图像检索技术的基于内容的图像检索技术 (图像检索技术研究论文)

本文目录导航：

• 图像检索技术的基于内容的图像检索技术
• 基于内容的图像检索的技术概述
• 基于内容的图像检索技术概述

图像检索技术的基于内容的图像检索技术

基于内容的图像检索依据图像、图像的内容语义以及高低文咨询启动查找，以图像语义特色为线索从图像数据库中检出具备相似个性的其它图像。

由于图像的规模普通要大于纯正的文本消息，因此，基于内容的图像检索在检索的速度和效率上要求更高。

目前已有不少运行于通常环境的基于内容图像检索系统，如由IBM公司开发的最早商业化QBIC系统，以及由哥伦比亚大学研发的WebSeek系统、麻省理工学院研发的Photobook系统等。

经过基于内容的技术检索Web图像，首先须要从Web中剥离图像，组成图像集，对图像集中的各个对象启动基于内容的特色剖析、相似度婚配。

基于内容的图像检索系统普通包括图像处置模块、查问模块、对象库和特色库和常识库

基于内容的图像检索的技术概述

CBIR的外围是经常使用图像的可视特色对图像启动检索。

实质上讲，它是一种近似婚配技术，融合了计算机视觉、图像处置、图像了解和数据库等多个畛域的技术成绩，其中的特色提取和索引的建设可由计算机智能成功，防止了人工形容的客观性。

用户检索的环节普通是提供一个样例图像(Queryby Example) 或描画一幅草图(Queryby Sketch) ，系统抽取该查问图像的特色，而后与数据库中的特色启动比拟，并将与查问特色相似的图像前往给用户。

CBIR 的成功依赖于两个关键技术的处置:图像特色提取和婚配。

图像特色提取分为两类:①低层视觉，其内容重要包括色彩、状态、纹理等；②语义内容，它蕴含上层的概念级反响(如“海回升明月”)，须要对物体启动识别和解释，往往要借助人类的常识推理。

由于目前计算机视觉和图像了解的开展水平所限，使得CBIR还不可真正支持基于语义的图像检索，所以目前钻研得较多也比拟成熟的检索算法大局部是基于图像的低层特色的，即应用图像的色彩、纹理、状态等特色来检索。

提取后的图像特色数据须要经过索引、降维等处置。

首先，图像由特色向量示意，而这些特色向量普通都是高维向量， 在宏大的图像数据库中，对高维向量启动顺序比拟的环节是相当费时的。

在实践运行环节中， 为了让基于CBIR的图像检索系统能够真正适宜大型的图像数据库， 提高检索效率，尽或者缩小查问时的特色矢量比拟期间，往往将降维技术和多维索引技术联合起来。

图像相似度是指人类对图像内容意识上（即语义）的差异，造成经过计算查问样图和候选图像之间在视觉特色上存在距离。

假设这个距离满足必定条件，咱们则可以说这两图像相似度婚配。

当然，假设能将语义特色和视觉特色联合起来， 相似度婚配水平会更高，检索结果会更让人满意，但这是目前钻研的一大难题。

基于内容的图像检索技术概述

CBIR的外围在于经常使用图像的可视特色启动检索，这是一门融合了计算机视觉、图像处置、图像了解和数据库等多畛域技术的近似婚配技术。

其中，特色提取与索引建设环节可由计算机智能成功，防止了人工形容的客观性。

用户检索时，通常提供一个样例图像（Queryby Example）或描画一幅草图（Queryby Sketch），系统从查问图像中抽取特色，与数据库中的特色启动比拟，前往与查问特色相似的图像。

成功CBIR需处置两大关键技术：图像特色提取与婚配。

特色提取分为两类，一类是低层视觉，蕴含色彩、状态、纹理等；另一类是语义内容，触及概念级反响，通常须要借助人类常识推理。

目前，CBIR重要依赖于基于图像低层特色的检索算法，如应用色彩、纹理、状态等特色启动检索。

提取的特色数据须要经过索引、降维等处置，以提高检索效率。

在实践运行中，驳回降维技术和多维索引技术联合，以放慢基于CBIR的图像检索系统在大型数据库中的检索速度，缩小查问时的特色矢量比拟期间。

图像相似度在人类认知层面上（即语义）存在差异，经过计算查问样图与候选图像在视觉特色上的距离来权衡。

若满足必定条件，说明两图像相似度婚配。

联合语义特色与视觉特色，可提高相似度婚配水平，但这是目前钻研的一大应战。

裁减资料

基于内容的图像检索，即CBIR(Content-based image retrieval)，是计算机视觉畛域中关注大规模数字图像内容检索的钻研分支。

这一律念是于1992年由提出的。

便捷的CBIR系统，准许用户输入一张图片，以查找具备相反或相似内容的其余图片。

目前，该畛域的钻研已开展近20年，传统的搜查引擎公司包括Google、网络、Bing都已提供必定的基于内容的图像搜查产品。

如：Google Similar Images，网络识图。