18、图像检索与生态系统周期解研究

图像检索与生态系统周期解研究

1 图像检索相关研究

1.1 形状特征提取

1.1.1 基于轮廓的图像分割与描述方法

图像分割的目标是将图像空间划分为有意义的区域，以便进一步分别研究。通常以相邻像素（或“块”）之间的相似度作为主要判断依据，并根据具体分割问题考虑其他相关因素，对分割方法进行改进，如抗噪、亮度提取等。相邻像素（或“块”）的相似度指像素（或“块”）之间某些信息的跳跃程度，这些信息不仅包括颜色值、亮度，还包括纹理信息、结构信息等。

基于轮廓的描述方法仅提取形状的轮廓信息，常见有两种形式：
- 连续（即全局型）描述方法：从目标全局提取向量特征，不对目标轮廓进行分割或分块处理。
- 离散（即结构型）描述方法：与连续描述方法相反，先将轮廓分割成多个片段，再分别提取相应特征。

1.1.2 傅里叶形状描述子

傅里叶形状描述子在图像轮廓描述方面应用广泛，基本思想是对目标边界进行离散傅里叶变换（DFT），将变换结果作为形状描述。由于傅里叶变换是可逆的，因此在转换过程中不会造成信息损失。

相关公式如下：
- 曲率函数 (K(s))：
[
K(s) = \frac{d\theta(s)}{ds}
]
其中，(\theta(s)) 是轮廓切线点的视角，计算公式为：
[
\begin{cases}
\theta(s) = \arctan(\frac{y’(s)}{x’(s)}) \
x’(s) = \frac{dx(s)}{ds} \
y’(s) = \frac{dy(s)}{ds}