安全检测:瑞星:安全 诺顿:安全 卡巴:安全
毕业论文-MindFinder及边缘检测应用与实现,共56页,24874字
1、本论文的目的、意义
分析及比较经典的图片Edge特征提取算法,比较Canny算子以及Berkeley算法性能的优劣。在大规模购物搜索图片数据集上进行实验。找出适合于购物搜索应用
的Edge特征提取算法,并试图集成进MindFinder搜索中。
2、学生应完成的任务
1.学习和了解图片Edges检测的原理。
2.了解MindFinder原理。
3.比较Edge特征提取算法、Canny算子以及Berkeley Contour算法性能。
4. 实现并改进图片Edge算法。
5.在大规模图片数据集上进行实验。
6.完成毕业论文
摘 要
基于手绘线条图像检索(SBIR)是计算机视觉领域近年来逐渐兴起的一个研究分支。作为一个信息检索系统,它只要求用户绘制一些简单的曲线,就能搜索出一系列相似的图像。这一系统对相似的判定,主要依靠的是图像中物体对象的轮廓与输入曲线的匹配度。人体视觉的知识告诉我们,人们往往依据轮廓来识别对象的存在。因此,这一类搜索系统很适合用于查找用户感兴趣的物体。另一方面,网上购物已成为现代人生活中不可缺少的一部分,但使用文字常常难以描述人们的消费需求。在触屏设备快速普及的现在,如果SBIR系统能被应用于购物搜索,那么人们只需根据自己的想法在屏幕上画几笔,就能找到满意的商品。简单有趣的交互方式和视觉上更加准确的搜索结果,使得SBIR系统在电子商务领域的前景十分广阔。本论文所研究的内容,便是在大规模商品图像数据的基础上,通过对多种底层技术进行分析、实现和比较,试图构建起适用于购物搜索应用的SBIR系统。
从本质上说,SBIR系统的技术难点在于:该如何拉近二值曲线与自然图像轮廓之间的“语义鸿沟”。为了实现这一目标,研究人员已尝试多种不同的匹配思路,并使用了边缘图、几何拓扑和梯度分布等诸多信息。在本文中,将分别介绍在目前的研究领域里主流采用的,基于特征点和特征向量的两种匹配方式。尽管使用向量法构建的系统具有十分突出的搜索效果,但索引机制的缺少使其不具备高扩展性。虽然通常情况下点匹配法的效率较低,但MindFinder系统中提出的特征点索引机制极大提升了匹配性能,并实现了大规模数据下的实时图像搜索。本文将重点介绍该索引机制,并在此基础上搭建起最终的SBIR系统。
尽管本课题采用了基于特征点的匹配手段,但为了检验在购物搜索应用中两种匹配方式的适用性,本文也实现了Tensor向量匹配算法,并在商品图像集合上对二者的匹配结果进行比较和分析。此外,由于点匹配算法的性能和效果依赖于边缘检测过程的输出,所以为了分析该过程对于SBIR系统的影响,本文分别介绍并实现了Canny算子和Berkeley的Pb算子,将其集成在系统之中进行测试,并比较搜索结果。在此基础上,本文对原始自然图像的预处理过程提出了一些改进建议以提升系统性能。
关键词:基于手绘线条图像检索;形状匹配;边缘检测应用;索引机制
目 录
摘 要 IV
Abstract V
第1章 绪 论 1
1.1 课题研究背景和意义 1
1.2 现有边缘检测算法概况 2
1.3 MindFinder图像检索系统简介 3
1.4 课题研究内容 3
1.5 本论文的结构安排 4
第2章 相关知识概述 5
2.1 Canny边缘检测原理 5
2.1.1 概述 5
2.2.2 算法流程 5
2.2 Berkeley边缘检测原理 6
2.2.1 概述 6
2.2.2 算法流程 6
2.3 二值手绘曲线与彩色自然图像的匹配 7
2.3.1 基于向量的匹配 7
2.3.2 基于边界点的匹配 8
2.3.3 总结 9
2.4 MindFinder索引机制 9
2.4.1 背景 9
2.4.2 算法流程 9
2.5 开发工具及开发环境简介 11
2.5.1 OpenCV简介 11
2.5.2 Dev-C++简介及OpenCV配置 11
第3章 算法实现及系统搭建 14
3.1 算法实现 14
3.1.1 Canny算法及Berkeley算法 14
3.1.2 Tensor向量匹配算法 15
3.2 系统设计 16
3.2.1 功能分析 16
3.2.2 系统结构 17
3.3 后台处理模块实现 17
3.3.1 图像归一化 17
3.3.2 提取边缘图像 18
3.3.3 提取特征文件 18
3.3.4 构建索引 20
3.3.5 查询相似图像 23
3.4 前台搜索模块实现 26
3.4.1 界面设计及实现 27
3.4.2 搜索过程的实现 29
3.4.3 搜索结果 31
第4章 实验部分 33
4.1 点匹配与向量匹配 33
4.1.1 实验准备 33
4.1.2 匹配结果对比 33
4.1.3 性能对比 34
4.1.4 总结 36
4.2 Canny与Berkeley算子 36
4.2.1 边缘图像对比 36
4.2.2 搜索结果对比 37
4.2.3 购物搜索应用下的边缘检测 38
结 论 42
致 谢 43
参考文献 44
附 录 Tensor实现代码 46