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.     

基于内容的图像检索技术及应用

对比基于文本的图像检索,基于内容的图像检索技术提供了图像特征(如颜色,纹理等)方面的查询方式。其关键技术是特征提取,国内外很多研究机构已从事这方面的研究并取得了一定的成果。     

基于内容的图像检索技术综述

介绍了基于内容图像检索系统的基本组成,以及颜色、纹理、形状、多特征综合等主要的图像特征提取方法,并根据查准率、查全率进行了评价。     

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.     

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

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技术

综合视觉特性,基于内容的图像检索图像特征提取的关键是图像低层视觉特征的提取技术,内容主要包括图像的颜色特征、形状特征以及颜色的空间分布特征,采用线性组合以及加权颜色空间分布熵四种方法来提高图像信息熵和空间分布熵进行图像检索的性能。     

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。     

现阶段基于内容的图像检索技术分析

主要讨论了目前基于内容的图像检索技术的两大热点研究方向,即基于底层特征向量的提取算法(分别为颜色、纹理和形状特征)和基于相关反馈机制(分别为基于空间变换、基于统计概率、基于聚类分析和基于机器学习的模型).分析它们使用的典型方法及优缺点,并对未来的发展方向做了展望.     

面向基于内容图像检索的图像感知Hash

提出一种建立在HSV空间颜色分类和形态特征基础上的图像Hash方法,用于图像检索.将图像尺寸规格化,并根据HSV空间中各分量的取值范围,将像素归为11类,在各类颜色成分中提取亮度、大小、形态等特征,加权得到Hash值以构成图像库的索引表,从而实现基于内容的图像检索(content-based image retrieval,CBIR).与其他方法相比,用该方法提取的图像特征除颜色外还包含形态特征,能较好地体现图像内容.实验结果表明,该方法具有良好的性能.     

基于内容图像检索系统的性能改进方法

在通用型的CBIR原型系统的基础上,首先讨论CBIR系统的性能指标,并对CBIR系统的检索性能改进方法 进行了研究;然后重点讨论了异种特征的组合查询和相关反馈两种性能改进技术,并使用原型系统对以上两种技术进行了测试,使图像检索的查准率和查到率得到明显改善,并有效地增强了CBIR系统的灵活性。     

基于内容的图像检索技术综述

基于内容的图像检索技术是目前能有效检索大量图像资料的关键技术。本文阐述了一种基于颜色特征的图像检索技术,将颜色直方图或者颜色集作为颜色特征存入图像数据库中,然后描述了图像相似度的计算方法,并利用相似性度量函数来完成对图像的检索。     

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。     

基于投票策略的决策融合用于自然图像检索

在基于内容的图像检索中,用图像的多种特征可以很好地弥补单一特征表示图像视觉内容的不足,不同特征表示的视觉信息各不相同,所以在图像检索中对多种特征进行融合有助于提高检索性能。将图像检索看作分类问题,针对图像检索特点修改Borda投票策略,对不同分类器的决策结果通过评分和排序达到决策融合。实验结果证明此方法是可行的。     

一种基于直方图定性描述的图像检索方法

相对于几何特征而言，颜色具有与生俱来的旋转不变性和尺度不变性，在基于内容检索的图像检索中，颜色是使用最广泛的特征之一，巳有的基于直方图的图像检索的存储量和计算量过大，介于此，提出一种基于定性直方图描述的图像检索方法。     

基于颜色空间特征的图像检索

针对基于内容的图像检索技术大多采用颜色特征的情况,提出一种通过提取颜色特征、灰度特征,获取图像物体的形状和空间特征,综合检索图像的方法.实验结果表明,这种方法具有一定的鲁棒性,检索结果不受图像大小、旋转和轻微的光照变化的影响,相对于传统的颜色直方图法,这种方法能明显改善检索效果.     

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.