网络信息检索中图像检索技术.docVIP

网络信息检索中图像检索技术 　　[摘 要] 图像检索是网络信息检索中的重要的组成部分，而其检索技术却相对滞后。基于内容的图像检索已成为网络信息检索技术的研究热点。本文分析并总结了图像检索的概念，综述了基于内容的图像检索系统和相关技术。 　　[关键词] 网络信息检索； 基于内容； 图像检索技术 　　[中图分类号] G354.47 [文献标识码] A [文章编号] 1673 - 0194（2013）03- 0073- 02 　　随着网络信息资源的迅速增加，信息多样化的程度不断加大，诸如图形、图像、音频、视频、动画等多媒体信息日渐丰富，其中图像信息的需求尤为大量，而当前主要以文本方式进行检索的技术已不能满足人们对信息的需求。 　　基于文本的检索是搜索引擎将网站、网页的内容索引为一系列的关键字，当用户输入相应关键字后，系统根据数据库中的倒排文档将关键字映射为网站或网页的地址。图像信息基于文本的检索技术，即根据图像信息的文件名、路径名、ALT标签等，将其标注为一系列关键字的描述，然后通过检索这些描述以达到检索图像信息的目的。这种检索技术很不实用。首先，由于目前的计算机视觉和人工智能技术都无法自动对图像进行标注，要由人工完整地标注网络上的所有图像，不但费时费力，而且往往是不准确或不完整的；其次，不同用户对于同一张图像的看法不尽相同，导致对图像的标注没有一个统一标准；再次，这种方法将注意力局限在图像的著录特征，即文字描述上，不能充分揭示和描述图像中有代表性的画面内容特征。所以基于内容的图像检索技术应用而生。 　　1 基于内容的图像检索技术 　　基于内容的图像检索一般是指静止图像的检索。这种图像检索技术通过分析图像的内容，提取其颜色、形状、纹理等可视特征，建立特征索引存储于特征库中，在检索时，用户只需把自己对图像的模糊印象描述出来（绘制的草图或通过扫描仪等在线输入的图像），就可以通过多次的近似匹配，在大容量图像库中查询到所需图像。基于内容的图像检索具有较强的客观性。 　　基于内容的图像检索算法涉及的相关技术比较多，主要有：图像的分析与特征向量的提取技术、特征向量数据的组织与存储技术、图像数据的组织与存储技术等。 　　1.1 基于颜色特征的图像检索 　　颜色特征是图像检索中最基础的一种检索依据，颜色是人识别图像的主要感知特征之一。在基于颜色特征的检索算法中，通常用颜色直方图来表示图像的颜色特征。直方图能较好地反映图像中各颜色的频率分布，横轴表示颜色等级，纵轴表示在一个颜色等级上，具有该颜色的像素在整幅图像中所占的比例。直方图可以对整幅图像进行最大匹配度检索。目前关于色彩的索引方法有两类：基于全局色彩的索引与基于局部色彩的索引。 　　全局色彩的索引就是按全局色彩的分布来索引图像，计算每种颜色的像素，检索出具有相同颜色内容的像素的图像。其中最为简单有用的工具是灰度直方图。利用图像的灰度直方图作为特征指标来描述图像，一般是利用二维直方图，如红—蓝直方图，它是红光图像的灰度值和蓝光图像的灰度值的函数。利用色彩直方图进行检索的方法有许多，如：比例直方图法、累加直方图法等。 　　色彩直方图还不能为像素在图像中的位置提供线索，为了尽可能少地丢失信息，提出了局部色彩方法。局部色彩的索引对象是局部相似的颜色区域，它考虑了颜色的分类和一些初级的颜色特征。用形状面积、圆度、离心率等来描述形状的特征矢量。 　　1.2 基于形状特征的检索 　　形状是刻划物体的本质特征之一，利用形状来检索可提高检索的准确性和效率。基于形状的检索不仅包括传统意义的基于二维形状的检索，还包括三维形状的检索。 　　基于图像内物体形状的检索，首要问题是采用合适的图像分割算法把不同对象从图像中分割出来，关键是寻找符合人眼感知特性的形状特征。目前，较好的方法是采用图像的自动分割方法结合识别目标的前景和背景模型来得到比较精确的形状特征。图像自动分割方法的具体思路是：将图像分块后，将每个块看成是一幅小图像，计算每个小图像的颜色直方图特征，则每个块间的直方图是不一样的，为分析边缘特征，将相邻两个块构成一个比较对，将每个块间的差值记录下来，同时记录差值在一定范围内的数目，这样就形成一个颜色特征差值表。图像对象空间位置发生变化，其特征差值表也就不同。 　　1.3 基于纹理特征的检索 　　纹理是指图像在局部区域内可能呈现出不规则性而在整体上却表现出某种规律性。纹理特征是图像中难以描述的特征，它是一种反映图像像素灰度级空间分布的属性。如果一个物体内部以灰度级变化明显而又不是简单的色调变化，那么该物体就有纹理。 　　纹理分析的方法基本可以分为统计法、结构法、模型法和空间法/频率域联合分析法等4类。基于统计的方法是对图像中的颜色强度的空间分布信息进行统计，主要用于分析像木纹、沙地