基于内容的图像检索技术综述

基于内容的图像检索技术综述 陈智君7 摘要:随着多媒体和网络技术的迅速发展,基于内容的图像检索技术(CBIR)成为一个研究热点。本文对已有文献进行综述的基础上,介绍CBIR研究中的一些关键问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 ,并对其主要方法如基于颜色、形状、纹理等图像检索技术进行了阐述。结合近几年的研究成果,讨论的最新技术动态和发展趋势并指出几个未来的研究方向。 关键词:图像检索;语义学习;信息融合 Progress on the content-based image retrieval Abstract:With the rapid development of multimedia and network techn- ology,the technology of Content-Based Image Retrieval(CBIR) has becom- e a research hotspot. In this paper,we will introduce some key problem in the research of CBIR based on review the existing literatures.And exp- ound the main method in the technology of Content-Based Image Retr- ieval,such as based on color,shape,texture and so on.The article, which combine the recent result of research,discuss the newest trends of tech- nology and point out several direction of future research. Key Words: Image Retrieval;Semantic Learning;Information fusion 1引言 在传统的图像数据库检索中,使用关键词或描述性文本的检索方法,查询时需要指明文本特征。随着计算机技术的不断发展,基于内容的检索克服了人工检索中的缺点,它不同于传统的检索手段,它用 于检索的是反映图像内容并与图像存储在一起的各种量化特征,使用的是基于相似性度量的示例查询方法。基于图像数字特征的主要缺点是用户必须提供例图作为查询请求,但是用户在搜寻图像时往往更愿意直接输入查询关键字,因此学者们试图通过图像语义学习来获取对图像的语义描述,以缩短数字图像特征和人类语言描述之间的语义差距,所以图像语义提取的过程也成为基于内容的图像检索中非常重要的技术。 2基于内容的图像检索的主要索引技术 基于内容的图像检索就是在图像库中找到查询者需要的图像。目前研究和应用的层次主要是基于特征的查找。图像的特征分为两类:一类为底层或物理特征;另一类为高层特征或语义特征。图像的底层特征就是一幅图像与其他图像不同的原始特性或根本属性,如亮度、形状描述子、灰度纹理。不同的特征被划分在不同的特征矢量组,在n维特征空间的查找,实质就是 模板 个人简介word模板免费下载关于员工迟到处罚通告模板康奈尔office模板下载康奈尔 笔记本 模板 下载软件方案模板免费下载 特征矢量与存储在数据库内的特 征矢量的相似性度量。高层特征就是图像内容的语义描述及各类物理特征之间的逻辑关系,先对图像进行分割获得目标物体,然后计算目标物体的数字特征再提取图像语义。 2.1基于颜色特征的检索 颜色是一种重要的视觉信息属性,相对于其它特征,颜色特征对图像本身的尺寸、方向等依赖较少,从而具有较强的鲁棒性。用颜色特征进行图像检索可以追溯到Swain和Ballard提出的颜色直方图的方法。主要可以分为两类:全局颜色特征检索和局部颜色特征检索。 1)全局色彩特征检索 全局色彩特征检索方法采用最多的是色彩直方图法,Swain的主要思想是根据相同颜色的像素个数在整幅图像中所占的比例,然后采用颜色直方图的交来度量两幅图像色彩的空间信息。