【正文】
() 其中, I 表示檢所得到的相關(guān)圖像的數(shù)目, M表示全部相關(guān)的圖像數(shù)目。 ( 2) 查全率 Recall 定義為在查詢(xún)結(jié)果中和示例圖像相關(guān)的圖像占全部的相關(guān)圖像的百分比例。 JIecision?Pr () 其中。我們執(zhí)行檢索集合中的各個(gè)查詢(xún),就能計(jì)算相互圖像查詢(xún)中國(guó)計(jì)量學(xué)院本科畢業(yè)設(shè)計(jì)(論文) 的平均查準(zhǔn)率與查詢(xún)率,進(jìn)而就能得到系統(tǒng)的檢索性能評(píng)價(jià)。對(duì)于圖像的匹配問(wèn)題,正確的圖像是檢索結(jié)果中的第一個(gè)得到的是比較理想的情況。 一般地,圖像檢索技術(shù)主要分為兩種類(lèi)型:圖像的匹配與相似性的查詢(xún)。該方法最終能夠得到怎樣的成效目前還是難以斷定的。這樣一來(lái),圖像的查詢(xún)數(shù)據(jù)庫(kù)變成了一個(gè)視覺(jué)詞典,它能夠?qū)⒁唤M最可能被檢索到的相關(guān)元素的主要圖像特征和每個(gè)語(yǔ)義特征聯(lián)系起來(lái)。 FourEyes 系統(tǒng)是最早的利用用戶(hù)反饋獲得相關(guān)語(yǔ)義,從而支持基于語(yǔ)義的圖像檢索系統(tǒng)。首先識(shí)別得到包含目標(biāo)的區(qū)域,進(jìn)而建立由此來(lái)推斷或確定目標(biāo)是否真正存在的準(zhǔn)則。 中國(guó)計(jì)量學(xué)院本科畢業(yè)設(shè)計(jì)(論文) 目標(biāo)識(shí)別與檢索技術(shù)一般是使用數(shù)據(jù)庫(kù)檢索技術(shù)來(lái)分類(lèi)和識(shí)別目標(biāo),其中包含自動(dòng)目標(biāo)識(shí)別與基于用戶(hù)相關(guān)反饋的學(xué)習(xí)相關(guān)語(yǔ)義這兩種技術(shù)。 b Szummer 依據(jù)圖像子塊中和整幅圖像的紋理與領(lǐng)域信息,顏色特征,將照片分為室外和室內(nèi)兩類(lèi),并且使用空間和位置特征以提高分類(lèi)的準(zhǔn)確度。因?yàn)樗粌H是搜索時(shí)重要的過(guò)濾器,還能幫助識(shí)別特殊物體。目前,基于語(yǔ)義特征的圖像檢索技術(shù)主要 集中在景物分析及分類(lèi)技術(shù),目標(biāo)識(shí)別及檢索技術(shù)。在基于語(yǔ)義特征的圖像檢索中,抽象特征和目標(biāo)特征直接存在很大的差距。若是沒(méi)有外部的幫助,就很難確定一種結(jié)構(gòu)是否代表某個(gè)單一的物體,亦或只是代表一些沒(méi)有任何意義的現(xiàn)實(shí)世界中的偶然性組合的區(qū)域。 對(duì)圖像深層的理解也就得到了圖像深層的語(yǔ)義描述,盡管圖像理解一般依賴(lài)于圖像的強(qiáng)分割來(lái)實(shí)現(xiàn),然而對(duì)于含有復(fù)雜景物 的圖像強(qiáng)分割一般是很難自動(dòng)實(shí)現(xiàn)甚至是不可能實(shí)現(xiàn)的。圖像一般在傅里葉變換后,在一定程度上其能量譜反應(yīng)了圖像的方向性和圖像的粗糙。相對(duì)于共生矩陣,該方法幾乎沒(méi)有冗余信息,且頻率是相當(dāng)高的,因而在 CBIR 系統(tǒng)中應(yīng)用很廣泛,比如 IBM 的 QBIC。共生矩陣法的優(yōu)點(diǎn)是算法簡(jiǎn)單,但其通常較大,而且含有不少的冗余信息。后來(lái)提出了共生矩陣法,共生矩陣就是從灰度為 I 的像素點(diǎn)開(kāi)始遠(yuǎn)離某個(gè)固定位置的像素點(diǎn)的灰度為 J的概率大小。 其中統(tǒng)計(jì)方法主要分為空間域及頻率域方法。 