基于内容的图像检索

3.4基于组合的多特征的检索
图像内容具有各种视觉特征及视觉对象的空间关系等， 而人在观察图像时也不只是观察一个特征， 而是会同时看到 图像的颜色、形状等多个组合特征。采用组合特征检索法时 可以在颜色、纹理、形状等几种查询特征中选择两种或两种 以上的特征进行组合检索。基于多特征组合检索便于用户更 灵活、更有效地表达检索要求，提高检索的准确率。
研究如何从多种渠道获取图像语义信息，如何 将图像低层特征与图像关键词结合进行图像自 动标注以提高检索准确率
4、
二 .基于内容的图像检索过程
1 2 预先分析、提取和储存各图像视觉 的底 层特征 系统根据用户提交例图采用某种方法 提取该图特征向量 3
选取相似性比较方法，将该例图的 特征与特征库中的特征进行比较匹配
颜色一致性矢量方法统计 了整幅图像中各颜色的像 素值和图像中各颜色最大 区域的像素值。
颜色矩算法主要 是采用图像中各 颜色的均值和方差 作比较，处理简单。
颜色是图像的一种重要视觉特征，具有旋转不 变性、平移不变性等优点，在基于内容的图像检索 （CBlR）中应用广泛、性能显著。
3.2基于纹理特征的检索
3.1基于颜色特征的检索
颜色表达的是图像的全局特征，是图像的主 要视觉性质，在人们对图像的印象中，颜色占了 很大的比重。颜色是图像检索中最先被采用的特 征， 主要方法有：
②颜色一 致性矢量 ③颜色 相关图
①颜色 直方图
④颜色矩
基于颜色特征的检索
颜色直方图在商用及 实验系统中都得到了 广泛应用，但缺乏 图像的空间信息。 颜色相关图法强 调同一颜色在图像 中的空间距离相关性， 检索效果好，但计算量 比较大。 颜色检索 方法
四.基于内容的图像检索技术的展望
目前，许多研究关注的是图像的特征 提取及检索匹配算法，虽然方法很多 ，但没有一个统一的模型，需要易用 的能对原始特征进行抽取的自动工具 和获取逻辑特征的半自动工具用于开 发大型、实用的多媒体信息检索系统
目前的媒体格式和编码没有考虑到内容 ，只是针对颜色、像素、样值来编码。 因此，从这些数据中抽取内容特征非常 困难。希望能够让检索算法的评价方法 能够在相同的条件下找出最佳算法，使 不同的检索方法能更好地改进和提高
清华大学计算机系结合国863高科技研究发展项 目“Web上基于内容的图像检索研究”，于1997年研 制了一个网络版基于静态图像内容的原型系统。 国防科技大学多媒体开发中心设计开发了一 个基于内容的视频新闻节目浏览检索News Video CAR。 浙江大学在多媒体图像检索的研究中， 开发了基 于图像颜色的检索系统Photo Navigator，并将基于颜 色的CBIR技术较为成功地应用于敦煌壁画数据库的研究 和开发。
一.国内外的研究现状
迄今已有许多关于内容的图像检索系统面 世。国外经典的检索系统主要有：
IBM公司开 发的OBIc Virage公 司Virage 图像搜索 引擎
哥伦比亚大 学开发的 VisualSEEK
多媒体实 验室开的 Photobook
麻省理工 学院的MIT
对于国外而言， 国内在基于内容的图像检索理论 及应用的研究起步较晚，具有代表性的研究如下：
使用直线段、 开放多边形和 封闭多边形作 为纹理基元的 纹理模型，其 排列规则由一 种图状语法结 构定义。
借助于傅里叶 频谱的频率特 性来描述周期 或者近似周期 的2-D图像模 式的方向性。
3.3基于形状特征的检索
形状是刻画物体的本质特征之一， 也是最难提取和描述的图 像特征之一。在人的视觉感知、识别和理解能力中，形状是一个 重要的参数。形状特征具有不受目标颜色、纹理、背景变化影响 的特点，它的重要原则是对位移、旋转、尺度变换的不变性。为基础， 形状特征的提取必须以图像分割作为 前提。 形状特征通常有两种表示方法： 一种是基于边界轮廓特征的表示方法，该特征的描述主要 有：直线段描述、样条拟合曲线、傅立叶描述、小波轮廓描述， 等等，其中最典型的方法是傅立叶描述。 另一种是基于区域特征的表示方法，如不变矩。前者只用到 物体的外边界，而后者则关系到整个形状区域。无论提取哪一类 形状特征，都必须分割图像。
