摘 要

在互联网技术和多媒体技术高速发展的当今社会，每天都会产生海量的图像信息，因此基于文本关键字的检索系统已经不能满足用户的检索需求，而基于内容的图像检索技术（CBIR）在图像检索系统中发挥出越来越大的作用。本文在分析和研究基于内容的图像检索中关于图像特征提取与匹配等知识的基础上，设计并构建了一个基于内容的车辆图像检索系统，包括系统中特征提取，相似度测量和多特征融合的特征匹配算法设计，并完成了系统的界面和功能的编程实现。最后搭建了一个车辆图像数据库进行系统的测试和评价。

本文的主要研究内容如下：

（1）分析和研究了图像特征的表达方法和图像特征的提取算法，实现了车辆图像颜色、纹理和形状特征的提取。

（2）研究和比较了多种图像特征的相似度测量算法，完成了融合多种特征的图像特征匹配算法的设计与编程实现。

（3）通过分析数据库构建的基本原理和方法，完成了车辆图像数据库的逻辑结构和存储结构设计，并在Microsoft SQL Server中搭建了完整的车辆图像库和图像特征库。

（4）完成了基于内容的车辆图像检索系统的设计与编程实现，包括系统的界面和结构功能的设计与实现，并用车辆图像库进行检索实验，并通过实验结果分析对系统进行评价。

关键词：车辆图像检索；特征提取；相似度测量；多特征融合；特征匹配

Abstract

With the rapid development of Internet technology and multimedia technology in today's society, a large amount of image information will be produced every day, so the text-based retrieval system can no longer meet the needs of users ' retrieval, and content-based image retrieval technology plays a more and more important role in image retrieval system. On the basis of analyzing and studying the knowledge of image feature extraction and matching in content-based image retrieval, this paper has designed and constructed a content-based vehicle image retrieval system, which includes feature extraction, similarity measurement and feature matching algorithm design, and completes the programming of interface and function of the system. Finally, a vehicle image database is built to test and evaluate the system.

The main research contents of this paper are as follows:

(1) The methods of image feature expression and the extraction algorithms of image feature are analyzed and studied, and the image color, texture and shape feature extraction are realized.

(2) The various of similarity measurement algorithms of image features are studied and compared to complete the design and programming of the image feature matching algorithm which integrates many kinds of features.

(3) By analyzing the basic principles and methods of database construction, the logical structure and storage structure design of vehicle image database are completed, and a complete vehicle image database and image feature database are built in Microsoft SQL Server.

(4) Completed the content-based vehicle image retrieval system design and programming implementation, including the design and implementation of the interface and structure functions of the system, and then used the vehicle image library to perform retrieval experiments, and evaluated the system through the analysis of experimental results.

Key Words：vehicle image retrieval; feature extraction; similarity measurement; multi-feature fusion; feature matching

