图像检索技术综述

图像检索技术综述

ID:41894750

大小:240.01 KB

页数:28页

时间:2019-09-04

图像检索技术综述_第1页
图像检索技术综述_第2页
图像检索技术综述_第3页
图像检索技术综述_第4页
图像检索技术综述_第5页
资源描述:

《图像检索技术综述》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、图像检索技术综述本文主要内容图像检索技术的发展历史当前主流的图像检索技术介绍一个图像搜索引擎的系统模型20世纪70年代:TBIR(Text-basedImageRetrieval)基于文本的图像检索技术沿用了传统文本检索技术,利用文本描述的方式表示图像的特征。早期的TBIR:手工对图像进行注释,工作量相当大,不可避免地会带来主观性和不精确性Internet环境下的TBIR:网页信息的自动采集和标引技术索引方式:全文索引和关键词索引Google,Yahoo和百度等搜索引擎所提供的图像检索服务,它们采用的都是TBIR技术.TBIR的优点:使用成熟的文本检索和搜索引擎技术

2、,符合人们的检索习惯,实现简单TBIR的缺点:标注的准确性差,也不能满足用户对图像原始特征信息的检索MPEG-7国际标准化组织ISO/IEC制定的MPEG-7国际标准,该标准的正式名称为“多媒体内容描述接口”(MultimediaContentDescriptionInterface),为各类多媒体信息提供一种标准化的描述,并将该描述与所描述的内容相关联,极大地促进了对各种多媒体信息的快速查询和访问。该标准于1998年10月提出,于2001年最终完成并公布。MPEG-7标准化的范围包括:一系列的描述子(描述子是特征的表示法,一个描述子就是定义特征的语法和语义学);一

3、系列的描述结构(详细说明成员之间的结构和语义);一种详细说明描述结构的语言、描述定义语言(DDL);一种或多种编码描述方法。90年代以来:CBIR(Content-basedImageRetrieval)基于内容的图像检索对图像的视觉内容,如图像的颜色、纹理、形状等进行分析和检索图像。其特点是图像本身包含的客观视觉特性,不需要人为干预和解释,能够通过计算机自动实现对图像特征的提取和存储。CBIR进行检索时利用的是第2层的特征。特征提取是CBIR系统最基础的部分,在很大程度上决定了CBIR系统的成败.[1]特征提取第3层:语义特征层人们对图像内容概念级的反映第2层:物

4、理特征层图像的颜色、纹理、形状和轮廓等低层物理特征第1层:原始数据层图像的原始像素点图1图像内容的层次模型1基于颜色特征的检索实践表明,基于颜色的CBIR系统具有较好的性能,而且实现相对容易.最常用的表达颜色特征的方法是颜色直方图。其他常用的颜色特征表示方法还有颜色矩和颜色相关图。[2]2基于纹理特征的检索纹理是一种不依赖于颜色或亮度的反映图像中同质现象的视觉特征,对图像灰度变化的特征进行量化,与对象的位置、走向、大小、形状有关,与平均灰度级无关。图像检索中用到的纹理特征表示方法主要有:Tamura法、小波变换和自回归纹理模型。[3]3基于形状特征的检索形状特征常与

5、目标联系在一起,需提取目标的轮廓或描述目标轮廓所包围的区域的性质。因此形状比颜色和纹理的语义性更强。基于边界的表示:代表方法是傅里叶描述子。其基本思想是用对图像进行傅里叶变换得到的边界作为形状描述.其中一个优点就是把二维问题简化为一维问题。基于区域的表示:代表方法是不变矩法。CBIR系统向用户提供的查询方式示例查询就是由用户提交一个或几个例子图像,然后由系统检索出特征与之相似的图像.这里的“相似”,指的是上述的颜色、纹理和形状等几个视觉特征上的相似。草图查询:用户可以简单地画一幅草图,由系统检索出视觉特征上与之相似的图像。目前基于内容图像检索技术已经取得了不少的成就

6、,一些著名的图像检索系统相继被推出,有IBM的QBIC系统,哥伦比亚大学开发的Visual-SEEK,MIT多媒体实验室开发的Photo-Book,UCBerkeley开发的Chabot系统等。CBIR利用图像本身固有的物理信息,能够对图像的颜色、纹理和形状等特征进行比较,在指纹识别、商标检索和医学图像检索等特定领域得到了广泛应用,因为这些领域的图像在某些特征上容易识别,比如同一个手指的指纹其纹理是一样的。然而,Internet上的图像来自不同的领域,根本无法捕获其共同点,用基于内容的方法对这些图像进行检索,其效果远不能令人满意.基于语义的图像检索基于语义的图像检索

7、的目的,就是要使计算机检索图像的能力达到人的理解水平。在图1所示的图像内容层次模型中,语义位于最高层:第3层。第2层和第3层之间的差别被许多学者称为“语义鸿沟”(semanticgap)。缩小语义鸿沟的办法有2种:由高层语义导出低层特征和由低层特征向高层语义的转换。在原有检索系统中加入高级语义到低层特征的转化,可以在不改变现有的图像特征库和匹配方式的情况下,实现基于语义的图像检索,其基本框图见图2.图像语义的提前过程是由低层特征向高层语义转化的过程。在获取语义和有效地表达语义的基础上,可以建立语义索引,提取图像语义的模型见图3。高层语义导出低层特征反馈信息检索结

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。