【文章內(nèi)容簡介】 容易把握，因所以要對定義一些標準和指標，優(yōu)化檢索結果的有效性。一般地，圖像檢索分為兩種主要類型：圖像匹配和相似性查詢。設圖像庫有 N 幅圖像。對匹配問題，理想情況是正確圖像是檢索結果中的第一個。通常用下面的式子評價匹配效果：匹配比率＝檢索性能的評價一般采用查準率－查全率(Precision－Recall)的相似檢索評價準則，通過執(zhí)行檢索集合中的各個查詢，就可以計算出查詢的平均查準率和查全率，據(jù)此就可以給出系統(tǒng)的檢索性能評價。查準率和查全率的定義如下：v 查準率 Precision 定義為查詢結果中與例子圖像相關的圖像所占的百分比例，Precision= 100%表示查詢出圖像均為相關圖像。Precision =v 查全率 Recall 定義為查詢結果中與例子圖像相關的圖像占全部相關圖像的百分比。Recall= 100%表示全部相關圖像均被檢索出來。Recall =查準率則反映檢索的準確性，而查全率反映檢索的全面性，因此可以用來評價系統(tǒng)的有效性。查準率和查全率越高說明檢索系統(tǒng)的效果越好。但是查準率和查全率是一對矛盾，當查全率較高時，查準率就會降低，反之亦然。因此一般檢索系統(tǒng)要求通過調(diào)整，使查準率和查全率兩者達到一個最優(yōu)平衡。 排序評價方法如果圖像匹配采用相似性比較，那么，根據(jù)不同的相似性尺度，返回的圖像數(shù)目可能不同，此時采用該方法。檢索到的相關圖像的平均排序為P1；檢索到的相關圖像的數(shù)目；所有實際的相關圖像的排序號之和為 SUM；則有 理想的相關圖像的平均排序P2；實際的相關圖像數(shù)目N；則有 相關圖像丟失率：R=在理想情況下，所有相關圖像都排在最前面，因此，平均值越小，表明檢索算法越好。相關圖像丟失率計算丟失的相關圖像占所有相關圖像的比例，這個值越小，表明成功率越高。第二章 基于內(nèi)容的圖像檢索 圖像流的特點圖像和視頻信息與傳統(tǒng)的文本、數(shù)值信息相比具有如下的特點：1)非結構化特性。傳統(tǒng)的文本、數(shù)值數(shù)據(jù)，記錄信息具有明顯的結構特性，它是現(xiàn)實世界中對象間關系的反映，可通過實體——關系模型抽象得到。圖像和視頻對象具有較強的非結構化特性，許多多媒體信息以流的形式存在(例如視頻流)，這種媒體想要得到它的信息，必須對它先進行結構化處理，而這種結構化不能通過簡單的抽象來完成，而需要相應的媒體分割和組織技術。2) 內(nèi)容多義性。在傳統(tǒng)的文本、數(shù)值數(shù)據(jù)庫中，每一個記錄所包含的語義確定而且有限。而對于像圖像或視頻這樣的多媒體對象來說，具內(nèi)容往往對不同的用戶、不同的應用具有不同的解釋，即具有多義性的特點，這樣其內(nèi)容就很難通過有限的屬性來充分描述。此外，對多媒體對象的檢索一般都是內(nèi)容相似程度的檢索——即查找內(nèi)容描述與檢索要求最接近的對象。這就要求建立的內(nèi)容描述支持內(nèi)容相似性程度的比較，這是在傳統(tǒng)的文本、數(shù)值數(shù)據(jù)庫中廣泛采用的定性描述所不能滿足的。 CBIR的定義基于內(nèi)容圖像的檢索主要依據(jù)圖像的畫面內(nèi)容特征和主題對象特征來進行檢索。由圖像分析軟件對輸入的圖像先進行圖像分析，根據(jù)圖像自身所包含的顏色(灰度)、紋理、形狀、空間關系等特征以及這些特征的組合，自動抽取特征，在將輸入圖像存入圖像庫的同時將其相應的特征向量也存入與圖像庫相連的特征庫。在進行檢索圖像時，對每一幅給定的查詢圖，進行圖像分析，并提取圖像特征向量，利用基于這些特征定義的特征度量函數(shù)計算或評價特征之間的相似性，將該圖像的特征向量和特征庫中的特征向量進行匹配，根據(jù)匹配的結果搜索圖像庫中將最相似的一些檢索結果就可以提取出所需要的檢索圖，返回給用戶?