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。而紋理的結(jié)構(gòu)分析就是在已知基元的情況下進(jìn)行的分析。 因此,紋理分析包括得到紋理基元及獲取關(guān)于紋理基元排列分布方式的信息。紋理基元由圖象基元組合而來(lái),有一定的大小和形狀,而紋理是紋理基元排列而成的。紋理是一切的表面,包括頭發(fā),轉(zhuǎn)頭,樹(shù)木和云彩等所具有的內(nèi)在特性,同時(shí)包含表面的結(jié)構(gòu)安排及與周?chē)h(huán)境的關(guān)系。 紋理特征 紋理使圖像的另一個(gè)重要屬性。但由于顯著計(jì)算機(jī)視覺(jué)的限制,我們還暫時(shí)無(wú)法將目標(biāo)從背景中準(zhǔn)確地分割出來(lái),從而也很難讓計(jì)算機(jī)來(lái)理解和表達(dá)其形狀特征。 形狀特征的一個(gè)重要準(zhǔn)則是要求對(duì)旋轉(zhuǎn),比例和位移的不變性。對(duì)自由變形模型來(lái)說(shuō),模版無(wú)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。 對(duì)于更通用 的變形形狀的匹配問(wèn)題,需要與變形模型的研究結(jié)合。 對(duì)基于形狀的圖像檢索技術(shù)來(lái)說(shuō),亟待解決的一個(gè)問(wèn)題是匹配及表示形狀特征。主要方法是求取區(qū)域與變換無(wú)關(guān)的各階統(tǒng)計(jì)矩。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。這項(xiàng)技術(shù)涉及到形狀識(shí)別,邊緣檢測(cè),匹配算法及特征量的計(jì)算等。 形狀特征 圖像的形狀特征是識(shí)別物體的主要信息,是一種重要的圖像內(nèi)容表達(dá)方法。在概率方向看來(lái),圖像的顏色直方圖是 指在一個(gè)彩色的空間中,聯(lián)合三中不同顏色的通道強(qiáng)度的概率。表示顏色特征的方法中使用最廣泛的是顏色直方圖。顏色特征的優(yōu)點(diǎn),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。在很多情況下,顏色是對(duì)圖像描述的最簡(jiǎn)單而有效的特征。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。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(hù)查詢(xún) 用戶(hù)反饋 用戶(hù)的查詢(xún)說(shuō)明 用戶(hù)還可以在候選結(jié)果中選擇某個(gè)示例,對(duì)這一新的示例進(jìn)行特征調(diào)整后,形成一個(gè)更加準(zhǔn)確的心查詢(xún)。 ( 4)特征調(diào)整。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(xún)特征與特征庫(kù)中特征依照一定的匹配算法進(jìn)行相似性匹配?;趦?nèi)容的圖像檢索系統(tǒng)將借助于知識(shí)庫(kù)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。用戶(hù)不熟悉的媒體媒體類(lèi)型及其信息機(jī)構(gòu)或者檢索要求表達(dá)得不清楚時(shí),就可以采用可視化示例查詢(xún)的方式。在用戶(hù)的觀點(diǎn)看來(lái),有兩種查詢(xún)方式,即概念查詢(xún)和可視化查詢(xún)?;趦?nèi)容的圖像檢索系統(tǒng)的檢索流程圖 。用戶(hù)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(hù)查詢(xún)的圖像,進(jìn)而進(jìn)行下一步相似計(jì)算,從而達(dá)到模糊檢索的目的。