基于内容的图像检索技术综述

随着信息技术的迅速发展,基于内容的图像检索技术已成为目前检索技术中的研究热点.本文主要对图像检索的进行了概述,并对主要的检索方法进行了讨论,指出了现有图像检索技术的优缺点,同时指出了基于图像检索技术的发展趋势和研究方向.     

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。     

一种基于遗传算法自学习的图像检索方法

目的 根据传统的相关反馈图像检索的不足，结合遗传算法的优越性，提出了基于遗传算法自学习的图像检索方法，以改进图像检索性能。方法首先通过相关反馈中的人-机交互过程，进行遗传算法的初始群体构造，再通过遗传算法进行自学习，获得满足用户语义要求的最优解。结果实验证明，该方法能够提高检索的性能，查找出更多表达用户查询意图的图像。结论给出了遗传算法在相关反馈图像检索中的应用方法。利用遗传算法自学习的过程，能够发现用户潜在的需求，改善查询结果。     

一种基于Rough集的语义图像检索方法

提出了一种基于Rough集理论的语义图像检索(RSBSIR)方法.对于给定的图像集和一个已经分类的图像集,能够迅速区别图像类型的最小的并列关键词集,降低了关键词向量空间的维数,缩小了问题的规模,简化了基于知识库的图像检索系统的建立过程.并且对于用户而言,小的关键词集易于理解,同时对规则库也可以方便地进行编辑.     

基于支持向量机语义分类的两种图像检索方法

为了更好的解决基于内容的图像检索问题,提出了2种基于语义的图像检索方法.第1种是基于支持向量机(SVM)语义分类的图像检索方法.该方法首先提取训练图像库的底层特征信息,然后利用SVM对所提取的特征进行训练,构造多分类器.在此基础上,利用分类器对测试图像自动分类,得到图像属于各个类别的概率,实现图像检索.第2种是利用图像自动标注方法进行检索.在基于语义的图像自动标注中,先对训练集进行人工标注,对测试图像利用SVM分类器进行分类,并找到与该图像最相似的N张构成图像集,对该图像集的标注进行统计,找到关键词,从而提供概念化的图像标注以用于检索.通过在标准图像检索库和自建图像库上的实验结果表明,以上2种基于语义的图像检索方法是高效的.     

一种基于LSI的图像语义检索技术

探讨如何将LSI技术应用于图像检索中，以实现基于语义的图像检索的技术途径，给出了一种新的图像索引方法，它使用灰色模型GM（1，1）对图像的像素值进行模型化处理，并且使用模型参数的概率分布来描述图像，在此基础上，详细讨论了将隐含主义索引应用于图像检索中的具体方法，并给出了相应的算法，最后，给出了实验结果和尚需进一步研究的问题。     

基于人工智能方法的图像语义检索

根据语义特征进行图像检索是图像检索技术的发展趋势。文章提出了一种基于人工智能以实现图像语义特征提取的方法,即通过模糊逻辑、遗传算法和人工神经网络三者的融合来解决图像语义特征提取这一难题,该方法使图像检索能够满足用户的需求,提高了图像检索的效率和精度。     

图像和视频的语义检索

语义检索是近几年来基于内容的视觉信息检索中新的研究热点。本文介绍了图像和视频语义检索的基本概念、主要方法和研究现状,并对语义检索中存在的一些问题进行了总结和展望。     

一种网络图像数据库的快速检索方法

传统网络图像数据库的检索操作,通常是客户端直接将待检索的图像通过网络传输给国家数据库所在的服务器端进行各种匹配操作,这很容易造成网络的拥挤和对检索请求较大的响应延迟。作者提出一种不同的图像数据库检索方法,这种方法能够在不增加服务器端计算负担的同时极大地降低对传输带宽的需求,缩短对客户端的响应时间。     

一种图像检索中语义标注的算法

在图像颜色、纹理、形状特征提取的基础上,利用改进的串行与并行特征融合方法,提出了M融合特征,并且提出了一种基于M特征的改进组合优化的核函数并将之应用于高层语义提取算法中,从而把图像提取由单一特征转换到多融合特征提取,大大提高了图像语义理解的精准度,有助于更加全面地理解图像的语义,本文的方法对图像语义标注,提高图像检索精准度有一定的理论和实用意义.     

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Ontology的语义检索研究

针对传统的基于关键字检索系统存在的不足,以本体为依据,提出了一种新的智能检索模型。叙述了本体相关理论,分析了本体在语义检索中的应用,设计出一个基于语义检索的结构框架,指出了该智能检索中存在的问题。     

基于语义绑定的分层视觉词汇库的图像检索

提出了一种解析复杂图像语义的模型——分层语义模型,给出了解析复杂语义和构造模型的方法.提出了基于分层语义模型的语义绑定的分层视觉词汇库的概念,给出了构造词汇库的具体方法和步骤,同时对词汇库细节问题给出了解决的方法.将提出的分层视觉词汇库应用于基于内容和语义的图像检索中,并给出了构建图像检索系统的方法和检索图像的步骤.该模型在图像检索中可同时满足基于图像内容的检索方式和基于图像语义的检索方式.实验结果表明,该方法比基于SIFT(Scale Invariant Feature Transform)特征向量的图像检索方法具有更好的性能.     

基于多级别特征融合的医学图像检索技术

针对医学胸部CT扫描图像,在分别研究单一特征检索算法基础上,提出了基于底层—底层和底层—高层两种级别的特征融合检索方法。据此,用VC#和SQL server2005实现了一个图像检索原型系统,验证了所提方法的有效性。     

基于本体的网络问答式语义检索系统

从问句分析、信息检索和答案抽取3个环节介绍了基于本体的网络问答式语义检索系统的基本原理及技术方案,描绘了该项目的应用服务以及发展前景。     

基于非负矩阵分解的隐含语义图像检索

提出了一种基于非负矩阵分解(Non-negative Matrix Factorization,NMF)的隐含语义索引(Latent Semantic Indexing,LSI)模型用于图像检索.应用NMF训练算法构造了一个语义空间,将查询图像和原型图像都投影到该空间以获得语义特征,在此空间中进行相似性的度量并将距离最近的图像返回给用户.与已有两种检索模型的实验结果对比表明,所提出模型是有效的.     

基于交叉分块直方图的图像检索方法

在基于内容的图像检索技术中,颜色是常用的图像特征。提出了一种基于交叉分块直方图的图像检索方法。首先,对图像进行交叉分块得到若干子图像;然后提取子图像的颜色直方图特征,构造特征向量;最后根据空间距离度量图像间的相似程度,确定检索输出结果。用交叉方式分块得到的子图像间相互交叉重叠,能够在获取图像颜色特征空间分布信息的同时保持图像目标的完整性,并有效抑制图像背景区域对检索结果的干扰。仿真实验结果表明,基于交叉分块直方图的图像检索方法具有优于基于均匀分块直方图的图像检索方法的性能,适用于对多种类型图像的检索。     

P2P网络中基于语义的资源检索方案的实现

将P2P技术和语义W eb技术相结合,设计了基于语义的P2P网络资源检索系统,系统分为本体推理服务器端和Peer端两大部分,在P2P网络下,依靠所设计的领域本体,能实现对计算机学科学习资源的共享和语义检索功能.通过与传统的检索方案比较,证明该方案可行有效.     

基于本体的语义检索模型

提出了一个基于本体的信息检索系统的模型框架,研究了信息检索系统中本体的构建技术和语义推理技术。