；趦?nèi)容的視覺信息檢索的目的不是去理解或識別圖像目標，它所關注的是能否基于內(nèi)容快速發(fā)現(xiàn)信息，旨在對視覺信息提供強有力的描述，實現(xiàn)視覺信息的結構化，在用戶可以接受的響應時間內(nèi)從圖像庫中查詢到符合要求的圖像，最終達到用戶對這些視覺信息內(nèi)容自由訪問的目標。基于內(nèi)容的圖像檢索過程充分體現(xiàn)了圖像的信息特點又結合了圖像處理、圖像理解、數(shù)據(jù)庫技術、計算機視覺（puter vision）、模式識別技術及神經(jīng)網(wǎng)絡等學科，同時也和人腦的認識程度緊密相關，這諸多因素使得基于內(nèi)容的圖像檢索的研究成為一項極富挑戰(zhàn)性的課題。 CBIR的分類按照檢索時所基于的不同顏色特征，可將基于內(nèi)容的圖像檢索技術分為如下四種類型：v 基于顏色特征的檢索最基本的思想是利用顏色空間直方圖的匹配，進一步研究集中在:表示顏色特征的顏色模型與人的視覺特征一致性研究。降低表示顏色特征維數(shù)的方法。與其它視覺特征結合進行多特征檢索研究等幾個方面。v 基于紋理特征的檢索其本質(zhì)是刻畫像素的鄰域灰度空間分布規(guī)律，區(qū)分有相似顏色的區(qū)域，分割物體和背景。它描述了圖像或區(qū)域所對應景物的表面性質(zhì)，包括表面結構組織及其與周圍環(huán)境關系的許多重要信息。并且，紋理特征是一種統(tǒng)計特征，有旋轉(zhuǎn)不變性和較強的抗噪音能力。v 基于形狀特征的檢索對形狀特征的提取主要是尋找一些幾何不變量，主要難在對圖像中感興趣目標的分割。目前用于圖像檢索的形狀描述方法主要有兩類:基于邊緣和基于區(qū)域的形狀方法。前者利用圖像的邊緣信息，而后者則利用區(qū)域內(nèi)的灰度分布信息。v 基于空間位置關系的檢索是基于圖像中對象所在的位置和對象之間的空間關系的研究。空間關系是指空間對象之間具有空間特性的關系，主要包括拓撲、方向、度量關系。空間關系特征的自動抽取非常困難的，所以大多采用人工繪制草圖的查詢方法。 CBIR的系統(tǒng)結構CBIR系統(tǒng)由5個子系統(tǒng)構成，包括圖像數(shù)據(jù)的存儲，特征提取，相似性度量，高維特征索引過濾技術，用戶查詢和瀏覽接口。 特征 索 引顏 色形 狀紋 理空間關 系用戶引擎領域知識圖像源 圖 像 庫 查詢 匹配 預處理 索引 結果 索引 相關反饋 過濾 用戶 存儲 相似度度量 索引 特征提取 子系統(tǒng) 子系統(tǒng) 子系統(tǒng) 子系統(tǒng) 子系統(tǒng) CBIR的系統(tǒng)結構v 用戶子系統(tǒng)是用戶提交查詢請求和接收瀏覽查詢結果的接口。提交查詢的方式：關鍵詞查找、瀏覽查找（通過等級式類目組織檢索）、特征輸入查找（設置特征參數(shù)）、草圖查找、示例查詢。v 相似性度量子系統(tǒng)是檢索引擎，利用圖像的特征來度量圖像之間的相似性，并按相似性的大小對結果圖像集合排序，并返回給用戶。v 索引子系統(tǒng)主要功能是對圖像數(shù)據(jù)作索引。目前主要使用圖像的特征作為索引，利用相似性度量獲得相似結果集合。圖像特征主要用高維矢量來表示。v 特征提取子系統(tǒng)功能是提取圖像的特征，表達圖像的內(nèi)容。目前主要以視覺特征為主，包括顏色特征，紋理特征，形狀特征，物體空間關系特征等。v 存儲子系統(tǒng)負責存儲和管理原始圖像數(shù)據(jù)。圖像數(shù)據(jù)庫中存儲的信息有圖像數(shù)據(jù)，特征索引數(shù)據(jù)和其他文本描述信息。存儲技術包括圖像預處理技術和壓縮技術等。預處理技術是圖像在入庫之前的處理，包括濾出噪聲，對比度調(diào)整，幾何矯正和比例變換等。