【正文】 3。24 關(guān)注度圖的生成 24 種子區(qū)域增長和圖像分割 25 基于感興趣物體的特征提取與表達 29 HSV 顏色空間的直方圖特征提取 29 Tamura 紋理特征提取 30 相似性度量 33 實驗結(jié)果與分析 34 第五章 圖形用戶界面 GUI 的生成 37 第六章 總結(jié)與展望 41 已完成工作的總結(jié) 41 ii 目錄 對圖像檢索技術(shù)未來的展望 41 致謝 43 參考文獻 45 第一章 緒論 1 第一 章 緒論 近年來，由于圖像、視頻和音頻采集設(shè)備的廣泛應用，計算、存儲設(shè)備的性能的飛速提升，以及互聯(lián)網(wǎng)絡(luò)的興起和迅速普及，人們正在快速地進入信息化 的社會。各種多媒體信息層出不窮、數(shù)據(jù)量急劇增加，成為了人們獲取信息的重要來源，其形式包括：圖像、圖形、動畫、視頻、文本以及音頻等。在很多應用領(lǐng)域中都出現(xiàn)了大容量的圖像／視頻數(shù)據(jù)庫：然而，相對于多媒體數(shù)據(jù)的爆炸性增長，相應的管理手段卻相對滯后，海量圖像數(shù)據(jù)庫的有效地存儲、管理和檢索成為一種亟需的應用技術(shù)，因而也成為了多媒體領(lǐng)域近十幾年來的研究熱點。本文對圖像檢索系統(tǒng)的結(jié)構(gòu)、功能以及該領(lǐng)域相關(guān)技術(shù)進行了較為深入的研究，重點討論：如何利用、反映視覺感知特性，提高基于內(nèi)容的圖像檢索 (ContentBased Image Retrieval， CBIR)系統(tǒng) 【 1】【 2】 的性能。主要工作集中在視覺注意模型的建立、感興趣目標的自動提取、顏色空間的量化、底層特征提取、相似度量設(shè)計五個方面。 本章內(nèi)容安排如下： 1． 1節(jié)，簡述圖像檢索的應用和技術(shù)背景： 1． 2節(jié)，國內(nèi)外研究和發(fā)展現(xiàn)狀； 1． 3節(jié)，本文的研究內(nèi)容及章節(jié)安排； 圖像檢索的應用和技術(shù)背景 隨著多媒體技術(shù)、計算機技術(shù)、通信技術(shù)以及互聯(lián)網(wǎng)技術(shù)的高速發(fā)展，信息數(shù)量和信息媒體種類在不斷增加，各種各樣的信息被人們更多的接觸。每天， 無論是軍用還是民用領(lǐng)域都會產(chǎn)生十億比特的圖 像 /視頻數(shù)據(jù)。這些圖像 /視頻數(shù)據(jù)中包含大量的信息。在如此之多的信息中，人們很容易就迷失方向，所以如何從中發(fā)現(xiàn)有用的信息是一個嚴峻的問題，對多媒體數(shù)據(jù)進行高效的管理、存取、檢索已經(jīng)成為一種比較迫切的需求。所以面對大量的各式各樣的圖像數(shù)據(jù)庫，對圖像數(shù)據(jù)庫的管理工作成了一個迫在眉睫的研究課題，圖像檢索技術(shù)就是其中的核心技術(shù)之一。 所謂的圖像檢索技術(shù)，就是從圖 像庫中查找用戶所需要的圖像的這樣一門技術(shù)。傳統(tǒng)的基于文本的圖像檢索 技術(shù) (TextBased Image Retrieval)是將圖像作為數(shù)據(jù)庫中存儲的一個對 象，然后利用人工對其進行人工標注，在系統(tǒng)檢索時，使用2 基于視覺感知的圖像檢索 標注以后得到的關(guān)鍵字進行匹配，這種做法本身存在著許多缺陷：首先，每一幅圖像都需要人工進行注釋，因此標注較大的圖像數(shù)據(jù)庫就需要大量的人力。其次，圖像內(nèi)容非常豐富，人工注釋所采用的少量文字很難充分表達圖像的內(nèi)涵。更為重要的是，人們對于一幅圖像的理解有著強烈的主觀性，所以在其注釋的過程中完全可能出現(xiàn)理解上的偏差，這就直接導致了在檢索的過程中不可避免的出現(xiàn)錯誤。隨著大規(guī)模數(shù)據(jù)庫的出現(xiàn)，上述問題變得越來越尖銳，為了克服基于文本的圖像檢索技術(shù)帶來的困難，上世紀 90年代 早期提出基于內(nèi)容圖像檢索技術(shù) (Content Based Image Retrieval，簡稱 CBIR)，所謂的基于內(nèi)容圖像檢索技術(shù)，是指直接根據(jù)描述媒體對象內(nèi)容的各種特征，從數(shù)據(jù)庫中查找出具有指定特征或含有特定內(nèi)容的圖像。基于內(nèi)容圖像檢索技術(shù)是建立在計算機視覺和圖像理解理論基礎(chǔ)之上，其綜合了人工智能、面向?qū)ο蠹夹g(shù)、認知心理學、數(shù)據(jù)庫等多學科的知識。它突破了傳統(tǒng)的基于文本檢索的局限，從媒體內(nèi)容中提取信息線索，實現(xiàn)了自動化、智能化圖像檢索和管理方式，便于快速、準確的查找。 CBIR與傳統(tǒng)的基于文本的檢索方法相比 ，克服了人工描述的各種缺點，減少了工作量，適用于現(xiàn)在大規(guī)模的圖像數(shù)據(jù)的檢索。這項新技術(shù)具有客觀、節(jié)省人力、可建立復雜描述、通用性好和應用前景廣闊等許多優(yōu)點，正受到了越來越廣泛的重視，并得到了迅速的發(fā)展， CBIR已經(jīng)代替了基于文本的圖像檢索成了圖像檢索技術(shù)的重心。 國內(nèi)外研究和發(fā)展現(xiàn)狀 基于內(nèi)容的 圖像 檢索技術(shù)始于 90 年代初期，目前己有十年的發(fā)展歷史，由于此技術(shù)涉及的領(lǐng)域很多，因此迅速成為研究的熱點，各大研究機構(gòu)和公司如 :IBM、MIT、 Columbia、 Stanford、 UIUC、 UCSB、 Berkeley、 Microsoft 等都推出了它們的系 統(tǒng)，各大著名雜志 IEEE Trans. On PAMI、 IEEE Trans. On Image Processing、IEEE Trans. On Multimedia、 IEEE Trans. On CSVT、 Computer Vision and Image Understanding、 International Joural of Computer Vision、 Pattern Recognition、Signal Processing: Image Communication、 Joural of Electronic Imaging、 Multimedia Systems 等紛紛設(shè)?？榻B該領(lǐng)域研究的成果，著名的國際會議如 :IEEE Conference on CVPR、 IEEE Conference on ICME、 IEEE Conference on ICIP、 ACM 第一章 緒論 3 Conference on Multimedia、 SPIE Conference on Electronic Imaging 等紛紛設(shè)專題交流最新的研究成果 【 2】 。 基于區(qū)域 (Regionbased)的檢索方法是目前基于內(nèi)容的 圖像 檢索研究的熱點之一。它的目的是為了克服使用全局 圖像 特征無法滿足用戶在物體層 (Object level