目 录

第1章 绪 论 1

1.1 课题研究的目的和意义 1

1.2 图像检索技术的发展与研究现状 2

1.3 本文研究的主要内容 4

第2章 车辆图像检索系统总体设计与相关技术分析 5

2.1 需求分析 5

2.2 车辆图像检索系统总体设计 6

2.2.1 系统功能结构设计 6

2.2.1 系统流程设计 7

2.3 CBIR相关技术分析 8

2.3.1 图像的特征提取 8

2.3.2 相似度计算方法 10

2.3.3 相关反馈技术 11

2.4 本章小结 11

第3章 特征提取和匹配算法分析与实现 12

3.1 车辆图像特征提取 12

3.1.1 颜色特征提取算法实现 12

3.1.2 纹理特征提取算法实现 14

3.1.3 形状特征提取算法实现 17

3.2车辆图像的特征匹配 18

3.2.1 特征归一化算法实现 18

3.2.2 多特征融合的算法实现 19

3.2.3 特征匹配算法实现流程图 20

3.3 本章小结 20

第4章 车辆图像系统功能模块的设计与编程实现 21

4.1 车辆图像检索系统的界面设计与实现 21

4.2 车辆图像检索系统的功能模块实现 22

4.2.1 数据库模块的搭建 22

4.2.2 特征提取模块的编程实现 23

4.2.3 特征匹配模块的编程实现 24

4.2.4 检索结果反馈模块的编程实现 25

4.3 本章小结 25

第5章 车辆图像检索系统的测试与评价 26

5.1 图像检索实验的具体步骤与结果展示 26

5.2 车辆图像检索系统的实验结果评价 28

5.3 对比实验分析 29

5.4本章小结 30

第6章 总结与展望 31

6.1 论文工作总结 31

6.2 未来工作展望 32

参考文献 33

致 谢 34

第1章 绪 论

1.1 课题研究的目的和意义

近年来，由于互联网技术、多媒体技术以及大数据和云计算技术等技术的飞速发展，每天产生的图像数据也急剧增加。在互联网世界中，每天都有数以亿计的图片产生，对于个体用户而言，这些拥有丰富视觉信息的图像数据并非都是有用信息，反而成为获取有用信息的阻碍，导致人们难以方便快捷地获取一系列符合心中目标的图像。因此，如何让用户从如此庞大的图像信息里面更快、更准、更方便地获得其用户需要的或者感兴趣的图像，成为了许多专家和学者研究的热点问题。

早期的图像检索系统大多是根据认为对图像进行标注关键词等文本信息完成检索^[1]，通常被称为基于文本关键字的图像检索（Text-based Image Retrieval，TBIR）系统。随着图像信息数据的急剧增加，单一的基于文本的图像检索系统已经不能完全满足人们获取图像信息的需求，因此，基于内容的图像检索技术（Content-based Image Retrieval，CBIR）产生并被广泛应用。尽管如今又提出了更深层次的基于语义的图像检索技术，但是CBIR技术随着众多学者和专家的深入研究而不断的进步，同时，让CBIR技术应用于更多的领域也是十分有必要的。

CBIR技术能够根据例图、草图实现图像检索功能，其一般步骤可概述为：通过示例图像获取该图像的各种特征参数值，然后让例图与图像库中的图片进行特征的相似度匹配，最终返回相似度高的图片序列作为检索结果。该技术解决了基于文本的图像检索系统在人类用文字描述图像时的个人主观影响，因此被广泛研究和应用，具体的应用例子如下：

（1）在互联网商业平台的应用。在互联网商业平台上，为了解决用户有时在描述商品名称和属性的困难，给商品检索系统加入了基于例图的商品检索功能，让用户可以通过商品样品照片查询该商品内容。

（2）在公安系统中的应用。在公安系统中进行指纹和人脸识别时，常常根据现场采集的指纹或者人脸图像信息，应用CBIR技术在指纹、人脸数据库中查找可疑目标，以缩小嫌疑人范围、提高办公效率。

（3）在医学领域上的应用。现今有庞大的医学影像数据库，医生在分析个体病人的医学影像时，可以通过CBIR技术在数据库中检索出相似的病例进行对比分析，帮助医生判断病人的病情。

（4）在商标注册中的应用。在商标注册时，通常要对申请的商标与已有商标进行比对，利用CBIR技术可以检索出有无重复，防止商标雷同造成不好的影响。

（5）在遥感图像领域的应用。高分辨率的遥感图像常用于城市信息提取和变化检测^[2]，结合CBIR技术，可以进行国土资源调查，城市和码头查找等应用。

CBIR技术还可以应用于其他不同方向，只有通过不断地研究，CBIR技术才能不断地发展进步，并走进更多、更专业应用领域，从而提高人们的工作效率。总而言之，在图像检索技术应用广泛的当代社会，学习和研究基于内容的图像检索技术并更贴切地满足不同用户的检索需求，是具有很大的学术意义和实践价值的。

1.2 图像检索技术的发展与研究现状

图像检索技术就是为了获取与用户查询相关度高的一系列图像而产生的一种技术。随着众多专家和学者的研究，图像检索技术获得了巨大的进展。目前，图像检索技术大致可分为三种类型：一是基于文本的图像检索技术，二是基于内容的图像检索技术，三是基于语义的图像检索技术^[3]。

