【文章內(nèi)容簡介】 的圖像例子，亦或一個概念性的描述，系統(tǒng)會依照給出的例子或概念查找 出與其相似的圖像，然后將相似結(jié)果集合返回給用戶。用戶可以從這些相思結(jié)果中決定是否或再次選擇更接近用戶查詢的圖像，進而進行下一步相似計算，從而達到模糊檢索的目的。目前，大部分查詢所用的實際上是這種模糊查詢?；趦?nèi)容的圖像檢索系統(tǒng)的檢索流程圖 。 中國計量學院本科畢業(yè)設計（論文） 圖 基于內(nèi)容的圖像檢索系統(tǒng)的檢索流程 (1)用戶初始查詢。在用戶的觀點看來，有兩種查詢方式，即概念查詢和可視化查詢。當用戶使用概念查詢方式從圖像庫中查找所需的圖像時，可通過關于圖像的一般性的描述亦或 查詢語言進而得到一個特定的查詢。用戶不熟悉的媒體媒體類型及其信息機構(gòu)或者檢索要求表達得不清楚時，就可以采用可視化示例查詢的方式。首先用戶瀏覽示例圖像，通過瀏覽，選擇圖像的例子來即是查詢條件?；趦?nèi)容的圖像檢索系統(tǒng)將借助于知識庫幫助，提取出示例圖像特征亦或把指定的擦尋映射為具體的特征向量。 (2)相似性匹配。該部分是基于內(nèi)容的圖像檢索系統(tǒng)的檢索流程中的重要步驟，系統(tǒng)把抽取的特定查詢特征與特征庫中特征依照一定的匹配算法進行相似性匹配。 （ 3）在相似匹配結(jié)束后，滿足一定相似條件的候選結(jié)果左后按照相似度從大到小排序 后返回給用戶瀏覽。 （ 4）特征調(diào)整。對基于內(nèi)容的圖像檢索技術(shù)返回的查詢結(jié)果，用戶可進行圖像瀏覽進而來挑選，直到得到滿意的結(jié)果。用戶還可以在候選結(jié)果中選擇某個示例，對這一新的示例進行特征調(diào)整后，形成一個更加準確的心查詢。 （ 5）如此反復，逐漸縮小查詢范圍，直到用戶得到滿意的查詢結(jié)果。 用戶的查詢說明 示例（ QBE） 一般性描述 相 似性匹配 返回一組候選結(jié)果 滿意？ 結(jié)束 修改用戶查詢 用戶反饋 從候選結(jié)果中選擇一個示例 中國計量學院本科畢業(yè)設計（論文） 特征抽取技術(shù) 大量的基于內(nèi)容的圖像檢索技術(shù)研究主要集中在特征抽取上，以得到與人類觀察最接近的圖像特征。在該系統(tǒng)中比較有效的特征有顏色特征、紋理特征、形狀特征等。 顏色特征 人類在對物體和環(huán)境的感知中，顏 色起著十分重要的作用。在很多情況下，顏色是對圖像描述的最簡單而有效的特征。與其他底層視覺特征比較，顏色對于圖像遮擋、旋轉(zhuǎn)、縮放及其他形變有著更強的魯棒性。顏色特征的優(yōu)點，使其成為基于內(nèi)容的圖像檢索采用的最廣泛的圖像特征。 基于顏色的圖像檢索技術(shù)是依據(jù)圖像中組成對象目標的顏色信息進行檢索，是基于內(nèi)容的圖像檢索技術(shù)中最最基本的技術(shù)。表示顏色特征的方法中使用最廣泛的是顏色直方圖。該方法采用以下技術(shù)：選擇顏色空間、測量顏色直方圖的距離，顏色間的相似性和處理背景顏色的影響等關鍵問題。在概率方向看來，圖像的顏色直方圖是 指在一個彩色的空間中，聯(lián)合三中不同顏色的通道強度的概率。除去上述方法，表示顏色特征的方法還有顏色集，顏色矩，顏色的相關圖，顏色的聚合矢量等等。 形狀特征 圖像的形狀特征是識別物體的主要信息，是一種重要的圖像內(nèi)容表達方法。基于形狀的圖像檢索技術(shù)是依據(jù)圖像中組成目標的形狀進行檢索，涉及到的形狀特征主要有：狹長度，圓形度，二階矩常量，慣性主軸方向，內(nèi)角平均值，內(nèi)角標準方差，多邊形的頂點數(shù)及凹點數(shù)。