图像检索主要经历了两个阶段
1、基于文本的图像检索
文本的图像检索是通过关键字或自由文本进行描 述，查询操作是基于该图像的文本描述进行精确匹配 或概率匹配。方式简单、易于理解，但检索时要指明 文本特征。
2、基于内容的图像检索
内容的图像检索实现了自动化、智能化的图像检 索和管理，主要利用了图像中的一些可视化信息，如 颜色、形状、纹理等信息作为检索的途径，从而提高 了检索的效率和准确性，
该检索方法可分两种情况进行：
异步组合检索 同步组合检索
1、
2、
3.5基于语义特征的检索
基于语义的图像检索需要解决两个方面的问题： 一是必须提供高 层语义的描述方式； 二是必须有将低层图像视觉特征射到高层语义的 方法。图像的视觉特征信息和用户视觉数据理解的不一致性， 使得视 觉底层特征和高层语义之间存在语义鸿沟。针对这一问题，许多学者 进行了研究，Amoid将图像的知识作用域分为狭义域和广义域两类， Hermes等人使用了相似性技术直接从户外图像中推导场景的自然语言 描述，有人提出了模糊布尔模型、概率布尔模型。这些方法在不同的 场合分别显示了它们在语义表达方面的能力。基于语义的图像检索方 法， 它允许用户在检索过程中用主观感觉来描述图像，这对于检索者 来说，可以提高检索效率和准确性，但是“语义鸿沟”的存在，使得 基于语义的图像检索仍面临着很大挑战。
纹理是图像的重要特征之一， 通常定义为图像的某种局部 性质，或是对局部区域中像素之间关系的一种度量，其本质是刻 画像素的邻域灰度空间分布规律。Tamura等人基于人类视觉的心 理学研究后提出了一些不同的方法来描述纹理特征，给出了几个 不同的描述纹理特征的术语： 粗糙度 （coarseness） 对比度 （contrast） 方句度 （directionality） 线性度 （linelikeness）
4 将与查询特征相似的图像，按相似度 由大至小排列结果返回给用户 5 将返回的结果经过特征调整后，形成 一个新的查询，直至得到满意的结果
基于内容的图像检索过程
三.基于内容的图像检索常用的关键技术
基于形状 特征的 检索
基于纹理 特征的 检索
基于组合的 多特征 检索
基于颜色 特征的 检索
常用技术
基于语义 特征的 检索
目前，基于内容的图像检索技术的研究热点可分为
四个方面
1、
2 、 如何选择合适的全局特征去描述图像内容和采 用什么样的相似性度量方法进行图像匹配。 基于区域的图像检索方法， 主要思想是通过图 像分割技术提取出感兴趣区域的特征；
3、
利用相关反馈技术， 根据用户需求及时调整系 统检基于内容的圈像检索方法研究和实现索， 充分利用特征和相似性度量方法，进而缩小低层 特征和高层语义之间的差距。
还需要新的特征表示方法，如基 于分形或小波的特征数学表示。
如何实现准确的特征提取将是今后研究 的一个方向， 在多特征综合检索中如何 实现算法匹配结果的归一化有待于进一 步研究
Thank you !
术语
规则度 （regularity） 粗略度 （roughness）
基于纹理特征的检索
纹理特征描述方法大致可以分为四类：统计法、结构法、模 型法、频谱法。
统计 法
通过图像中灰 度级分布的随 机属性来描述 纹理特征，最 简单的统计法 是借助于灰度 直方图的矩来 描述纹理。
结构法
模型法
频谱法
假定纹理模式 由纹理基元以 一定的有规律 的形式重复排 列组合而成， 分析它们的排 列规则。
基于内容的图像检索
组员：杨乔 曾春玲 唐硕翎
罗鹏 时浪
基于内容的图像和视频检索
一、
国内外的研究现状 基于内容的图像检索系统构成 基于内容的图像检索常用技术 基于内容的图像检索技术的展望
二、
三、
四、
引言
随着社会的信息化发展日益深入，互连网日 益普及，越来越多的图象信息是以数字方式存储 的，如何有效地管理和利用这些以图象和视频的 方式存储的信息成为十分重要的问题。因此，基 于内容的图像检索技术CBIR成为当今的一个研究 热点。