一种基于关键维的图像索引方法

基于内容的图像检索(CBIR)技术中,表示图像内容的特征向量通常是高维向量,且待检索图像量相当大,所以索引问题一直是CBIR的一个研究难点和热点.提出一种基于关键维的图像索引方法,首先提取图像向量中的关键维,再在每一维上创建关键维的升序链表,最后,基于关键维的升序链表进行检索.实验结果表明,该种方法可以带来检索效率的提高,且与图像库的大小无关.     

基于内容的图像检索技术

综述了CBIR的需要包括适应大量图像数据库的存储管理和查询应用;介绍了CBIR的系统结构．CBIR的关键技术是基于内容的图像数据库结构,象素域的图像查询检索和压缩域的图像查询检索;CBIR现有的系统有QBIC,Virage,VisualSEEK,PhotoBook和MARS．还对CBIR存在的问题和研究方向进行了分析．CBIR的主要研究方向为评价技术、基于语义内容的图像检索、数据模型、综合检索手段和多维索引技术。     

基于内容的图形数据检索和相关性反馈

在对大量的图像数据进行检索时,传统的信息检索技术并不能满足要求,因此,基于内容的图像检索技术(CBIRCon-tent Based Image Retrieval)的研究应运而生.本文主要介绍了CBIR中的一些基本内容,基于内容图像检索(CBIR)的早期阶段,是以计算机为中心,使得一些查询结果从计算机的角度来看是相似的,而有人却认为是不相似的.为解决上述矛盾,在基于内容的图像检索领域引入了相关反馈机制.通过人机交互机制使得计算机能够不断了解用户对查询结果的满意程度,并通过逐步学习把输出调整到符合用户期望的状态.     

基于内容的图像检索技术综述

随着数字图像应用领域的飞速拓展,高效准确的数字图像检索技术越来越受到重视。本文介绍了基于内容的图像检索(Content-based Image Retrieval,简称CBIR)技术,从CBIR的技术背景、基本原理、技术特点、结构体系以及一般过程入手,并着重介绍了CBIR使用的关键技术,最后指出了目前CBIR技术存在的不足和发展展望。     

基于内容的图像检索发展状况及演示

基于内容的图像检索(CBIR)是信息检索领域的研究热点之一,文章在分析了图像检索技术的发展现状及各种图像特征描述方法,论述了图像检索涉及到的图像特征提取和相似性度量等技术,并就各种特征提取方法进行综合分析、比较提出了今后基于内容的图像检索技术的发展方向,对该领域的研究方向有一定指导意义。     

基于内容的图像检索在数字图书馆中的应用

介绍了基于内容的图像检索技术CBIR,指出了CBIR系统主要是根据图像的色彩、纹理、形状、轮廓、空间关系、时间关系等底层图像特征,建立图像的特征矢量,表征图像的语义信息,提出了基于内容的图像检索技术CBIR应用于数字图书馆中多媒体信息检索的一些方法,把MPEG-7这种多媒体内容描述接口与数字图书馆之间的许多协同性结合,将使数字图书馆的信息检索具有更大的效率．     

基于感知的大范围人造对象图像结构特征抽取

基于内容的图像检索(CBIR)系统传统上仅仅使用颜色特征和纹理特征进行图像的底层分析,不足以满足检索性能的要求.要提高基于内容图像检索的鲁棒性,需要检索系统能分析更多的图像底层特征.对于包含大范围人造对象(比如:建筑物、高塔、桥梁和其他结构对象)的图像,提出应用感知分组(perceptual grouping)规则抽取图像的结构特征,并结合使用该结构特征,对特定的图像库进行分类和客观评价.     

基于内容的图像检索技术研究

阐述了基于内容的图像检索（CBIR）近年来的发展及特点,探讨了基于内容的图像检索的体系结构,重点介绍了基于颜色特征、纹理特征、形状特征以及空间关系的图像检索等的相关技术和算法。     

基于文本的图像检索与基于内容的图像检索技术的比较研究

随着互联网的快速发展及各种数字化设备的普及,现代数字社会中的图像信息的数量在迅猛增长,图像信息的检索技术的研究得到了越来越多的关注.本文介绍了基于文本的图像检索技术与基于内容的图像检索技术,比较研究了这两种技术的不同的特点,指出综合运用TBIR和CBIR共同检索Web图像.     

基于语义图像检索的关键技术

结合作者在基于内容的图像检索(CBIR)方面的研究工作,指出了基于语义的图像检索是图像检索发展的趋势。首先给出了层次化语义模型,然后介绍语义表示的方法,详细总结了三种语义提取方法:基于视觉特征的语义算法、基于关键字网络的语义算法和基于语义向量的算法。最后,阐述了相关反馈技术的应用。