域。实验证明,该算法能够得到比较令人满意的检索结果。3)简要概述了图像分类技术,提出了基于图像分割的图像分类算法。该算法基于HSV空间,首先用基于阈值方法对图像进行分割,得到目标区域,依据规则选取前景区域,提取前景区域的颜色特征向量,输入支持向量机,完成图像分类。实验表明,算法的设计和支持向量机参数的选择是比较合理的,能够得到比较令人满意的分类结果。还介绍了深度网、文本分类以及主题爬行的相关内容,对深度网主题爬行方法提出了改进。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
基于内容的图像检索分类论文参考文献
[1].李伟伟.基于内容的藻类图像分类检索算法[J].吉林大学学报(信息科学版).2015
[2].王上.基于内容的图像检索与分类若干技术的研究[D].吉林大学.2010
[3].胡广寰.基于内容图像检索中图像语义分类技术研究[D].浙江大学.2005
[4].付岩,王耀威,王伟强,高文.SVM用于基于内容的自然图像分类和检索[J].计算机学报.2003
论文知识图