這項技術(shù)涉及到形狀識別，邊緣檢測，匹配算法及特征量的計算等。 通常形狀特征表示分為兩類：基于區(qū)域的和基于邊界 的表示。邊界特征包括：多邊形逼近、線形形狀、傅里葉描繪子及有限元模型等。從中能得到很多有用的特征，如：邊界的面積、周長及區(qū)域的幾何中心等；區(qū)域特征有矩不變量等。主要方法是求取區(qū)域與變換無關的各階統(tǒng)計矩。在進行基于內(nèi)容的檢索時，可以由用戶用戶選擇一種形狀或者畫出一幅草圖，然后利用形狀的特征來匹配檢索。 對基于形狀的圖像檢索技術(shù)來說，亟待解決的一個問題是匹配及表示形狀特征。在計算機視覺的傳統(tǒng)算法中，先后用到 Freeman鏈碼，曲線， Fourier描述子，二次曲線和 B樣條曲線等等來進行平面曲線的描述。 對于更通用 的變形形狀的匹配問題，需要與變形模型的研究結(jié)合。依據(jù)模型中國計量學院本科畢業(yè)設計（論文） 的不同特性，可以將常用的變形模型分為兩類：參數(shù)變形模型和自由變形模型。對自由變形模型來說，模版無全局的結(jié)構(gòu)約束，僅受局部的光滑性和連續(xù)性的約束。通過圖像的顯著特征如直線，邊緣等建立能量函數(shù)建立一個勢場，使模版變形而與這些特征匹配。 形狀特征的一個重要準則是要求對旋轉(zhuǎn)，比例和位移的不變性。人類處于檢索和識別的目的，總是忽略這種變化。但由于顯著計算機視覺的限制，我們還暫時無法將目標從背景中準確地分割出來，從而也很難讓計算機來理解和表達其形狀特征。這個問題使 得基于形狀特征的檢索技術(shù)成為了當前基于內(nèi)容的圖像檢索系統(tǒng)的一大障礙。 紋理特征 紋理使圖像的另一個重要屬性。一般來說，紋理是指反復出現(xiàn)的圖像的局部模式及其排列規(guī)則，是圖像像素顏色和灰度級的某種規(guī)律性變化，該變化是與空間統(tǒng)計相關的。紋理是一切的表面，包括頭發(fā)，轉(zhuǎn)頭，樹木和云彩等所具有的內(nèi)在特性，同時包含表面的結(jié)構(gòu)安排及與周圍環(huán)境的關系。 紋理特征是由基元的安排及紋理基元兩個要素組成的。紋理基元由圖象基元組合而來，有一定的大小和形狀，而紋理是紋理基元排列而成的。排列基元的方向性，周期性的不同及其疏密程 度能極大地對圖像的外觀改變產(chǎn)生影響。 因此，紋理分析包括得到紋理基元及獲取關于紋理基元排列分布方式的信息。如果在尚未檢測出基元或者不知道紋理基元的情況下分析紋理，那就只能從最小的基元，也就是像素開始建立紋理的模型，該方式被稱為紋理的模型分析。而紋理的結(jié)構(gòu)分析就是在已知基元的情況下進行的分析。 對應于以上兩種分析方式，紋理分析的方法基本上可以分為統(tǒng)計和結(jié)構(gòu)方法： a 統(tǒng)計分析方法是依據(jù)圖像的顏色強度的空間分部信息進行統(tǒng)計的，該方法用于分析像草坪，沙地，木紋那樣的紋理細密而又不規(guī)則的物體。 b 結(jié)構(gòu)分析是力圖找 出紋理基元，從基元的結(jié)構(gòu)及組成方面探求紋理的規(guī)律。該方法適用于像磚花樣或布料的印刷圖案等一類紋理基元及排列比較規(guī)則的圖像。 其中統(tǒng)計方法主要分為空間域及頻率域方法。 中國計量學院本科畢業(yè)設計（論文） 在空間域方法中，最初使用的是直方圖統(tǒng)計特征法，該方法由于只能反映一維的灰度值變化，早已不再使用。后來提出了共生矩陣法，共生矩陣就是從灰度為 I 的像素點開始遠離某個固定位置的像素點的灰度為 J的概率大小。從共生矩陣中可以分析圖像的紋理特征。共生矩陣法的優(yōu)點是算法簡單，但其通常較大，而且含有不少的冗余信息。