图像检索系统

摘要

基于文本的图像检索技术存在两个缺点。首先，标注每个图像是比较困难的；再次主观性和图像注释的不精确性在检索过程中可能引起适应性问题。基于内容的图像检索技术克服了传统的图像检索技术的缺点。基于内容的图像检索技术分为特征提取和查询两个部分。本文主要介绍基于颜色特征的图像检索技术颜色特征是图像的基本特征也是最为直观的特征之一。着重探讨了颜色空间的选取颜色特征的提取和表达颜色的相似度以及现有的图像的检索系统和存在的问题。在这里颜色空间的选取有RGB颜色模式HSV颜色模型。颜色提取的基本思想是用颜色直方图来统计每种颜色出现的概率。目前相关的系统有QBIC系统、Photo book系统、CORE系统等等。

关键词：基于内容的图像检索技术；特征提取；特征表达；颜色直方图；

Abstract

Traditional text-based image retrieval techniques have two shortcomings: First, it has been difficulties to note each image. Second, the subjectivity and no precision of image anno-tation may lead to the adaptation in the retrieval process. CBIR overcome the shortcomings of the traditional text-based image retrieval .Content-based image retrieval can divide into two parts, that is feature extraction and query. In this paper, based Color Image Retrieval is mainly introduced. Color features are the basic characteristics of the image as well as are one of the most intuitive features. Here we focused on the selection of color space, color feature extrac-tion and expression, color similarity, and the existing image retrieval systems and problems. There are many color models to express color such as the RGB color model, the HSV color model. The basic idea to extract color is to use color histogram to calculate the probability statistics of each color .Currently there are some related systems QBIC system related system, Photo book system, CORE system and so on.

Keywords: Content-based image retrieval; Feather extraction; Feather presentation; color histogram;

目录

1 绪论 (1)

1.1 图像检索技术的发展 (1)

1.2 图像检索技术的特点和应用 (1)

1.3 图像检索系统的关键技术 (2)

1.4 基于内容图像检索的典型系统 (3)

1.4.1 QBIC系统 (3)

1.4.2 Virage系统 (3)

1.4.3 Photobook系统 (3)

1.4.4 VisualSEEK和WebSEEK系统 (3)

1.4.5 Netra系统 (4)

2 颜色空间 (5)

2.1 RGB 颜色空间 (5)

2.2HSI颜色空间 (7)

3 颜色特征的表达 (9)

3.1 颜色直方图 (9)

3.2 全局直方图 (10)

3.3 累积直方图 (11)

3.4 局部累加直方图 (11)

4 颜色特征的相似性度量 (12)

4.1 距离度量方法 (12)

4.2 直方图的交集的方法 (12)

4.3 欧氏距离法 (12)

4.4 模糊理论 (13)

5 系统的设计与实现 (15)

5.1 系统的设计 (15)

5.1.1 系统名称 (15)

5.1.2 系统的开发环境 (15)

5.1.3 系统的结构 (15)

5.1.4 系统的实现算法描述 (17)

5.1.5 系统中的图像库和索引表的建立 (17)

5.1.6 容差值的设定 (18)

5.2 系统的实现 (18)

5.2.1 颜色空间的代码实现 (18)

5.2.2 直方图显示的代码实现 (21)

5.2.3 欧式距离的代码实现 (24)

6 实例分析 (25)

6.1 图像检索过程 (25)

6.2 图像的直方图的分析 (26)

6.3 数据记录 (27)

6.4 目前研究中存在的主要问题及对未来的展望 (29)

结束语 (30)

致谢 (31)

参考文献 (32)

1 绪论

1.1 图像检索技术的发展

早期的图像检索是通过人工的标注来实现的，随着计算机技术和通信网技术的发展，特别是因特网的快速发展，图像数据的容量越来越大了，这种“以关键字找图”的方法越来越不适应检索技术的发展了[1]。由于图像内容的丰富内涵以及人们对图像内容进行抽象时的主观性不同的人对同一幅图像有不同的理解，这就引入了主观多义，不利于检索[2]。90年代以来出现了对图像的内容语义，如图像的颜色、纹理、布局等进行分析和检索的图像检索技术，即基于内容的图像检索。基于内容的图像检索技术直接从要查找的图像的视觉特征出发，在图像库中找到与之相似的图像，是“图找图”的方法。从研究方向的层面来看，基于内容的图像检索可分为三层：第一层是根据图像的底层特性来进行检索，如颜色、纹理，形状等等，涉及图像信息处理、图像分析和相似性匹配技术；第二层是基于图像对象语义，如图像中实体及实体之间的拓扑关系的检索，对象级检索技术建立在下层特征基础上，并引入了对象模型库、对象识别和人工智能等图像理解技术；第三层是基于图像的抽象属性如行为语义，情感语义和场景语义的推理学习来进行检索。需要用到知识库和更加有效的人工智能和神经网络技术。这三个层次由低到高，与人的认知接近，下一个层次通常包含了比上一个层次更高级的语义，更高层的语义往往通过较低层的语义推理获得。尽管经过了多年的研究，较为成熟的基于内容的图像检索技术目前仍处于底层水平，由于底层研究是上层研究的基础，为了给上层建立准确、有效的图像特征提取方法，底层的研究仍在不断的发展。

1.2 图像检索技术的特点和应用

基于内容的图像检索技术有以下特点：

一是它突破了传统的基于表达式检索的局限，从媒体内容中提取信息线索。利用图像内容特征建立索引进行检索，使得检索更加有效，适应性更强。

二是基于内容的图像检索是一种近似匹配，即按照某种相似性度量，比较图像特征间的差异度。相似度较低的图像将作为检索结果返回给用户。

三是它是大型数据库的快速检索。在实际的多媒体数据库中，数据量巨大，而且种类和数量巨大，因此要求CBIR技术快速地实现对多媒体信息的检索。