基于文本的图像检索技术，指的是根据图像的标题和名称等关键字来检索图像的一种图像检索技术。它的原理简单，也很容易实现，很多场合都会应用，但却也有一些不足之处：第一，目前图像数据量太大，标注图像的关键信息也会耗费庞大的人力和物力；第二，对于不同的个体而言，对于同一副图像的理解可能不同，在关键字的提取当面也有区别，会造成检索结果出错；第三，关键字文本很难全面地描述出图像底层的客观特征^[4]，但这些底层特征却能非常直观地反映出人们的视觉感受。

基于内容的图像检索，就是通过图像本身的视觉特征从图像库中检索感兴趣的图像的一种技术，其总体上可以分为两部分：图像特征提取和图像特征的索引及匹配^[5]。特征提取就是将图像的特征用数学语言描述出来，特征索引与匹配则是通过比较图像之间的相似度情况，检索出满足用户需求的图像。相比于基于文本的图像检索技术，可以克服人们主观判断等因素造成的影响。

从20世纪90年代CBIR技术被提出以来，被应用到了医学领域、互联网购物、图像情报处理等领域，CBIR的相关理论和算法也取得了很大的进展。在CBIR系统中，选择所采用的图像内容特征是一个关键点，而图像检索特征可分为两类：一类为底层视觉特征，例如颜色、形状和纹理；另一类则是高层语义特征，采用了语义特征的检索技术一般被称为基于语义的检索技术。目前，CBIR系统主要以底层特征为主，如颜色、纹理、形状和空间关系等。早期的CBIR系统通常提取的是全局特征，即是通过整幅图像提取出来的特征，因此，检索效果受图像的背景等因素影响较大。我们往往只对图像中特定对象或者某个区域感兴趣，全局特征则无法满足要求，因此后来有学者研究并提出局部特征提取的方法^[5]。CBIR技术的另一个关键则是图像特征索引与匹配，提取出图像特征参数后，要进行图像特征的索引和匹配才能反馈出用户所需的相似图像，为了检测图像的相似度，专家学者先后提出了许多距离测度算法，如曼哈顿距离 、欧氏距离和切比雪夫距离等，每种距离测度算法都有其优缺点，在设计CBIR系统是应根据实际情况选择和设计出较优的算法。

国内外已经开发了不少的CBIR系统，如美国的QBIC(Query By Image Content)系统可支持多种混合的图像检索方式，包括基于例子图像和用户描述草图的查询，即用户检索图像时，可以提供已有的例图，也可以把自己描绘的草图当成例图检索图像。美国伊利诺伊大学香槟分校开发的MARS系统则提出了相关反馈机制，让用户动态调整系统参数来满足不同的要求。在国内，清华大学、浙江大学等学术机构相继设计并开发出了一些功能强大的图像检索系统。在国内的商业领域中，各大搜索引擎也开发了CBIR系统，如百度搜索引擎的百度识图可根据例图查找例图信息、相似图片甚至是例图的网页出处；国内的互联网商业平台中，也利用CBIR技术让用户能够通过例图查询商品信息。

为了进一步提高图像检索的精准度，可以通过改进特征提取算法、深入挖掘图像的语义信息、结合基于注释的图像检索算法和相关反馈技术等方法运用到CBIR系统中。

许多专家和学者都对于特征的提取和特征匹配等算法做出了相应的改进。在基于颜色的图像检索中，沈新宁提出了一种新的颜色特征，这种颜色特征是在颜色相关图特征矩阵的基础之上，根据周围颜色特征所计算出来的一种互信息^[6]。这种方法用颜色互信息构建出颜色特征矢量，不仅降低了图像特征参数提取的算法复杂度，还能够令CBIR系统获得较高的检索精度。在基于纹理特征的图像检索中，黄碧娟提出利用纹理元来表示纹理特征的方法^[7]。通过提取图像的纹理元，并对各组纹理元进行加权处理，然后采用张量积对图像的纹理元特征执行扩散处理，最后用于图像检索系统当中，此方可以令检索精确度变得更高。