在該系統(tǒng)中,查詢(xún)實(shí)際上基本都是模糊實(shí)例查詢(xún)。壓縮技術(shù)是用來(lái)節(jié)約圖像數(shù)據(jù)占用空間的,系統(tǒng)支持各種不同的壓縮格式以及它們之間的相互轉(zhuǎn)化。存儲(chǔ)技術(shù)包括圖像壓縮技術(shù)和預(yù)處理技術(shù)等。更高層次的概念特征和語(yǔ)義特征是正在努力和研究的目標(biāo)。 ( 4)特征提取子系統(tǒng)的功能是提取圖像特征,表達(dá)圖像內(nèi)容。目前主要使用圖像特征作為索引,然后用相似性度量得到相思結(jié)果結(jié)合,圖像特征一般用高維矢量表示。由于圖像數(shù)據(jù)庫(kù)包含大量的圖像,圖像相似性度量十分耗時(shí),因而需要采用索引過(guò)濾技術(shù),以達(dá)到快速搜索的效果,使得用戶(hù)在合理的時(shí)間內(nèi)得到響應(yīng)結(jié)果。 c 在某些特殊情況下,直接指定圖像的屬性特征會(huì)比較方便和直觀,比如使用文字檢索圖像,選擇主色調(diào)的檢索和使用查詢(xún)語(yǔ)言的檢索。 b 草圖查詢(xún)方式:該方式彌補(bǔ)了樣圖查詢(xún)方式的不足,用戶(hù)利用系統(tǒng)提供的繪圖工具、形 狀工具、紋理工具等繪制查詢(xún)草圖。 圖 基于內(nèi)容的圖像檢索系統(tǒng)的基本框圖 ( 1)用戶(hù)子系統(tǒng)是用戶(hù)用來(lái)查詢(xún)請(qǐng)求及接受瀏覽查詢(xún)結(jié)果的接口。 層次 任務(wù) 用戶(hù)視圖層 空間推理 語(yǔ)義特征視圖層 圖像知識(shí)結(jié)構(gòu) 圖像特征視圖層 圖像理解 特征表達(dá)層 圖像數(shù)據(jù)結(jié)構(gòu) 特征組織和檢索層 圖像數(shù)據(jù)檢索 圖 圖像數(shù)據(jù)庫(kù)的五個(gè)層次任務(wù) 一般而言,基于內(nèi)容的圖像檢索系統(tǒng)分為以下兩個(gè)部分:計(jì)算機(jī)視覺(jué)的技術(shù)和數(shù)據(jù)庫(kù)管理技術(shù),該系統(tǒng)可由下列五個(gè)子系統(tǒng)構(gòu)成,即存儲(chǔ)圖像數(shù)據(jù)、提取圖像的特征、圖像相似度測(cè)量、索引圖像的高維特征、索引并過(guò)濾高維特征、 用戶(hù)查詢(xún)及瀏覽的接口。一般來(lái)說(shuō),基于內(nèi)容的圖像檢索系統(tǒng)主要是設(shè)計(jì)一個(gè)支持內(nèi)容查詢(xún)的圖像數(shù)據(jù) 庫(kù)系統(tǒng)。第四章是基于顏色的圖像檢索系統(tǒng)的程序設(shè)計(jì)及結(jié)果分析,進(jìn)而得出研究結(jié)論及展望。第二章詳細(xì)闡述了基于內(nèi)容的圖像檢索技 術(shù),主要是從以下幾個(gè)方面展開(kāi)論述的:系統(tǒng)結(jié)構(gòu),檢索流程,特征抽取技術(shù),語(yǔ)義特征和系統(tǒng)檢索性能評(píng)價(jià)。 本文主要對(duì)給予顏色的圖像檢索系統(tǒng)實(shí)現(xiàn)進(jìn)行研究,利用 C++軟件平臺(tái)編程,使計(jì)算機(jī)能夠自動(dòng)進(jìn)行圖像分析,提取圖像的顏色特征,并將其作為圖像的內(nèi)容,在沒(méi)有用戶(hù)參與的情況下,進(jìn)行圖像特征的查找和匹配,最后將與用戶(hù)查詢(xún)圖像最相似的圖像返回給用戶(hù)。 保健及醫(yī)療:圖像數(shù)據(jù)庫(kù)在該領(lǐng)域也有廣泛的應(yīng)用。我國(guó)也開(kāi)展了多媒體教學(xué)研究工作,另外,網(wǎng)上教學(xué)與輔導(dǎo)也在實(shí)踐中。 