圖像檢索技術(shù)綜述(編輯修改稿)
2024-10-27 15:19 本頁面
【文章內(nèi)容簡介】 畫一幅草圖，由系統(tǒng)檢索出視覺特征上與之相似的圖像。 目前基于內(nèi)容圖像檢索技術(shù)已經(jīng)取得了不少的成就，一些著名的圖像檢索系統(tǒng)相繼被推出，有 IBM的 QBIC 系統(tǒng)，哥倫比亞大學開發(fā)的 VisualSEEK， MIT多媒體實驗室開發(fā)的 PhotoBook， U C Berkeley開發(fā)的 Chabot 系統(tǒng)等。 CBIR利用圖像本身固有的物理信息，能夠?qū)D像的顏色、紋理和形狀等特征進行比較，在指紋識別、商標檢索和醫(yī)學圖像檢索等特定領(lǐng)域得到了廣泛應(yīng)用，因為這些領(lǐng)域的圖像在某些特征上容易識別，比如同一個手指的指紋其紋理是一樣的。 然而， Inter上的圖像來自不同的領(lǐng)域，根本無法捕獲其共同點，用基于內(nèi)容的方法對這些圖像進行檢索，其效果遠不能令人滿意． 基于語義的圖像檢索 基于語義的圖像檢索的目的，就是要使計算機檢索圖像的能力達到人的理解水平。 在圖 1所示的圖像內(nèi)容層次模型中，語義位于最高層：第 3層。第 2層和第 3層之間的差別被許多學者稱為 “ 語義鴻溝 ” (semantic gap)。縮小語義鴻溝的辦法有 2種：由高層語義導出低層特征和由低層特征向高層語義的轉(zhuǎn)換。 在原有檢索系統(tǒng)中加入高級語義到低層特征的轉(zhuǎn)化，可以在不改變現(xiàn)有的圖像特征庫和匹配方式的情況下，實現(xiàn)基于語義的圖像檢索，其基本框圖見圖 2. 圖像語義的提前過程是由低層特征向高層語義轉(zhuǎn)化的過程。在獲取語義和有效地表達語義的基礎(chǔ)上，可以建立語義索引，提取圖像語義的模型見圖 3。 高層語義導出低層特征 反饋信息 檢索結(jié)果 圖像數(shù)據(jù)庫管理 特征比較 圖像特征庫 特征提取 圖 2 基于語義的圖像檢索系統(tǒng)框圖 結(jié)果輸出 圖像數(shù)據(jù)庫管理 語義查詢 相似性比較 對象空間 關(guān)系分析 對象識別 圖像分割 局部視覺
公司管理相關(guān)推薦
鄂ICP備17016276號-1