医学图像数据库中基于图像内容查询的研究

本文讨论了医学图像数据库中的基于图像内容的查询,包括它的起源、构成、分类、判别标准及索引技术问题,并做了总结和展望。     

基于内容特征的图像数据库检索技术及实现

随着图像数据库容量的增大,迫切的需要提高对数据库内图像进行检索的准确率和效率,基于图像内容特征的检索技术发展是一个重要的提高检索效率的途径。本文在分析了基于内容特征的图像检索技术基础上,针对多维索引技术发展及图像数据库的特点,提出了一种新的改进NB-Tree的基于颜色特征的图像检索技术,通过引入新的信息特征矢量,实现了检索效率的提高,并给出了一个具体的实例验证了技术的正确性。     

基于内容的遥感图像数据库的多维索引技术

如何高效地存储和管理海量的遥感图像数据,使其更好地满足多用户访问和数据查询等需求,是当前研究的一个热点问题;索引是快速访问大型数据库的前提,构建索引在遥感图像数据库的管理中有着举足轻重的作用;鉴于此,该文提出了一种基于内容的遥感图像数据库的多维索引技术,笔者详细论述该索引方法的动机、原理和实现过程,最后将此索引方法应用于一个大型的遥感图像数据库中,实验0数据验证了该方法的有效性.     

基于色彩主特征的快速图像检索

提出了一种新颖而又简单直观的图像索引机制。这种方法通过统计图像数据库的低层像素特征,用中值切割法构建索引树,把自然景物图像数据库分成易于描述的不同视觉主题,并籍此来进行高效的图像检索。索引树的构建有别于传统的完全基于数值本身的聚类方法,因而聚类结果视觉含义更明显。本文以颜色主题为例实现了此方法,并通过实验论证了方法的高效和快速。图像索引码以二进制形式给出,因而所需存储空间也极小。     

基于分形编码拓扑特性的图像检索

为了更有效、更准确地进行图像检索，提出了一种利用分形编码这项重要的拓扑特性来处理图像索引的新方法，即将图像经分形编码，首先得到每张图像的迭代函数，然后将其伴随图像存人数据库中，成为该图像的索引文件最后对数据库进行搜索时，则通过对此索引文件的比对来找出与查询图像相似的图像。反观使用其他方法建立的图像索引数据库，则无法证明其建立的索引文件具有上述特质。实验显示，图像经过分形编码所表现出的几何性质以及独特的有效性和鲁棒性，证明该方法是一个更有效率、准确度高的检索方法。     

互联网WWW图像搜索引擎的研究与设计

分析了传统搜索引擎的图像搜索以及图像搜索引擎的原理与结构；在此基础上把基于内容的图像检索技术加入图像搜索引擎，设计了本文图像搜索引擎的框架结构，探讨了Robots、图片语义及低层特征的获取结构、索引数据库的结构与入库策略、以及用户访问界面的实现技术；最后，对当前的图像搜索技术局限性及发展趋势进行分析，探讨了图像搜索引擎的发展方向并提出了一些建议．     

一种有效的支持海量图像数据库QBE查询的聚类索引算法

对海量图像数据进行基于内容的查询与检索有赖于高效的索引和检索机制。因此,如何将海量图像数据进行合理的分类,人而建立相应的索引机制就成为了一个亟待解决的问题。本文提出了一种有效的支持海量图像数据库QBE查询的聚类索引算法。实验在1万多幅的图像数据库上进行了反复测试,结果表明该算法可以极大地提高检索效率。     

基于内容的Web图像检索引擎技术研究与设计

提出了基于内容的Web图像检索引擎及其体系结构、数据库结构设计， 以及基于内容检索中索引建立和相关反馈的问题。在银鲨AS3000高级浏览检索系统中应用了基于内容的图像检索引擎，说明其可行性和方便易用性。文章最后展望了基于内容的Web图像检索技术的发展方向和Web图像检索技术的应用前景。     

基于内容的图像检索综述

综述了基于内容图像检索领域中特征提取技术，多维索引与图像分类技术的研究成果，介绍了几个有特色的基于内容图像检索系统，最后提出了这一领域尚存在的问题和未来发展方向。     

基于结构的指纹分类技术

指纹分类技术是指纹数据库的一个重要的索引机制。提出了一种基于指纹方向图的结构分类算法。通过图像分割,抽取图像的有用部分,而后基于指纹方向图,寻找指纹奇异点,利用脊线跟踪技术和规则确定指纹的类别。     

图像数据库分类的自组织技术

本文采用 Kohoenmap自组织神经网络技术 ,提出一种依据检索特征对图像数据库进行预分类的方法 .在文中利用这种预分类实现按类别浏览图像数据库 (image browsing by category)的功能 ,提出一种层次化的类 SS- tree的二分索引结构 .实现建立在预分类基础上的示例查询 .这种查询方法与穷搜索方法相比 ,具有更高的检索效率 ,检索次数随着库规模的增加不会显著增多 .基于图像库的实验验证了分类算法和检索算法的有效性     

Image database indexing using JPEG coefficients

Image database indexing is used for efficient retrieval of images in response to a query expressed as an example image. The query image is processed to extract information that is matched against the index to provide pointers to similar images. We present a technique that facilitates content similarity-based retrieval of jpeg-compressed images without first having to uncompress them. The technique is based on an index developed from a subset of jpeg coefficients and a similarity measure to determine the difference between the query image and the images in the database. This method offers substantial efficiency as images are processed in compressed format, information that was derived during the original compression of the images is reused, and extensive early pruning is possible. Initial experiments with the index have provided encouraging results. The system outputs a set of ranked images in the database with respect to the query using the similarity measure, and can be limited to output a specified number of matched images by changing the threshold match.     

