基于内容的图像检索技术相关知识点及应用。

基于内容的图像检索技术

相关知识：/view/5529743.htm

一、概述

基于内容的图像检索技术是一种综合集成技术,它通过分析图像的内容,如颜色、纹 理等,建立特征索引,并存储在特征库中。用户在查询时,只要把自己对图像的模糊印象描 述出来,就可以在大容量图像库中找到想要的图像。

基于内容的图像检索技术与其它相关学科的主要区别是:首先,它是一种信息检索技

术,应能从大型分布式数据库中以用户可以接受的响应时间及尽量与领域无关的方式(在 需要时也可以是与领域相关的)检索到想要的图像信息。它可以不去理解图像中的对象, 更关注的是信息的快速查询和发现。举个例子来说,用户想买一辆红色汽车,那么他选定 了红色和汽车轮廓,数据库系统就能返回所有红色汽车的图像,从而帮助用户快速找到目 标。

其次,作为一种多媒体技术,它具有很强的交互性,即用户可以参与检索过程。 最后,它引入了特征库和知识辅助的概念。用特征库保存描述图像内容的特征,知识 辅助有利于查询优化和快速匹配。

从图像检索的应用角度出发,除了采用传统的结构化查询方法以外,还可以采用可视 的示例查询方式。具体可以分为以下几种:

1.准确实例检索和查询

准确实例检索和查询(Retrieval And Query By Exact Example)针对用户给出的确

切查询实例,如用户拿到某地区的照片或图样,需查询有关该地区的其它信息,这种查询称 作完全的实例查询。由于用户可以给出要求查询的原图像,检索可以针对图像的任何特征 进行,因此,相对来说比较容易。

2.模糊实例查询

在基于内容的查询中,大部分查询实际上都是模糊实例查询(Retrieval And Query By Fuzzy Example)。因为在很多情况下,用户无法给出一个完全的例子,往往只能给出( 或者说从一部分示例中选择出)一个想要检索的图像的例子,然后系统依照这个例子查找 与它相似的图像,并将相似结果返回给用户,用户可以在这些相似的结果中决定或再次选 择更接近用户查询的图像,从而进行下一次相似性计算,以达到模糊检索的目的。目前,大 部分QBE(Query By Example)所用的实际上都是这种模糊查询。

3.描绘示例检索和查询

描绘示例检索和查询(Retrieval And Query By Describable Example)是针对用户

给出的所需图像的粗略结构化描述进行处理。如用户提供一个(可能是画的)需查找图像 的"形状"的粗略轮廓,在这种情况下,一般没有一个完全的实例,因此,只有用一些局部特 征,这时需要抽取这些局部特征,如形状或每个形状所定义的在图像中空间定位的相关结 构。对于形状的每个部分,必须在库中找到相应的形状,并返回相应的图像集。

不论哪种查询方法,都需要针对图像的具体特征进行匹配检索。在实际应用中,用户

一般对颜色、纹理、形状以及目标的空间关系等特征比较敏感。下面就常用的特征介绍 几种基于内容的图像检索方法。

二、基于颜色特征的检索