网络环境下基于视觉显著性的图像检索

With the rapid development of the Internet and multimedia technologies, there are large amount of image data in the network, and the effective management and efficiently retrieve the required image has become an urgent problem. Network-oriented image retrieval is different from traditional database-oriented image retrieval, the data source is heterogeneous, related processing algorithms are mostly built on non-linear and high-dimensional data, with long search time and low efficiency. The project study the image retrieval based on visual saliency for Network environment. We construct a theoretical model based on double density Contourlet transform, and extract contour using deformable model in Contourlet transform domain. Visual attention model is improved, we map a linear combination of color feature maps brightness feature maps and edge features into an interest region figure. In double density Contourlet transform domain, the image statistical characteristics and significant regional texture features are studied, using an affine invariant feature descriptors to express significant regional characteristics. Selecting the same class the visual salience regional and comparing similarity regional between images, it can more effectively express the semantic content of the image, and improve the efficiency and accuracy of the image search.

随着互联网技术和多媒体技术的高速发展，如何对网络中大量的图像数据进行有效的管理并从中高效地检索到需要的图像已成为急需解决的问题。面向网络的图像检索不同于面向传统数据库的图像检索，它的数据源是异构的，相关处理算法大多是建立在非线性的、高维数据的基础之上的，存在检索时间长、效率低的问题。 本项目研究网络环境下基于视觉显著性的图像检索技术，构造基于双密度Contourlet变换的理论模型，在Contourlet变换域中采用形变模型进行轮廓提取。改进视觉关注度模型，将颜色特征图、亮度特征图和边缘特征图线性组合成一幅感兴趣区域图。在双密度Contourlet变换域下来研究图像统计特性及显著区域纹理特征，采用一种具有仿射不变性特征的描述子来表达显著区域特征。图像之间有针对性地选择同类别视觉显著性区域进行区域相似性比较，可以更有效地表达图像的主要语义内容，提高图像检索的效率和准确性。

随着互联网技术和多媒体技术的高速发展，如何对网络中大量的图像数据进行有效的管理并从中高效地检索到需要的图像已成为急需解决的问题。面向网络的图像检索不同于面向传统数据库的图像检索，它的数据源是异构的，相关处理算法大多是建立在非线性的、高维数据的基础之上的，存在检索时间长、效率低的问题。.本项目研究网络环境下基于视觉显著性的图像检索技术，构造了非下采样双密度Contourlet 变换（Non-Sampled Double Density Contourlet Transform，NSDDCT），完善NSDDCT 变换理论框架，降低NSDDCT 变换的时移敏感性。在双密度Contourlet 变换域中，提出了新的轮廓提取形变模型，以便更好地对边沿轮廓进行提取和定位。改进视觉关注度模型，将颜色特征图、亮度特征图和边缘特征图线性组合成一幅感兴趣区域图，完成感兴趣区域的检测。在双密度Contourlet 变换域下来研究图像统计特性及显著区域纹理特征，采用一种具有仿射不变性特征的描述子来表达显著区域特征。图像之间有针对性地选择同类别视觉显著性区域进行区域相似性比较，可以更有效地表达图像的主要语义内容，提高图像检索的效率和准确性。对网络异构数据进行有效的索引和组织，以提高查询结果排序的准确性和信息搜索的效率。.本项目的研究与已有的探索性研究方法相比，创新之处在于：1）提出了基于双密度Contourlet 变换理论框架，具有时频分析及多方向分辨能力，进一步构造的非下采样双密度Contourlet 变换，解决了时移敏感性问题。2）改进了视觉关注度模型，综合考虑了图像的颜色特征图、亮度特征图和边缘特征图。3）提出一种具有仿射不变性特征的描述子，能更好地对显著区域特征进行表达，包括频域系数直方图、信息分布熵、均值、方差等特征。