壓縮技術是節(jié)約圖像數(shù)據(jù)占用空間的手段，系統(tǒng)需要支持各種不同的壓縮格式和它們之間的相互轉(zhuǎn)換。 CBIR的檢索過程基于內(nèi)容的圖像檢索是一個逐步求精的過程，大致可以經(jīng)過以下幾個步驟:v 查詢要求用戶查找一個數(shù)據(jù)對象時，利用系統(tǒng)人機界面提供的輸入方式形成一個查詢條件。查詢接口一般要對所提交的數(shù)據(jù)進行預處理，然后再傳遞給搜索引擎。v 特征提取特征提取是以手工提取、半自動提取或自動提取的廣度提取圖像的顏色、紋理、形狀等特征或它們的組合。圖像的特征，是人對圖像視覺效果的量化表示，能較好的表征人對圖像的視覺感受。v 相似性匹配在選取了特征之后，將待識別的圖像的特（查詢特征）與數(shù)據(jù)庫中的特征按照一定的匹配算法進行匹配。將圖像的特征看作是坐標空間中的點，通過距離度量函數(shù)計算兩個點之間的接近程度來衡量圖像特征間的相似度。v 結果返回將滿足一定相似性條件的一組候選結果按相似度大小排列后返回給用戶。v 特征調(diào)整對系統(tǒng)返回的結果可通過瀏覽來挑選，直至找到滿意的結果，或從候選結果中選擇一個示例，經(jīng)過特征調(diào)整，形成一個新的查詢。如此重復，逐步縮小查詢的范圍，直到用戶對查詢結果滿意為止。特征提取相似性匹配返回候選結果滿意？輸出檢索結果用戶查詢說明示例、一般性描述從候選結果中選擇一個示例修改用戶查詢說明 N Y CBIR的處理過程第三章 基于顏色的圖像檢索 顏色模型和顏色空間顏色是視覺系統(tǒng)對可見光的感知結果。自然界中的任何一種顏色都可以由R、G、B這3 種顏色值之和來確定，它們構成一個三維的RGB矢量空間。顏色模型（color model）是用數(shù)值方法指定顏色的一套規(guī)則和定義，可使人們方便地描述任何一種顏色，顏色模型通常用顏色空間描述，如RGB、CMY和CMYK，從這個意義上說，顏色模型和顏色空間互為同義詞。任何一種顏色都可用三種基本顏色按不同的比例混合得到，顯示彩色圖像用RGB相加混色模型：顏色=R（Red 百分比）+G（Green 百分比）+B（Blue 百分比）顏色空間是表示顏色的一種數(shù)學方法，人們用它來指定和產(chǎn)生顏色，使顏色形象化。顏色空間通常用三維模型表示，空間中的顏色能夠看到或者使用顏色模型產(chǎn)生。顏色空間中的顏色通常使用代表三個參數(shù)的三維坐標來指定，這些參數(shù)描述的是顏色在顏色空間中的位置，其顏色要取決于使用的坐標。 顏色的度量體系顏色度量體系（color system），也叫做顏色制或者叫做顏色體制，實際上就是人們組織和表示顏色的方法。組織和表示顏色的方法主要有兩種：一種是顏色模型，一種是編目系統(tǒng)。顏色模型是用簡單方法描述所有顏色的一套規(guī)則和定義。顏色空間是顏色模型最普通的例子，RGB、CIE XYZ、CIE LAB、CMYK等。對于顏色空間的構造需要滿足三個要求：v 完備性(Completeness)，顏色空間應能描述人能感知的所有顏色；v 一致性(Uniformity )，顏色在空間度量的差異和感知的差異相吻合；v 唯一性(Uniqueness)，顏色空間中顏色在感知上彼此不同。 RGB顏色空間RGB空間模型是使用紅、綠、藍的亮度值，大小限定到一定范圍，如0255。R、G、B以不同程度的混合可以調(diào)出各種各樣的色彩，并都能用三維空間中第一象限的一個點來表示，如圖的立方體所示，三色圖像的灰度級直方圖是RGB空間的點分布。在RGB彩色空間的原點上，任何一種基色的亮度值都為0，即原點為黑色。三基色都達到最高亮度時則表示為白色。在連接黑色與白色的正方體對角線上，各原色的強度相等，產(chǎn)生由暗到明的白色，也就是不同的灰度值。立方體位于坐標軸上的三個頂點分別為三基色紅、綠、藍色，而另外三個頂