A fractal-based clustering approach in large visual database systems

Large visual database systems require effective and efficient ways of indexing and accessing visual data on the basis of content. In this process, significant features must first be extracted from image data in their pixel format. These features must then be classified and indexed to assist efficient access to image content. With the large volume of visual data stored in a visual database, image classification is a critical step to achieve efficient indexing and retrieval. In this paper, we investigate an effective approach to the clustering of image data based on the technique of fractal image coding, a method first introduced in conjunction with fractal image compression technique. A joint fractal coding technique, applicable to pairs of images, is used to determine the degree of their similarity. Images in a visual database can be categorized in clusters on the basis of their similarity to a set of iconic images. Classification metrics are proposed for the measurement of the extent of similarity among images. By experimenting on a large set of texture and natural images, we demonstrate the applicability of these metrics and the proposed clustering technique to various visual database applications.     

Query by image and video content: a colored-based stochastic model approach

For efficient image retrieval, the image database should be processed to extract a representing feature vector for each member image in the database. A reliable and robust statistical image indexing technique based on a stochastic model of an image color content has been developed. Based on the developed stochastic model, a compact 12-dimensional feature vector was defined to tag images in the database system. The entries of the defined feature vector are the mean, variance, and skewness of the image color histogram distributions as well as correlation factors between color components of the RGB color space. It was shown using statistical analysis that the feature vector provides sufficient knowledge about the histogram distribution. The reliability and robustness of the proposed technique against common intensity artifacts and noise was validated through several experiments conducted for that purpose. The proposed technique outperforms traditional and other histogram based techniques in terms of feature vector size and properties, as well as performance.     

Image indexing and retrieval based on color histograms

While general object recognition is difficult, it is relatively easy to capture various primitive properties such as color distributions, prominent regions and their topological features from an image and use them to narrow down the search space when attempts to retrieving images by contents from an image database are made.In this paper, we present an image database in which images are indexed and retrieved based on color histograms. We first address the problems inherent in color histograms created by the conventional method, and then propose a new method to create histograms which are compact in size and insensitive to minor illumination variations such as highlight, shape, and etc. A powerful indexing scheme where each histogram of an image is encoded into a numerical key, and stored in a two-layered tree structure is introduced. This approach turns the problem of histogram matching, which is computation intensive, into index key search, so as to realize quick data access in a large scale image database. Two types of user interfaces, Query by user provided sample images, and Query by combination of the system provided templates, are provided to meet various user requests. Various experimental evaluations exhibit the effectiveness of the image database system.     

改进k-means聚类算法在图像检索中的应用研究

为了从大规模图像数据库中快速而准确地检索到所需图像,提出了一种结合图像特征索引库和平均面积直方图的方法。通过图像特征索引库减少对图像数据库的访问次数和访问数据量,实现对图像的快速检索。使用平均面积直方图方法,增强算法区分空间差异的能力,使得检索结果与人的视觉感受更加吻合。实验结果亦表明,该方法提高了图像检索的速度和精度。     

基于Hash值的重复图像检测算法

重复图像检测是自动图像标注中经常遇到的问题之一。该文在讨论大规模图像数据库的基础上,提出一种基于Hash值的重复图像检测算法。该算法不依赖于具体图像特征,通过建立索引能快速寻找到重复图像,有效提高了查准率。实验结果表明,该算法是可行的,可以应用到其他各种场景。     

TB级多源遥感影像高效建库方法研究

随着各领域对多源遥感影像数据需求的不断增加,如何高效地管理多源海量遥感影像数据,更好地为各行各业服务是遥感数据库研究的热点。目前国内外很多学者在建设多源遥感影像数据库方面进行了相关研究,但对多源遥感影像数据组织、遥感影像数据预处理以及快速索引方面的研究尚存在不足。设计了一种多源遥感影像数据组织模型,实现了多源影像的集成化管理;实现了一种多源海量原始遥感影像(特别是航空影像)的半自动预处理机制,极大地缩短了原始影像数据的处理时间;设计了一种混合检索方法,达到了海量多源遥感影像数据快速高效检索的目的。结果表明:该方法建库效率显著提高,混合索引的查询速度比ArcSDE自动创建的空间索引检索速度有了快速提高,在数据量较小时查询速度至少可以提高4倍,而数据量较大时检索速度至少可以提高12.83倍。     

基于内容的图像检索系统性能评价

在图像检索需求多元化和专业化的推动下,CBIR技术日趋成熟,目前已有越来越多的商用和科研系统相继推出。这样就迫切需要展开对CBIR系统性能评价标准的研究,因为任何一项技术都是由该领域中相应的评价标准来推动的。为了使人们对这方面的现状动态有一概略了解,首先讨论了基于内容的图像检索评价过程中的两个基本问题,即大规模数据库的建立和获取进行相关性评判,然后对近年来文献中所见的基于内容的图像检索系统性能评价方法进行了回顾和综述;最后在此基础上,对其发展方向进行了探讨,并提出建立一个标准的测试数据集用来推动基于内容的图像检索系统性能评价的发展和更好地将人结合到基于内容的图像检索系统的性能评价过程中,以发展交互式的性能评价方法的建议。