论文部分内容阅读
基于内容的图像检索(CBIR)是近年来计算机视觉、图像数据库与知识挖掘等领域最活跃的研究热点之一。它具有广泛的应用领域和重要的理论研究价值。目前大多数CBIR系统的研究主要是针对通用图像,对于具体的专业图像如人脸图像、医学图像等相对来说比较少,但它们又更具有现实的应用价值。本论文主要是针对人脸这种三维非刚体对象展开研究,由于其在颜色、纹理、形状等方面具有高度的相似性,仅仅靠通用图像的检索技术很难满足要求。人脸图像需要具有更多的专门知识,如何将这些专业知识应用到图像特征的提取以及匹配中以提高检索精度,这是当前图像检索中的一个非常热门的研究方向。
本文结合基于内容的图像检索和人脸识别的相关知识,实现了一个实时的人脸检索系统,该系统可以处理bmp、jpg等多种格式的数字图片,可以对图片中存在的人脸进行实时的检测,并在用户指定的人脸数据库中检索输出包括特定人脸的图片。本论文主要做了如下几方面的工作：
1.人脸检测是人脸识别和检索的关键环节,基于Adaboost的人脸检测算法是人脸检测领域第一个实时的检测算法,本文结合Intel的OpenCV实现了一个实时的人脸检测模块,该模块对复杂背景中的人脸具有较高的检测准确率。
2.本文首先对现有人脸特征提取算法进行了深入分析,为了降低图像的维数并尽可能多的保持图像识别信息,本文将二元树复小波变换应用到人脸特征提取中,提出了一种基于LDA的二元树复小波人脸特征提取方法,应用该方法不仅可以有效的降低图像维数,提高检索速度而且可以降低光照、噪声、人脸表情变化等对检索的影响。
3.为了进一步提高检索系统的准确率,本文通过对支持向量机理论的深入研究,提出了一种基于支持向量机的相关反馈算法。图像检索的相关反馈过程可以看成模式识别中的二分类问题,将经过用户标注后的检索结果作为SVM的训练样本。实验结果表明,本文方法可以有效的提高检索系统的准确率,并且明显优于基于查询向量优化的相关反馈算法。