基于内容图像检索聚类算法研究.docVIP

基于内容图像检索聚类算法研究 　　（湖南大学 计算机与通信学院， 长沙 410082） 　　?? 　　 摘 要：介绍了基于内容图像检索的系统结构、特征提取等内容，并将数据挖掘的聚类算法与之结合，对各种聚类算法进行了总结，最后提出了一些未来的发展方向。 　　?? 关键词：基于内容的图像检索； 特征提取； 相似性度量； 聚类 　　?? 中图分类号： TP311 文献标志码： A 　　 文章编号：1001?菠B3695(2008)12?菠B3546?菠B04 　　 ?? 　　Survey of clustering algorithm based on content??based image retrieval 　　CHEN Xiang??tao, WANG Ai??yun, XIE Wei??ping, NIE Hong 　　?? 　　(School of Computer Communication, Hunan University, Changsha 410082, China) 　　Abstract: 　　This paper introduced the content??based image retrieval system’s architecture, feature extraction, and combining with clustering algorithms, analyzed the various clustering algorithms. Finally, pointed out some issues that need to be studied. 　　?? Key words：content??based image retrieval; feature extraction; similarity measurement; clustering 　　?お? 　　0 引言?? 　　随着互联网的不断普及和数字化技术的快速发展，图像来源不断扩大，各行各业对图像的使用越来越广泛，图像信息资源的管理和检索显得日益重要。大容量高速存储系统为图像的海量存储提供了基本的保障，图像数据库的研究将对多媒体数字图书馆、医学图像管理、卫星遥感图像和计算机辅助设计和制造、地理信息系统、罪犯识别系统、商标版权的管理等方面提供有力的支持。?? 　　图像数据库研究的核心技术是图像检索，传统的图像检索是基于文本方式的。由于计算机视觉技术的不成熟，达不到对图像描述文本和语义信息的自动提取；而人工提取一方面费时，另一方面带有主观性，于是人们提出了基于图像内容的图像检索(content??based image retrieval,CBIR)技术。CBIR是指通过对图像视觉特征和上下文联系的分析，提取出图像的内容特征作为图像索引来得到所需图像。?? 　　速度是图像检索的关键问题之一，但由于图像资源非常丰富，图像库中的图像通常是海量的，顺序检索的计算量是十分巨大的，也是十分耗时的。如能首先对图像按照某种相似性原则进行聚类，把相似的图像聚合为一类，检索过程在类内进行，从而大大缩小图像的搜索范围，就能达到快速、准确检索图像的目的。由于聚类规则、处理数据量等的多样性，产生了许多聚类算法。本文在介绍基于内容的图像检索的相关技术后，把基于内容的图像检索中聚类算法分成分层聚类、分块聚类、模糊聚类和支持向量聚类等类型，对这些方法进行了归纳，并对未来的研究进行了展望。 ?? 　　 1 基于内容的图像检索相关技术?? 　　 1??1 基于内容图像检索的特点和系统结构?? 　　基于内容的图像检索首先是对检索范围中已有的图像进行分析和特征向量的提取，同时建立链接索引。在检索时， 对每一幅给定的查询样图进行同样的分析和特征向量的提取，然后将该图特征向量与链接图像的特征向量进行匹配，并根据匹配结果实现对检索范围中图像的检索。其特点是：a)从图像内容中直接提取信息线索。b)特征提取和索引建立可由计算机自动实现，避免了人工描述的主观性，也大大减少了工作量。c)基于特征的检索是一种近似匹配，检索时采用相似性匹配的方法逐步逼近来获得查询的结果。CBIR系统的结构如图1所示。系统核心是图像特征数据库，图像特征既可以从图像本身提取得到，也可以通过用户交互获得。用户与系统之间的关系是双向的：用户向系统提出查询要求，系统根据查询要求返回查询结果，用户通过查询结果的相关反馈来改进查询结果。?? 　　 　　 1??2 特征提取 　　??1)颜色特征 　　?パ丈?是物体表面的一种视觉特性， 每种物体都有其特有的颜色特征。 譬如人们说到绿色往往是与树木或草原相关， 谈到蓝色往往是与大海或蓝天相关。 同一类物体往往有着