研究人員又從視覺心理學角度出發(fā)，得出了新的分析方法，并定義了規(guī)整性，方向和粗糙度等六個特征，這些特征都是互相獨立的而且具有可視性。相對于共生矩陣，該方法幾乎沒有冗余信息，且頻率是相當高的，因而在 CBIR 系統(tǒng)中應用很廣泛，比如 IBM 的 QBIC。 基于頻率域的方法主要有小波分析和傅里葉變換。圖像一般在傅里葉變換后，在一定程度上其能量譜反應了圖像的方向性和圖像的粗糙。 90 年代后，小波分析在紋理分析方面發(fā)展很迅速，并出現(xiàn)了好多新的算法。 對圖像深層的理解也就得到了圖像深層的語義描述，盡管圖像理解一般依賴于圖像的強分割來實現(xiàn)，然而對于含有復雜景物 的圖像強分割一般是很難自動實現(xiàn)甚至是不可能實現(xiàn)的。圖像本身是不能詮釋圖像的語義特征的。若是沒有外部的幫助，就很難確定一種結(jié)構(gòu)是否代表某個單一的物體，亦或只是代表一些沒有任何意義的現(xiàn)實世界中的偶然性組合的區(qū)域。因而，針對圖像本身含有的景物，對于得到圖像相似性排列，特征的完全描述和強分割并不是完全必要的。在基于語義特征的圖像檢索中，抽象特征和目標特征直接存在很大的差距。所以如何從相對簡單圖像特征得到高層語義特征，以達到基于語義的相似性的要求是這個層次圖像檢索的研究難點和重點。目前，基于語義特征的圖像檢索技術(shù)主要 集中在景物分析及分類技術(shù)，目標識別及檢索技術(shù)。 對于基于語義的圖像檢索技術(shù)來說，景物分析與分類技術(shù)是非常重要的。因為它不僅是搜索時重要的過濾器，還能幫助識別特殊物體。 a Gorkani 試圖使用底層特征識別景物的高層特征，用來辨別野外風景和城市風景。 b Szummer 依據(jù)圖像子塊中和整幅圖像的紋理與領域信息，顏色特征，將照片分為室外和室內(nèi)兩類，并且使用空間和位置特征以提高分類的準確度。 c Vailaya 首先使用二值 Bayesian 分類以從底層特征中獲得高層的語義特征，進而構(gòu)造得到照片的層次類別，最終實 現(xiàn)了基于類別的圖像檢索技術(shù)。 中國計量學院本科畢業(yè)設計（論文） 目標識別與檢索技術(shù)一般是使用數(shù)據(jù)庫檢索技術(shù)來分類和識別目標，其中包含自動目標識別與基于用戶相關反饋的學習相關語義這兩種技術(shù)。 上述第一種技術(shù)是對于每種目標的用來識別的模板。首先識別得到包含目標的區(qū)域，進而建立由此來推斷或確定目標是否真正存在的準則。其中，使用最廣泛的是 Forsyth 曾提出的用來識別圖像中任務沒被遮擋的技術(shù)，由于該技術(shù)能夠應用到更多的目標中去，馬和樹葉包含在其中； Newsam 使用 Edge Flow 方法自動地分割圖像，并提取目標，進而基于目標特征相似性實現(xiàn)了基于目標 的查詢。 FourEyes 系統(tǒng)是最早的利用用戶反饋獲得相關語義，從而支持基于語義的圖像檢索系統(tǒng)。該系統(tǒng)依據(jù)用戶對圖像的各區(qū)域加的注釋，對特征相似的區(qū)域作出相似的語義特征標記，并且使用更深層次的用戶反饋機制以提高系統(tǒng)的性能；還有一種是 Chang 曾提出來的人類視覺語義模型，其是用傳統(tǒng)的方法和相關反饋技術(shù)來得到查詢結(jié)果，用戶滿意后，再給當前的查詢指令語義的標記，繼而存儲到圖像查詢數(shù)據(jù)庫。這樣一來，圖像的查詢數(shù)據(jù)庫變成了一個視覺詞典，它能夠?qū)⒁唤M最可能被檢索到的相關元素的主要圖像特征和每個語義特征聯(lián)系起來。 