现今，图像的语义信息也运用到了CBIR系统中，通过图像底层特征参数和特征的语义信息结合的方式提高图像检索系统的精度。曹建芳将文本特征、内容特征、语义特征等多种特征融合在一起，并设计了一种基于非负矩阵分解的动态加权融合检索策略，大大地提高了检索的准确率^[8]。张永库构建了一种融合了 YUV 空间下的颜色特征、Krawtchouk 矩表达的形状特征、共生矩阵表达的纹理特征的图像检索方法，通过这种融合策略检索方法获得了较高的查准率和查全率^[9]。

在CBIR领域中，越来越多的特征提取算法和特征相似度测量和匹配算法被提出和改进，并运用到实际的检索系统中，极大地提高了图像检索的精度。但将多特征融合相似度测量与匹配运用与CBIR系统中是，虽然较之于单一特征的检索系统的检索精度高，但由于多特征融合算法的时间复杂度增加了，使得检索速度变慢。因此，要让CBIR系统的检索精度与检索速度达到更好的效果，仍需要众多的专家和学者继续学习和研究。

1.3 本文研究的主要内容

本文研究和设计的基于内容的车辆图像检索系统是融合了颜色、纹理、形状三种特征实现的。首先通过计算得出车辆图像的颜色、纹理和形状特征参数作为特征向量，然后搜集整理车辆图像建立车辆图像库，提取它们的三种特征参数用以建立图像特征数据库，最后运用多特征融合的算法计算图像相似度得出匹配结果，这样即可完成车辆图像检索系统的设计实现。系统中，车辆图像的颜色、纹理和形状特征分别用HSV空间颜色矩、灰度共生矩阵的二次统计值和7个Hu不变矩来表示，而多特征融合的检索算法可以获得更高的检索精度，这两部分是系统中的关键部分。

本文共分为五个章节，各章的安排如下：

第1章主要讨论分析CBIR技术的研究目的和意义，图像检索技术的发展和研究现状，再对本文的研究内容做出安排。

第2章首先对基于内容的车辆图像检索系统作软件需求分析，再对CBIR技术中的关于特征提取和特征匹配的方法进行研究比较，最后对系统进行总体设计，得出系统的框架和功能结构图和流程图。

第3章主要研究并确定车辆图像特征提取和特征匹配的算法，并分这些析算法实现的方法和流程，这些算法包括颜色矩提取算法、灰度共生矩阵及其二次统计值计算算法、Hu不变矩算法、特征归一化算法和多特征融合的相似度度量算法。

第4章主要完成基于内容的车辆图像检索系统的功能模块设计和编程实现，包括系统的界面的设计和编程实现，从而得出一个具有良好的人机交互界面和满足需求的车辆图像检索系统。

第5章主要通过多组检索实验测试车辆图像检索系统的性能，再与基于单一特征的车辆图像检索结果进行比较分析，对系统的检索速度和检索精度两方面进行性能评价。

第6章主要对本文的研究内容及工作进行总结和自我评价，以及对未来工作的展望。

第2章 车辆图像检索系统总体设计与相关技术分析

本章首先对基于内容的车辆图像检索系统进行需求分析，然后从需求出发，完成系统的基本框架和功能结构设计，接下再对CBIR系统的相关技术进行研究分析，包括特种提取、相似度测量和相关反馈等技术的研究分析，从而明确系统的框架结构。

2.1 需求分析

本文研究和设计的内容是基于内容的车辆图像检索系统，通过需求分析，可以明确本课题中设计和实现的软件系统基本功能要求，从而更有方向性地进行系统总体设计，使设计的软件系统与用户和任务的需求更加贴切。

本课题需要完成的任务为基于内容的车辆图像检索系统设计与实现，其基本要求是在Windows系统中用MS SQL Server搭建一个车辆图像数据库，针对用户提供的车辆示例图片，提取其颜色，纹理以及形状的特征，与车辆图像库中图像进行相似度测量与匹配，从而得到一组相似性较高的车辆图像作为系统的检索结果。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：