1图像检索研究的意义及背景.PDFVIP

基于多特征的图像检索方法研究 Q前言 0.1图像检索研究的意义及背景 近年来，随着通信及多媒体技术、计算机网络、大容量存储器以及数字化图 像设备如扫描仪、数字相机等技术的迅速发展，对数字图像的使用包括国防军事、 工业制造、医疗卫生、新闻媒体、大众娱乐和家庭生活等各个方面。在如此广泛 的应用背景下，产生了大量的各式各样的图像数据库，图像数据出现了按指数级 增长的趋势。如何更好地应用视觉数据，实现方便、快速、准确地查询和检索到 用户所需的图像信息，使管理者可以从大量的单调的人工管理工作中解放出来， 已成为人们迫切需要解决的问题。 传统的数据库检索方法在进行上述方面的信息检索时，效果往往不够理想。 这是因为传统数据库在进行信息检索时，主要依据关键字和文本信息进行检索。 不能提供相似性检索。由于文本检索技术出现较早，发展比较成熟，在研究图像 检索时，研究者首先想到将文本检索技术应用到图像检索中。在上个世纪七十年 代末期，出现了基于文本的图像检索系统。基于文本的检索是指对图像文件建立 关键字或文本标题以及一些附加信息对图像进行描述，然后将图像的存储路径和 图像的关键词建立联系。它的缺点在于:随着大量图像的出现，需要大量的劳动 力去管理和注释这些图像:不同的人对同一幅图像的理解不同，文本描述信息相 对主观;不同国家的人由于语言的差异会造成对同一图像的语义理解的差异。因 而仅仅基于关键词的检索己不能满足用户的检索要求。不仅如此，传统的数据库 检索结果与信息的组织方式及查询结果的显示方式有关，而无法按照查询结果的 相似程度进行输出。能够对多媒体数据内容进行自动语义分析、表达和检索是数 据库及其它信息系统的发展趋势。 基于多特征的图像检索方法研究 伴随着该问题的出现，学者们提出了基于内容的图像检索的概念 (CBIR, Content-basedImageRetrieval)[11。它与传统的文本信息的检索不同，通过直接 对图像的内容进行分析，自动提取图像的内容特征并按一定规则进行量化。在此 基础上，利用这些量化的内容特征建立索引进行检索。基于内容的图像检索系统 主要是把图像的颜色、纹理、形状和空间位置关系等可视化特征作为图像的内容 特征进行匹配、查找。特征的提取和匹配过程完全可以由机器自动完成，这样就 可以克服手工注释的低效性和二义性。事实上，图像的可视化特征是对图像内容 的压缩和抽象，与人类的观察十分相似，因而基于内容的图像检索基本能够满足 用户的需要。 CB工R系统通常具有四个要素:(1)图像集。这是最基本的要素。 (2)检索模 型。检索模型用来比较图像的相似性。系统响应一个查询，基于检索模型计算每 个图像对查询样本的相似性值，该值被称为检索状态值:retrievalstatusvalue (RSV)，依据图像RSV的大小倒序列出满足要求的图像，即最相似图像、次相似 图像等等。(3)索引策略。为了方便图像RSV的计算，需要有一些可以表征图像 与查询图像相似性的量化特征，根据这些特征建立合适的索引结构以加快查询速 度。(4)交互式的查询技术。用户与系统的交互可以提高系统的有效性。 对CBIR的研究可分为三层:下层是基于颜色、纹理、形状等反映图像基本物 理特征的检索，是最直接、最基本的层面，用到图像信息处理、图像分析和相似 胜匹配技术;中间层是基于图像对象语义，如图像中实体及实体之间的空间关系 的检索，对象级检索技术建立在下层特征基础上，并引入了对象模型库、对象识 别和人工智能等图像理解技术:最上层是基于图像概念级语义的检索，其技术建 立在对象层语义特征提取的基础上，引入了对象和场景之间的逻辑、情感等高层 基于多特征的图像检索方法研究 语义的描述及识别，需要用到知识库和人工智能和神经网络技术。目前的研究主 要还是集中在第一个层次上。研究的问题主要包括:内容特征选择、提取、表达 和索引，相似性的度量方法，检索结果和用户相关反馈的处理。 基于文本的检索技术现在己比较成熟，市场化的产品也很多;同时，随着人 工智能和计算机视觉的发展，基于内容的特征提取技术也在不断完善。结合运用 这两种方法是当前的一个热点。国内外已经对如何通过单一的视觉特征进行检索 从而得到更好的效果进行了大量的研究，但是实验表明，基于多种特征CBIR的 结果优于基于单一视觉特征CBIR的结果。结合多种特征进行综合检索是目前图 像检索研