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.     

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.     

基于综合特征的CBIR系统的设计与实现

目前CBIR系统采用单一特征进行图像检索的效果不是很理想.在单一特征进行图像检索的基础上,结合权值确定技术,提出了一种利用图像综合特征进行检索的方法,并在Visual C++ 6.0中实现了基于此方法的CBIR系统. 实验结果表明,该检索方法可行且在查准率上大大优于单一特征的检索方法.     

基于内容的卫星云图检索方法

为了有效地管理和利用大规模卫星云图数据库,需要为其增加检索功能,尤其是基于内容的检索.探讨了将基于内容的图像检索(CBIR)技术应用于卫星云图检索,选择使用了颜色、纹理和形状特征方法.颜色特征包括:灰度直方图和灰度聚合向量;纹理特征从小波子图提取,采用直方图拟合法和分块直方图拟合法;形状特征提取采用了新提出的一种专门针对云目标的"可变形模型"方法——圆形基元法.对每种特征定义了图像距离或者相似度,进行了检索比较实验.结果表明,CBIR用于卫星云图检索是可行的,形状特征方法因融入了领域知识而具有较突出的检索效果,但效率仍需提高.     

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。     

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．     

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

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。     

特征图像的提取方法研究

特征提取是基于内容的图像检索（CBIR）的基础,除了颜色直方图之外,其它的一些颜色特征表示方法有颜色矩（Color Moment）,颜色集（Color Sets）。在频率域的纹理分析方法主要是傅立叶变换和Tamara。     

一种新的彩色图像降维方法

基于内容的图像检索(CBIR)是图像检索的重要分支，而基于颜色的特征提取是CBIR的常用方法之一．如果对图像颜色的特征数提取过多、维数过大，则不利于对图像的快速匹配．本文将图像的色彩直方图作为输入向量，然后采用局部线性映射(LLE)算法对原始数据进行降维，并分别在4种色彩空间下对降维后的彩色图像进行分类．实验证明，在处理非线性数据降维时，LLE较主成分分析(PCA)具有明显的优势．     

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。     

基于内容图像检索中的"语义鸿沟"问题

目的探讨目前CBIR系统中广泛存在的“语义鸿沟”问题。方法阐述了该问题的表现及产生的实质;从获取图像语义的角度出发,研究和分析了当前针对这一问题的一些处理方法以及存在的问题,并提出了初步的解决思路。结果现阶段在CBIR中应用多层次的相关反馈方法,能够较好地建立和修正图像低层特征与高层语义间的联系,有助于缩小图像检索过程中的“语义鸿沟”,并达到了一定程度语义检索的目的。结论实现真正意义上的基于语义的图像检索,将是解决“语义鸿沟”问题的最有效途径。     

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.     

一种基于近邻半监督聚类算法的图像检索系统研究

为了解决基于内容的图像检索（content-Based Image Retrieval,CBIR）中存在的“语义鸿沟”问题,本文提出了一种CBIR检索模型,在模型中使用了基于近邻传播的半监督聚类算法和语义传播的算法,通过近邻半监督算法对图像库中的图像进行聚类,根据示例图像的视觉特征相似度在对应的聚类图像中进行相似度检索,在检索的结果中根据用户提供的关键字进行关键字标注检索,最后根据用户的反馈,通过语义传播算法对图像库中的图像进行自动语义标注．实验表明丈中的模型是可行的,其检索效果受到反馈次数的影响．