基于某纹理特征地图像检索技术

《基于某纹理特征地图像检索技术》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、实用标准文案基于纹理特征的图像检索技术研究第1章绪论1.1传统的图像检索技术在当今的信息化时代，随着现代电子技术、计算机技术、网络通信技术和多媒体技术的迅猛发展，大量的数字媒介被用来记录信息，数字图像是其中一种用以记录真实世界景象的重要方式。各行各业，包括在人们的社会生活中，各种内容的大规模数字图像库不断出现。有效地建立、管理和充分利用图像信息库资源，一直是国内外科技工作者关注的问题。能够有效地在庞大的图像库中搜索到需要的图像信息，是进行数字图像管理和分析的关键技术。图1.1传统的图像检索过程传统的图像检索方式是基于标注文本的信息检索技术，其工作流程

2、如图1.1所示。进行检索前，以人工处理的方式对每一幅图像进行文本标注，在一定限制的字数范围内描述图像内容，形成描述图像的标注数据库，以标注为关键字，与图像数据库关联起来;检索时，实际上只对图像标注数据库进行操作，进行文本匹配，从而达到对相应图像进行检索的目的。目前，互联网上的图像搜索，如Google、百度等著名的搜索引擎，大多仍是采用这种对图像标注文本进行匹配检索的方式。这种看似简单的图像检索方法，却存在重要的缺陷。首先，人工标注的方式效率太低，无法满足如现在的Web网络资源、数字图书馆等大型多媒体信息库的需求，要一张张图像的进行文本标注，耗费的时间

3、无法预计。标注的速度也无法跟得上图像数量增长的速度，如美国国家航空和宇宙航行局(NASA)的地球观测系统每天约产生1T的图像数据。其次，“一幅画胜过千言万语”，一幅图像所包含的丰富信息，通常难以用几个关键词或短短几行文字完全表达。同时，人工标注带有过多的主观色彩，实施标注的人员和图像的使用者、以及不同的图像使用者之间，对一幅图像的理解也不会完全一致。例如，一幅被标注为“蝴蝶在花丛中”的图像，无论是对花的种类感兴趣的用户，还是对蝴蝶的外形感兴趣的用户，这样的标注都没有什么实际意义。从上个世纪八十年代，基于内容的图像检索技术(Content-BasedI

4、mageRetrieval,CBIR)引起人们的重视，以图像的视觉特征作为系统检索的依据，精彩文档实用标准文案克服了应用传统文本标记法进行图像检索的繁杂性、不确定性和主观性等缺陷，很快成为了一个活跃的研究领域。1.2基于内容的图像检索技术基于内容的图像检索(CBIR)技术由机器自动提取包含图像内容的可视化特征:颜色、纹理、形状、、轮廓、对象的位置和相互关系等，对数据库中的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。CBIR系统的典型结构和一般流程如图1.2所。图1.2基于内容的图像检索的过程作为传统标注文本数据库检索的拓展，相比

5、之下，CBIR主要具有以下特点:.传统的数据库中，符号数据，如标注文本或图像标号，可以用基本数据类型精确地表示，检索匹配是精确匹配。而图像数据是一段二进制的数据流，对图像进行像素和像素的精确匹配不科学。事实上，人对两个图像的相似和不相似的判断是根据图像中所包含的内容，很难将其精确描述，因此内容的表达也只能是近似的。图像数据的表达不是单一的，多种表达方法并存是可能的。表达方法的选择要依赖于特定的用户和特定的应用领域，随着识别技术的发展还可能采用更新或更好的表达方法。符号数据本身就具有语义信息，在符号数据命名的过程中就赋予了特定的信息。图像中的内容本身并

6、不包含语义，对图像的匹配主要是对图像内容特征进行相似匹配。由于对内容表达的不精确，一次检索得到的结果可能包含一些不相关的图像，这种情况对于基于内容的图像检索在一定限度内是可以容忍的，但重要的一点是精彩文档实用标准文案在检索中不能将相关的图像漏掉。对一个CBIR系统进行性能评估的比较通用的两个准则是效率(efficiency)和有效性(effectivity)，分别代表检索的速度和查找与查询图像相似图像的成功率。对检索效果的评价主要在于检索结果的正确与否，即检索的有效性，它主要使用的是查准率(precision)和查全率(recall)两个指标。查准率

7、的含义是在一次查询过程中，系统返回的查询结果中的相关图像的数目占所有返回图像数目的比例，反映系统拒绝无关图像的能力。查全率则指系统返回的查询结果中的相关图像的数目占图像库中所有相关图像数目(包括返回的和没有返回的)的比例，反映系统检索相关图像的能力。用户在评价查询结果时，可以预先确定某些图像作为查询的相关图像，然后根据系统返回的结果来计算查准率和查全率。这两个指标的值越高说明检索方法的效果越好。早期对CBIR技术的研究重点大多放在视觉特征的提取，包括颜色、纹理、形状、轮廓等。近年来研究者又引入了更多领域的知识:从知识表示的角度运用人工智能领域的推理及

8、神经网络技术来提取特征和分类图像;构造面向对象的CBIR系统;开发面向网络的CBIR系统;并行CBIR技术也