基于内容的图像及视频检索

基于内容的图像及视频检索是当前计算机视觉、多媒体数据库管理等研究领域的热点之一。较系统地介绍了该研究领域的现状。对于静态图像 ,主要介绍了基于颜色、纹理、形状、区域或目标等低级图像特征信息的检索以及基于交互式反馈的检索方法 ;对于视频序列 ,则介绍了镜头检测、镜头内容表示、场景的语义描述等技术。最后指出了该研究领域存在的难点及今后的工作。     

基于内容的图像检索

本论文系统介绍了基于内容的图像检索技术。所谓基于内容的检索,就是查询时针对的是对象而不是标识,它需要从图像中提取指定的特征(如颜色、纹理、形状等),然后从图像库中检索相似的图像或者视频内容。由于基于内容的图像检索能够提供比传统的基于文本的图像检索更丰富的内容及实用的功能,因此已成为国际上的研究热点。本文结合用户感兴趣物体的颜色,形状和纹理信息进行图像检索,取得了良好的检索效果。     

基于内容的图像检索技术研究

基于内容特征的图像检索(CB1R)是目前国内外研究的一个热点。本文简要介绍基于内容的图像检索技术的主要原理,重点论述了基于内容的图像检索常用关键技术。     

基于内容的图像检索技术研究

基于内容特征的图像检索(CB1R)是目前国内外研究的一个热点。本文简要介绍基于内容的图像检索技术的主要原理,重点论述了基于内容的图像检索常用关键技术。     

基于内容的图像检索系统的关键技术

给出了基于内容的图像检索系统的基本框架结构,详细分析了基于内容的图像检索中涉及到的关键技术:镜头分割、关键帧提取、特征检索以及相关反馈等的原理和实现的方法,对基于内容的图像检索的研究进行了展望.     

基于内容的图像检索技术研究

基于内容的图像检索技术在数字图书馆、医疗图像、网络信息安全、遥感等领域有着广泛的应用,是目前图像检索技术中比较前沿的研究热点。文章研究了基于内容图像检索系统的基本组成以及基于颜色、纹理、形状、语义等图像检索技术的主要方法。分析和比较了现有的各种图像检索技术的优劣。     

基于内容的医学图像检索技术概述

传统的基于关键字的图像检索方法已无法满足大型医学数据库检索的需要,将基于内容的图像检索方法（CBIR）引入到医学图像数据库中进行研究,成为近年来计算机诊断领域中的热点问题。本文论述了基于内容的医学图像检索的关键技术问题,包括图像特征提取和表达、相似性度量与相关反馈技术,并对图像检索技术的发展趋势进行了展望。     

基于内容的图像检索技术

基于内容的图像检索(CBIR)是随着多媒体技术的发展而日渐明显的多媒体数据库查询和检索方法.文章讨论了基于内容的图像检索(CBIR)的含义和关键技术,包括图像数据库结构、图像内容描述、图像特征的提取和匹配技术、快速检索技术.     

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。     

一种基于内容的图像检索方法

论述了基于颜色特征的图像检索和基于纹理特征的图像检索,在此基础上提出了一种利用图像两种内容特征进行图像检索的方法。     

基于颜色共生矩阵的纹理检索算法MCM

描述了一种基于颜色共生矩阵的纹理检索算法MCM,主要包括颜色共生矩阵纹理特征提取算法以及纹理特征的相似性度量函数,给出了利用MCM算法检索图像库的实例.通过MCM算法提取的特征除了反映图像的纹理关系外,还综合了其颜色构成特征,部分建立了与人的视觉感知之间的对应关系.实验表明,MCM算法优于一般的灰度共生矩阵纹理检索算法,并且具有较好的检索效果.     

科技资源图像检索技术研究与实现

科技资源具有海量、复杂、异构、地理分布广的特点。为了高效查找和使用科技资源的图像,综合运用TB IR(基于文本的图像检索)和CB IR(基于内容的图像检索)共同检索科技资源图像,设计了科技资源图像检索系统,并对系统中的图像分割、特征提取和相似度度量3种关键技术进行了研究。     

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。     

基于内容的图像检索技术综述

随着多媒体技术的发展,传统的基于关键字的信息检索技术已逐渐不能满足要求.因此,基于内容的图像检索技术(CB IR)应运而生.本文主要讨论CB IR研究中的一些关键问题:图像的内容特征及提取、特征之间的相似度计算、相关反馈、检索性能的评价等等,并指出了一些可值得深入研究的方向.     

Content-Based Image Retrieval: Near Tolerance Rough Set Approach

<正>The problem considered in this paper is how to detect the degree of similarity in the content of digital images useful in image retrieval,i.e.,to what extent is the content of a query image similar to content of other images.The solution to this problem results from the detection of subsets that are rough sets contained in covers of digital images determined by perceptual tolerance relations(PTRs).Such relations are defined within the context of perceptual representative spaces that hearken back to work by J.H.Poincare on representative spaces as models of physical continua.Classes determined by a PTR provide content useful in content-based image retrieval(CBIR).In addition,tolerance classes provide a means of determining when subsets of image covers are tolerance rough sets(TRSs).It is the nearness of TRSs present in image tolerance spaces that provide a promising approach to CBIR,especially in cases such as satellite images or aircraft identification where there are subtle differences between pairs of digital images,making it difficult to quantify the similarities between such images.The contribution of this article is the introduction of the nearness of tolerance rough sets as an effective means of measuring digital image similarities and,as a significant consequence,successfully carrying out CBIR.     

综合利用边缘和颜色特征的图像检索

分别介绍了图像边缘和颜色特征的提取方法,及基于内容的图像检索系统的实现。试验结果表明,在图像检索时合理利用图像的边缘和颜色特征,可有效地提高系统的检索性能。     

基于区域对象的彩色图像检索方法

提出一种基于区域对象的具有鲁棒性的图像检索方法,为进一步研究和实现对象级的基于内容图像检索(content-based image retrieval,CBIR)提供了途径.检索中使用区域对象的特征作为图像的索引,匹配时采用基于对象的非几何相似度度量准则.由于区域对象的特征利用不变矩进行描述,检索方法具有一定的鲁棒性,即具有二维的平移、尺度、旋转不变性.     

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.