教育和培訓(xùn):在教育和培訓(xùn)方面有著廣闊的應(yīng)用前景,比如遠(yuǎn)程的教學(xué),自學(xué)教育,交互式的培訓(xùn)及雇員再教育等。 郵票資料庫(kù):查詢(xún)及管理郵票資料 ,還能提供郵票鑒定等的服務(wù)。 公安及法律:這是圖像數(shù)據(jù)庫(kù)技術(shù)的一個(gè)重要應(yīng)用領(lǐng)域。 家庭圖像檢索:隨著數(shù)碼科技的普及,各個(gè)家庭也會(huì)產(chǎn)生大量的圖像,家庭用圖像檢索系統(tǒng)將是一個(gè)基本工具。 數(shù)字圖書(shū) 館:數(shù)字圖書(shū)館是一個(gè)數(shù)字信息資源庫(kù),包括圖像庫(kù),文本庫(kù),聲音庫(kù),字符數(shù)值庫(kù)等。而在用戶(hù)接口上,研究者主要集中在應(yīng)用事例圖像進(jìn)行圖像查詢(xún)和基于相關(guān)反饋的人機(jī)交互界面。在索引技術(shù)方面,主要研究的是降維方法,并試圖引入新的索引機(jī)制來(lái)提高系統(tǒng)的檢索性能。這些系統(tǒng)大部分具有以下特點(diǎn):( 1)支持文本查詢(xún),草圖查詢(xún)和事例圖像查詢(xún)等多種查詢(xún)方法( 2)用戶(hù)能對(duì)系統(tǒng)中的圖像進(jìn)行隨機(jī)瀏覽( 3)支持圖像的分類(lèi)導(dǎo)航。第四個(gè)則是基于語(yǔ)義的圖像檢索。第三個(gè)恰好集中在以用戶(hù)為中心的圖像檢索上。第一個(gè)是物理特征提取技術(shù)和相似性度量的研究與創(chuàng)新;第二個(gè)是分割技術(shù)通過(guò)圖像分割提取出圖像的具體對(duì)象,進(jìn)而研究對(duì)象之間的空間關(guān)系,反應(yīng)給用戶(hù)的是比圖像顏色,形狀,紋理等特征更高一些的語(yǔ)義信息。至此,圖像檢索技術(shù)由以關(guān)鍵字找圖的模式發(fā)展到以圖找圖的模式,取得了很大的突破。用戶(hù)在查詢(xún)時(shí)使用用戶(hù)創(chuàng)建的草圖或者系統(tǒng)提供的事例圖像進(jìn)行檢索,由計(jì)算機(jī)自動(dòng)檢索出圖像庫(kù)中雨查詢(xún)圖像最相似的圖像返回給用戶(hù)。 基于內(nèi)容的圖像檢索技術(shù)的國(guó)內(nèi)外研究概況 早在 20世紀(jì) 90年代,研究人員提出了基于內(nèi)容的圖像檢索技術(shù)的概念,這在一定程度上彌補(bǔ)了基于文本的圖像檢索技術(shù)的缺陷。 此外,宇宙探測(cè)、交通檢測(cè)、地球資源觀察系統(tǒng)等領(lǐng)域,每天都有極其巨大中國(guó)計(jì)量學(xué)院本科畢業(yè)設(shè)計(jì)(論文) 的圖像信息在不斷地產(chǎn)生和應(yīng) 用。如何有效地組織、快速地檢索這些信息,成為一個(gè)亟待解決的問(wèn)題。歸 納而言,圖像的檢索方法對(duì)應(yīng)于圖像特征的三個(gè)層次,也即是:簡(jiǎn)單的可視化特征層次,中間的對(duì)象層次和高層抽象的特征層次。由于一般圖像的規(guī)模要大于純粹的文本信息,因此,基于內(nèi)容的圖像檢索技術(shù)在檢索的速度和效率上都有了很大的提高。 基于文本的圖像檢索技術(shù)沿用了傳統(tǒng)的文本檢索技術(shù),從圖像的名稱(chēng), 作者,年代,尺寸及壓縮類(lèi)型等方面標(biāo)引圖像,一般以關(guān)鍵詞形式查詢(xún)圖像,亦或根據(jù)等級(jí)目錄的形式瀏覽查找特定的圖像。 圖像檢索技術(shù)的分類(lèi)及應(yīng)用 目前,圖像檢索技術(shù)主要分為基于文本的圖像檢索和基于內(nèi)容的圖像檢索?;谡Z(yǔ)義的圖像檢索技術(shù)就是根據(jù)圖像的抽象屬性和邏輯特征進(jìn)行檢索的,其使計(jì)算機(jī)檢索能 力接近于人們的中國(guó)計(jì)量學(xué)院本科畢業(yè)設(shè)計(jì)(論文) 理解水平。