基于内容图像检索发展状况及演示.docVIP

基于内容图像检索发展状况及演示 　　【摘要】：基于内容的图像检索（CBIR）是信息检索领域的研究热点之一,文章在分析了图像检索技术的发展现状及各种图像特征描述方法，论述了图像检索涉及到的图像特征提取和相似性度量等技术，并就各种特征提取方法进行综合分析、比较提出了今后基于内容的图像检索技术的发展方向,对该领域的研究方向有一定指导意义。 　　【关键词】：基于内容的图像检索；高层语义；高维索引；压缩域图像检索；发展方向 　　中图分类号：TP文献标识码：C文章编号：1002-6908(2007)0510067-02 　　 　　一、 引言 　　图像不同于文本, 传统的基于关键字文本的检索技术已经不太使用, 这就要求有一种能够迅速而准确查找和访问用户所需要的图像信息的技术，即图象检索技术。20 世纪70 年代以来，图像检索技术已逐步成为一个非常活跃的领域，其推动力主要来源于数据库系统和计算机视觉这两大研究领域。图像的索引和检索目前有多种方法，总得来看分为两种，一种是传统的基于文本的图像检索方法，另一种是近年来已逐渐成为国内外研究热点的―基于内容的图像检索技术。 　　 　　二、 图像检索的发展 　　图像检索技术发展到现在大致经历了两个阶段:基于文本的检索和基于内容的检索。 　　最初的图像检索可追溯到上个世纪70 年代, 是基于文本的图像检索, 为实现检索, 通常需要先给图像加上一个对其描述的文字或数字标签, 然后在索引时对标签进行检索, 即对图像基于标签进行查询。这种方法虽然简单, 但有几个根本问题影响图像的有效检索: 首先, 图像内容非常丰富, 很难用有限的文字完全表达, 因此这种方法在查询图像时常出现错误; 其次, 文字描述是一种特定的抽象, 如果描述的标准改变, 则标签也需重新制作才能适合新查询的要求。也即, 特定的标签只适合特定的查询要求; 最后, 文字标签是靠观察者加上去的, 受主观因素影响很大,不够客观[9]。于是人们提出了基于图像内容的图像检索(CBIR , Content Based Image Ret rieval) 技术，它是指通过对图像视觉特征和上下文联系的分析，自动提取包含图像内容的颜色、纹理、形状和相互关系等可视特征,对数据库中图像和查询样本图像在特征空间进行相似匹配,检索出与样本相似的图像，它区别于传统的检索手段, 融合了图像理解技术、模式识别技术, 从而可以为信息用户提供更加有效的检索手段。基于内容的图像检索完全是一种基于相似性的查找，可分为3 个层次：（1）基于原始数据的查找，这是最低层的查找。由于每一幅图像的基本单元是像素点，而决定其根本不同的也是像素点，因此可以通过图像之间的像素点比较查图。（2）基于特征的查找，这是较高层次的查找。图像的特征就是一幅图像与其他图像不同的原始特征或根本属性。在 n 维特征空间的查找，实质就是目标特征矢量与存储在数据库内的特征矢量的相似性度量。（3）基于语义的查找，这是最高层的查找方式。可以看成是一种基于对象的查找。图像中包含的具体事物、场景，图像描述的感情色彩等，对这些的查找都可以看成这个层次的查找。现阶段，基于内容的图像检索的研究还集中在第2个层次，也就是基于特征的查找。即通过颜色、纹理和形状特征提取来查找匹配相似的图像。 　　 　　三、下面介绍几种基于内容的图像检索方法及原理 　　1 相关反馈检索方法 　　现在要解决用户查询借口不完善这个问题，需机器学习和人工智能的进一步发展。Illinois 大学的YongRui 等人将相关反馈方法用于图像的检索中。他们假设一个图像对象o 具有i 个特征, 用f1 ,?, fi 表示, 这些特征之间的权值分别为w1 , ……, wi ; 对于每个特征又可能有多种表示, 每种特征fi 表示方法之间又存在着一定的权值wi1 , ……, wij , 一般来说, 对于一种特征表示往往是高维的, 每维之间也存在一定的权值, 它们可以用wij1 , ……, wijk来表示。对于一个检索结果来说, 比较的过程是从最低层特征表示的每一维开始比较, 然后进行加权和, 直到计算到最高层的每种特征之间的加权和[8]。对于查询结果用户可以作出5 种选择: 非常相关、相关、默认、不相关、很不相关。这些选择对应于一定的评分,系统然后重新计算每个权值, 并进行动态更新。权值更新分为特征权值的更新和特征向量之间权值的逐级更新, 对于特征权值的归一采用高斯归一化方法。这种方法的特点是通过动态更新权值的方法缩小用户高层概念信息和低层的特征信息之间的差距。但权值采用高斯归一化方法的条件是图像库中包含的图像数量足够多, 大量使用权值可能使得计算结果更加模糊化, 并且系统需要使用一定的时间后查询的结果才能保持相对稳定。 　　2 基于对象空间关系