基于Bandelet变换的压缩域图像检索技术研究

压缩域图像检索区别于传统的基于原始数据域的图像检索, 不涉及解压缩、再压缩等环节，直接面向压缩数据进行检索。本项目研究基于Bandelet变换的压缩域图像检索问题，其中Bandelet变换是一种优于离散余弦变换和小波变换的有效的图像压缩新工具。本项目主要研究如下三方面的问题：(1). 基于多尺度几何分析的思想，构造更适合图像压缩的新的Bandelet基函数，建立并完善其数学基础；(2). 基于新的Bandelet基函数及其系数统计特性设计压缩算法；(3). 基于Bandelet压缩域提取特征，构建有效的图像检索算法。本研究方案的成功实施将对图像压缩领域、图像检索领域，及其融合交叉都具有重要的理论和应用价值。

项目组做的工作如下：.1. 构造出具有优良性质的Bandelet标准正交基和框架生成函数。基于Bandelet 框架生成函数的共性，得到平移不变系构成框架的充分条件并派生出其它小波型框架生成函数应满足的条件。建立了锥形不规则剪切波框架、波包框架和Wilson框架的充分和必要条件。构造了具有最优时频分辨率的平衡多小波；刻画了框架序列、广义框架、连续框架的稳定性及近似对偶框架的特征。.2. 针对Bandelet变换 域系数统计特性的编码策略，设计出Bandelet 变换域压缩域图像检索算法；提出一种基于复样条基的信号正交小波变换算法；给出一种新的层次谱聚类算法。.3. 提出一个描述区域重要性(RI) 的指标，该指标综合考虑了人眼视觉特性和图像自身的特征。基于提出的RI，设计出一种改进的基于区域的相似度匹配算法；提出一种短期反馈策略：自适应学习区域重要性(ALRI)。而且，为了充分利用历史用户的反馈信息，提出一种长期反馈方法：记忆学习区域重要性 (MLRI)。实验部分采用了两个国际公开的图像库：Corel-1000和Caltech-256，并考察了我们提出的交互式系统的初始检索结果、反馈结果、鲁棒性以及时间复杂度方面。实验结果表明我们提出的检索系统在检索性能和事件复杂度方面都具有竞争力的。.4. 基于粒子群优化算法，提出两个交互式图像检索框架: 一个只和用户标注的正例图像有关；另一个和用户标注的正例和反例都有关系。在Corel 5000图像库上将我们提出的两个图像检索框架和其他的检索方法做比较，实验结果表明我们提出的方法有一定的优势。.5. 根据Bandelet 压缩域提取特征和实际处理图像的特性的特性，提出一种基于全局-最优区域分层特征和相似度匹配模式的交互式智能图像检索方法，包括：对用户提取的检索图像进行自适应分割；提取图像及其分割区域的特征；提取最优区域；构建全局-最优区域分层特征和相似度匹配模式等。本检索方法可以有效地提取图像的内容特征，更接近用户检索需求，并能快速有效地完成检索过程。.6. 申请1 项专利; 发表27篇论文, 其中SCI和EI 16 篇; 培养已获学位18 名研究生。. 项目组如期完成研究计划。