這就是對(duì)圖像語(yǔ)義特征的理解。該技術(shù)需要圖像數(shù)據(jù)庫(kù),文本數(shù)據(jù)庫(kù)和視覺(jué)特征數(shù)據(jù)庫(kù)的支持。 90 年代初,基于內(nèi)容的圖像檢索技術(shù)成為圖像檢索的主流。文本的標(biāo)注進(jìn)行圖像抽象概念描述時(shí),具有簡(jiǎn)單、清晰的長(zhǎng)處。目前,基于內(nèi)容的圖像檢索的技術(shù)水平難以滿足實(shí)際應(yīng)用的要求,這是是一個(gè)具有挑戰(zhàn)性的研究課題,仍然期待技術(shù)上有新的的突破。基于內(nèi)容的圖像檢索技術(shù)分為基于顏色特征的圖像檢索、基于紋理特征的圖像檢索、基于形狀特征的圖像檢索。用戶(hù)在查詢(xún)圖像時(shí) ,只要把自己對(duì)圖像的大概印象描述出來(lái) ,就可以在圖像庫(kù)中找到想要的圖像。 similarity Classification: TP331 目次 摘要 ............................................................................................... 錯(cuò)誤 !未定義書(shū)簽。 color features。本文基于上述方法 建立了一個(gè)圖像檢索的原型系統(tǒng),并應(yīng)用圖像檢索系統(tǒng)中常用到的性能參數(shù)對(duì)算法的運(yùn)行及其結(jié)果進(jìn)行了評(píng)估,最后取得了令人滿意的效果。于是基于內(nèi)容的圖像檢索( CBIR)作為一個(gè)嶄新的研究領(lǐng)域呈現(xiàn)在人們面前。 基于顏色的圖像檢索系統(tǒng)實(shí)現(xiàn) 摘要 : 近年來(lái),隨著互聯(lián)網(wǎng)高速發(fā)展,網(wǎng)上的多媒體信息急劇增加,這些多媒體信息大都以圖像為主。如何有效地組織、管理和檢索大規(guī)模的圖像數(shù)據(jù)已成為迫切需要解決的問(wèn)題。 本論文中首先采用符合人類(lèi)視覺(jué)特征的 HSV 顏色空間來(lái)表示顏色特征,然后利用人對(duì)顏色的感知特性來(lái)對(duì)顏色分量進(jìn)行非等間隔量化并形成了顏色特征矢量,最后用歐氏距離法、加權(quán)距離法和直方圖相交法結(jié)合分塊全局直方圖進(jìn)行圖像的相似性的計(jì)算。 關(guān)鍵詞: 基于內(nèi)容的圖像檢索 ; 顏色特征 ; 顏色直方圖 ; 相似度 中圖分類(lèi)號(hào): TP331 Realization of Colorbased Image Retrieval System Abstract: In recent years, with the rapid development of the Inter, online multimedia information has increased dramatically and this information is mostly images. Effective recognizing, management and searching all these images has been an emergent problem. So contentbased image retrieval, as a new field of study emerged. To show color characteristic of image,we use the method of the HSV color space,which is suitable to the visual characteristic of advance of human’s feeling to color ,it quantifies color sector w