面向海量图像数据和移动计算环境的形状检索关键技术及其应用研究

With the explosive growth of image data and extensive use of portable mobile devices, how to effective and efficient search in the large image database and retrieval images using mobile device is a hot issue in the field of content based image retrieval. This project aims to study the key shape retrieval technologies for large image database with portable mobile devices. Its main contents include: (1) shape description and matching; (2) learning shape similarity function; (3) hashing index and (4) the applications in plant leaf image retrieval and patent image retrieval. The novelty of this project lies in the following aspects: (1) proposes a multi-scale arch height contour shape description; (2) proposes a novel transform termed hierarchical Radon transform for region shape description and binary image description; (3) uses dynamic context in the image database of two shapes to learn their similarity; (4) learning optimal hash function in intelligent optimization method such as particle swarm optimization. For mobile plant leaf image retrieval, contour feature and vein characteristics are combined and variety distance functions are fused for effective search, the semantic hash indexing technology are also used to improve the retrieval efficiency. In the patent image retrieval application, the proposed hierarchical Radon transform is used for fast and effective features extraction of the binary version of the patent images.

近些年来，随着图像数据的爆炸式增长和便携式移动设备的大量使用，面向大规模图像数据的检索和移动视觉搜索，成为当前基于内容的图像检索研究领域的一个热点问题。本项目旨在研究面向大规模图像数据和移动计算环境的形状检索关键技术。研究内容包括形状的描述与匹配，形状相似性度量函数的学习、哈希索引技术，以及在植物叶片图像检索和专利图像检索中的应用。本课题拟开展的具有创新性的研究工作思路包括：多尺度拱高轮廓线形状描述、用于区域形状和二值图像描述的层次Radon变换、动态的形状上下文相似性学习机制、基于智能优化的哈希函数学习方法。在应用研究中，对于植物叶片图像检索，组合轮廓线特征和叶脉特征，并用协同传播的学习机制，融合多种距离度量函数，以提高检索检索的精确率，在移动检索应用中，采用语义哈希索引技术提高检索的效率；在专利图像检索应用中，采取层次Radon变换方法，快速而与有效的抽取二值化后的专利图像的特征。

形状是目标的一类视觉属性，是目标识别的重要依据。随着数字图像技术的飞速发展，特别是智能手机的图像采集和计算功能的不断增强，产生的海量图像数据给图像分类和检索等图像分析任务带来了极大的挑战。本项目聚焦于大规模形状图像分析任务，主要的研究内容有：（1）研究各类形状图像描述方法，如轮廓线目标形状、轮廓线不完整或结构信息无法获取的目标形状、有着复杂内部结构的区域形状、形状区域不连接的区域形状、以及有噪声干扰的形状图像、自遮挡的形状图像，提出了一系列有效的算法，如提出的用于轮廓线形状图像分类和检索的层次化弦切曲线描述子，提出的用于区域形状图像检索的结构化积分变换形状描述方法等，在标准的各类形状测试集上都取得了比流行的方法更高分类和检索性能；（2）研究了形状图像的距离度量方法,提出了一种带惩罚因子的Hausdorff距离，在用于形状图像匹配的综合性能优于传统的Hausdorff距离、Lp距离和动态规划距离；（3）研究了形状图像的高效率检索策略，提出了一种两阶段的形状检索策略，在保证了检索准确率的同时，极大的提高了检索速度，本项目还研究了形状图像聚类检索策略了，考虑了层次化的模糊聚类算法在形状图像检索中的应用；（4）研究了形状分析的多个应用问题，包括植物叶片图像的分类和检索、海生鱼类图像的检索、商标图像的检索、商品图像的检索等，研发了智能手机植物叶片图像检索系统。