第三層 語義特征的自動檢索技術(shù)到目前為止還是非常少見的， Corridoni 提出利用顏色特征的主觀注釋一檢索能夠激發(fā)人類特殊情感的圖像。該方法最終能夠得到怎樣的成效目前還是難以斷定的。 因此，基于語義特征的圖像檢索技術(shù)將是不可缺少人的視覺感知、生理學、心理學、模式識別以及人工智能等領域的更深入的研究成果。 一般地，圖像檢索技術(shù)主要分為兩種類型：圖像的匹配與相似性的查詢。假設圖像庫總有 N幅圖像。對于圖像的匹配問題，正確的圖像是檢索結(jié)果中的第一個得到的是比較理想的情況。我們桐城市用下面的公式評價圖 像的匹配效果： 匹配比率 )1,1,0()( ?????? LkNnkH k () 其中 K是正確圖像的名次 圖像檢索性能的評價一般使用查準率（ Precision） 和查全率（ Recall） 的相似性檢索評價準則。我們執(zhí)行檢索集合中的各個查詢，就能計算相互圖像查詢中國計量學院本科畢業(yè)設計（論文） 的平均查準率與查詢率，進而就能得到系統(tǒng)的檢索性能評價。 查準率與查全率的定義如下： （ 1）查準率 Precision 定義為在查詢結(jié)果中和示例圖像相關的圖像所占的百分比例，其中 Precision=100%表示 的是查詢出來的圖像都是相關圖像。 JIecision?Pr () 其中。 I 表示檢所得到的相關圖像的數(shù)目， J 表示檢索得到的全部圖像的數(shù)目。 （ 2） 查全率 Recall 定義為在查詢結(jié)果中和示例圖像相關的圖像占全部的相關圖像的百分比例。 Recall=100%表示的是所有的相關圖像都被檢索出來了。 MIcall?Re () 其中， I 表示檢所得到的相關圖像的數(shù)目， M表示全部相關的圖像數(shù)目。 中國計量學院本科畢業(yè)設計（論文） 3. 基于顏色的圖像檢索系統(tǒng)實現(xiàn) 顏色是大部分圖像的主要特征，同時還是人類主要視覺感知之一，它反映的是人眼視覺系統(tǒng)對于物質(zhì)世界的主觀感受。顏色是彩色圖像中最顯著，最直觀的特征，它相對于圖像的幾何特征來說，具有一定程度的穩(wěn)定性，對旋轉(zhuǎn)，平移，縮放具有相當強的魯棒性。給予顏色的圖像檢索系統(tǒng)的實現(xiàn)方法很簡單，視覺效果比較明顯，是應用很廣泛的方法。 顏色空間選擇及顏色矢量量化 顏色空間模型及其選擇 光在頻譜的分布 中，其中不同的位置體現(xiàn)了物質(zhì)世界的各種顏色，而顏色是人類對光譜中可見光區(qū)域的感知結(jié)果。不同的顏色感覺是不同的波長的光引起的，然而，同一種顏色卻能夠用不同的光譜成分來合成。目前，已經(jīng)有了各種各樣的顏色空間的模型，如： RGB顏色空間、 HSV顏色空間、 CMY顏色空間、照片 YCC顏色空間、 CIE顏色空間等等。某個三維空間中的某個可見光子集就是顏色空間，其包括了某個色彩域所有的色彩。其中，任何一個色彩域都是可見光子集。因此，一個顏色空間是不能包含所有的可見光的。 視覺心理學和認知科學證明，人類不能和計算機顯示器一樣只 是使用 RGB三種成分感知顏色。其次，選擇一個適合人類視覺特征的顏色空間能夠很大程度地改善檢索效果。進行基于內(nèi)容的圖像檢索時，查詢要求一般是按照用戶的主觀和視覺感受發(fā)出來的，因此進行圖像之間各顏色差異的比較時，基于內(nèi)容的圖像檢索系統(tǒng)往往用具有視覺一致性的顏色空間。另外，由于在顏色空間中能夠表示的顏色非常多，用計算機進行處理時經(jīng)常需要進行圖像顏色的量化，也就是大量的顏色集中采用少量的參考顏色柄來表示。如果我們采用的顏色空間模型不具有視覺一致性的特性，量化之后得到的參考顏色柄中就可能包含比較多的冗余顏色以