智能信息技术基础-12信息检索.pptVIP

信息检索技术Information Retrieval Technique 封筠 Email：fengjun7171@ :6621/ User: Student.feng 08-05 Outline 一、信息检索技术基础 二、WEB信息检索——搜索引擎 三、图像检索技术 图像检索技术 一、图像检索技术简介 二、图像的特征抽取 三、相关反馈技术 四、技术发展趋势 一、图像检索技术简介 1、图像检索方式分类 2、系统结构 3、 描述模型 4、 典型图像检索系统 5、 应用 1、图像检索方式分类 基于文本描述方式的检索 以关键词形式来反映图像的外部和内部特征。外部特征包括反映图像信息的标题、文件名称、图像周围的文本信息或解说文字等。内部特征包括人工对图像进行文本标注。该方式是通过对图像信息进行描述的关键词的检索来实现的。 优点：技术简单、检索方便 缺点（1）文本特征与个人经验、知识和对图像理解程度密切相关，不能完全反映图像内容；（2）感知底层特征难以用文本描述；（3）文本人工标注费时费力。 1、图像检索方式分类 基于内容的图像检索（Content-Based Image Retrieval，CBIR） 通过自动提取图像的内在特征进行检索。用户可采用示例查询。当前图像检索的研究热点。 图像的内容语义是图像的高层语义特征，应当是人对图像的理解，目前系统自动提取的底层特征并不能很好地体现图像真正的语义信息，这是未解难题。 1、图像检索方式分类 2、系统结构 2、系统结构 图像特征库生成。对原始图像数据进行预处理，建立图像数据库。再对每幅图像进行特征提取，生成图像特征库。 图像检索。当用户向系统提出查询请求，对查询图像进行特征提取。系统对提取的查询图像特征与图像特征库中的特征进行相似性匹配，按与查询特征的相似性降序排列。将相似性程度高的一组图像输出给用户。用户根据检索结果将相关反馈信息（与用户查询意图相关或不相关的示例结果）提交给系统，系统按相关反馈信息来改进查询特征并进行再次检索。 3、描述模型 3、描述模型 4、典型图像检索系统 QBIC（query by image content） IBM公司开发的第一个商业化基于内容的图像检索系统。支持示例方式、描绘方式及给定颜色或纹理特征等查询方式。 / 4、典型图像检索系统 Virage Virage公司开发。支持颜色、纹理、结构特征的视觉查询功能，且同时支持基本查询的任意组合。可根据需要调整不同特征的权值。视觉特征分为：通用特征和领域相关特征（如癌细胞检测）。 /cgi-bin/query-e/ 4、典型图像检索系统 VisualSEEK及WebSEEK 哥伦比亚大学开发。前者是基于视觉特征的搜索引擎，后者是面向WWW的支持文本检索的图像搜索引擎。 采用全局颜色直方图，小波纹理特征。 /~sfchang/demos.html 4、典型图像检索系统 MARS（Multimedia Analysis and Retrieval System） 美国伊利诺斯大学开发，采用多种技术的融合。正式提出相关反馈体系结构，将其在各种层次上融合到检索过程中，如查询向量的优化、相似度的自动选择、特征权重的调整等。 :8000 4、典型图像检索系统 5、应用 艺术作品收集（Art Collections ） e.g. Fine Arts Museum of San Francisco 医学图像库（Medical Image Databases） CT, MRI, Ultrasound, The Visible Human 科学数据库（Scientific Databases） e.g. Earth Sciences The World Wide Web 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 二、图像的特征抽取 三、相关反馈技术 三、相关反馈技术 三、相关反馈技术 四、技术发展趋势 四、技术发展趋势 四、技术发展趋势 四、技术发展趋势 四、技术发展趋势 四、技术发展趋势 四、技术发展趋势 四、技术发展趋势 四、技术发展趋势 四、技术发展趋