其最大的缺点是完全丢失了图像像素的空间信息。Pass等人提出以图像的色彩聚合矢量CCV来作为图像的颜色特征,其核心思想是当图像中颜色相似的像素所占据的连续区域的面积大于一定的阈值时,则该区域的像素为聚合像素,否则为非聚合像素。它是图像直方图的一种演变,聚合矢量中的聚合信息在某种程度上保留了图像色彩的空间信息。Stricker和Orengo提出了累计色彩直方图方法,并且提出了色彩矩的方法,认为色彩信息集中在图像色彩的低阶矩中。他们主要对每种色彩分量的一阶、二阶和三阶矩进行统计。 2)局部色彩特征检索 全局色彩特征检索捕获了整幅图像色彩分布的信息,丢失了许多局部的色彩空间信息。目前从划分局部区域的角度可分为:基于固定块的图像分割、基于手工的区域分割、采用交互的半自动的区域分割以及一些自动的色彩分割方法。局部区域中的色彩信息可以表示为平均色彩、主色彩、色彩直方图和二进制色彩集。 Hsu等人试图结合图像的色彩信息和图像色彩的部分空间信息 对色彩的直方图进行检索。Smith和Chang采用色彩的自动分割方法,形成一个二进制的色彩索引集,在图像匹配中,比较这些图像色彩集的距离和色彩区域的空间信息。色彩的空间关系主要有色彩区域的分 离、包含、交,每种关系对应一定的评分,查询的空间距离是所有这些色彩区域所对应的空间关系的评分和。 关于图像色彩直方图之间的距离,目前主要有直方图的交、直方图的绝对值距离,Niblack和Barber等人采用直方图的欧几里德距离 的度量方法,等人提出了色彩直方图之间的加权距离作为直方图之间的度量方法。基于颜色特征索引方法的研究已经很多,它们都分别从不同的方面对色彩检索问题进行了研究,目前主要存在的问题是色彩空间选择并不完全统一,在实际应用中和其它检索方法相结合效果会更好。 2.2基于形状特征的检索 形状特征是图像内容中的另一个重要信息,采用形状特征进行检索,用户可以通过勾勒图像的形状或轮廓,从图像库中检索出相似的图像,它的具体实现方法可以分为两类:基于轮廓和基于区域方法。 对于形状匹配来说Hough变换是较为经典的方法,它对于噪声 和遮挡具有良好的抗干扰性。但此法仅能解决形状的平移、旋转和缩放所带来的匹配问题,而对实际应用中广泛的变形匹配问题无能为力。 形状描述是通过一些方法生成数值的描述子来描述形状,描述子应在尽可能区别不同目标的基础上对目标的平移、旋转和尺度变化不敏感对形状轮廓。特征的描述主要有:链码、样条、多边形逼近和傅里叶描述符等方法。链码是一种常见的形状表示方式,它能有效的表示形状,但是不能简化形状。样条有最小化曲率的优点,也就是用最小平均曲率的曲线近似给定的函数曲线,其缺点是局部函数值的修改 会影响整个样条表示。多边形逼近是用多边形线段来近似形状边缘,即是以最小误差、最小多边形周长、最小多边形内部面积,或最小多边形外部面积作为近似准则。傅里叶描述符是最典型的方法,它的基本思想是用物体边界的傅里叶交换作为形状描述,利用区域边界的封闭性和周期性将工作问题转化为一维问题。 Jain等人将形状用封闭的直线段来描述,然后对形状中每条边的斜率进行分别计算,按一定的角度间隔对线段进行统计形成斜率直方图并计算形状的7个无关矩信息,在图像查询的时候,计算斜率直方图和形状矩的加权距离来区分两个图像中的形状;庄越挺提出了形状的内角直方图概念,采用的方法是对每相邻两条边之间的内角进行计算,按一定的角度间隔统计形状内角的分布情况。Gudivada采用样条曲线对形状的边界进行拟合,然后按一定的长度间隔对形状边界上的各个控制点计算斜率、曲率的正负等信息。1972年Zahn采用傅立叶描述子描述形状的边界信息,发现傅立叶描述子具有良好的平移、旋转、伸缩等几何不变性,非常适合构造形状的边界信息。YongRui 将这种方法用到了基于形状的检索方法中,实际上更常用的办法是采用区域特征和边界特征相结合来进行形状的相似检索。 针对形状的区域特征主要有形状的无关矩、区域的面积、形状的纵横比、主轴方向、凹凸面积等,这些特征得到了广泛的应用。对于基于形状的检索来说,形状的提取、描述及匹配都是重点要解决的问题,是一种相对较困难的检索方法。 2.3基于纹理特征检索