基于内容的图像检索技术

随着多媒体技术的迅速发展,传统的基于关键字的信息检索技术已逐渐不能满足要求,因此,基于内容的图像检索技术成为当今的一个研究热点。介绍了基于内容图像检索系统的基本组成。综述了基于颜色、纹理、形状、语义等图像检索技术的主要方法。分析和比较了现有的各种图像检索技术的方法。讨论了相关反馈技术、检索性能的评价等CBIR研究中的关键问题。同时指出了CBIR研究中存在的问题,以及未来的发展趋势和研究方向。     

基于内容的图像检索中的相关反馈算法

近几年,相关反馈算法作为解决图像检索问题行之有效的方法,受到人们越来越多的重视,各种各样的相关反馈算法层出不穷,该文回顾了早期的启发式相关反馈算法和近期的最优相关反馈算法,对现有的相关反馈算法进行了分析、总结和对比,并提出了今后相关反馈算法的发展方向。     

基于内容图像检索的特征子空间抽取

作为一种有效的解决手段,相关反馈(relevance feedback)技术在基于内容图像检索(content based image retrieval)的研究中得到了深入的发展.尽管有效,已有的反馈算法却始终没有解决特征空间的有指导降维和特征中的噪声去除这两个问题.提出了一种新的方法,通过对用户在检索过程中提供的正反馈样本在各特征空间中的分布特性,利用主成分分析(principal component analysis)来消除特征中的噪声,实现了对特征空间进行有效的降维.试验结果显示,该方法在不牺牲检索精度的前提下提高了检索速度,降低了存储复杂度.     

基于内容图像检索中的特征性能评价

在基于内容的图像检索中，不同图像特征反映了图像各个侧面的内在特性，因此，在使用图像特征进行检索时存在多种相似性度量方法．特征以及特征间相似性度量方法的选取是当前CBIR研究的一个重要课题．评估了CBIR系统中使用的图像特征在不同相似性度量方法下及多种特征在不同图像库上的检索性能，为CBIR系统的设计和实现提供一定的依据．通过实验发现，图像特征的检索性能不仅同相似性度量方法有关系，同时与图像库也有密切的关系．     

遗传反馈的多特征图像检索

基于内容的图像检索是随着数字多媒体技术的发展和普及而新兴的一门信息检索技术。针对当前该领域存在的对图像描述不准确、查询精度低以及反馈次数较多的问题,提出一种基于遗传反馈的图像检索算法。该算法以遗传算法和相关反馈为基础,利用多特征进行检索,避免在利用单一特征进行检索时所出现的不同图像具有相同单一特征（颜色、纹理和形状等）的问题,对图像进行多特征描述可以从多个角度对图像进行定义,大大减少了不同图像却具有相同特征的概率。与现有的算法相比,其具有自动调整图像特征权重、较低反馈次数和较高查询精度的特性。实验结果表明,该算法对于旋转、平移和尺度变化具有较强的鲁棒性,同时具有减少反馈次数和较高查询精度的性能。     

基于内容图像检索中的相关反馈技术研究*

简要介绍了基于内容的图像检索,讨论了相关反馈的基本思想及其交互过程,重点对现有的相关反馈算法进行了分类总结和分析,并展望了今后相关反馈技术的发展趋势。     

融合区域特征和相关反馈的图像检索

提出了一种新的基于内容的图像检索算法,该算法提取图像的颜色-空间特征,在HSV空间中将图像按照H分量进行区域划分,利用区域特征层面上的相似度对图像进行检索,并引入用户的相关反馈来调整并记录示例图像中各对象的特征权值。实验结果表明,该算法可以使计算机更加精确地理解用户的查询要求,提高查询的准确率。     

基于内容的图像检索介绍

基于内容特征的图象检索（CBIR）是目前国内外研究的一个热点。本文简要介绍了基于内容的图像检索技术的发展过程及主要原理，重点论述了基于内容的图像检索常用关键技术——图像视觉特征的描述和提取。     

基于内容的图像检索的视觉特征

本文简要介绍了基于内容的图像检索技术及其特点,重点论述了基于内容的图像检索中的常用关键技术-图像视觉特征的描述和提取。     

图像检索中一种支持多例查询的新方法

基于内容的图像检索的关键问题之一是高层语义和低层图像特征之间的差异,相关反馈技术是缩短这个"语义鸿沟"的有效方法。本文提出了一种新的相关反馈算法,通过分析正例图像在特征空间中的散布来构造该类图像的投影空间,该空间对应于一个语义类在特征空间中分布密集的子空间,在投影空间中计算相似图像。同时根据每次反馈的信息不断修正投影空间来提高系统的检索性能。在Corel大图像库中的实验结果表明,该算法对多例图像查询有较好的检索效果。     

图像检索中融合语义和底层特征方法的研究

针对基于内容的图像检索系统检索效率不高的情况,通过在低层视觉特征上提取图像的颜色和纹理特征和空间信息,综合图像的语义特征,实现了对图像数据库的检索,最后,为了提高检索效率,把相关反馈技术引入到图像检索系统中。实验证明,该方法取得了较好的检索查全率和准确率。     

基于内容的WEB图像检索引擎

现在的图像搜索引擎大多是基于关键字的检索,怎样从Internet的海量数据中检索到自己想要的图像信息,是一个亟待解决的问题。本文提出了基于内容Web图像检索引擎及其体系结构,研究其数据库结构设计,基于内容检索中索引和相关反馈的问题。     

基于本体技术的内容图像检索系统

提出一种新的利用对象本体进行基于内容的图像检索的方法.从分割后的图片区域中提取低层特征,并将其映射为本体中的中间层描述符.中间层描述符将图像低层特征与高层语义联系起来,实现基于内容的图像检索.实验证明,该方法适于大型图片库的检索.     

一种基于内容的图像检索界面

基于内容和对象的图像压缩和检索是下一代的图像处理技术,具有较广阔的应用前景。目前该领域的研究主要从设计方便、快捷的用户查询界面和发展图像数据库检索技术两方面展开。为此,该文提出了一种基于内容的图像检索用户界面的设计方法来满足用户复杂的检索要求。在图像的检索过程中,通过用户组合图标的方法来描述检索要求,同时将图像的颜色和空间信息相结合进行图像查询,并借助用户的反馈信息实现系统的自学习功能,最终逐步提高系统图像检索的速度和准确性。     

基于内容的图像检索技术研究

阐述基于内容的图像检索研究中存在的问题,并介绍其基本原理、检索方法、关键技术以及研究的进展和趋势.     

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。     

用文本检索方法实现基于内容的图像检索

利用基于内容的文本检索这项成熟的技术来实现基于内容的图像检索。它不需要进行大量复杂的运算,不仅检索速度快、查准率高,而且能够根据用户感兴趣的区域进行交互式图像检索。主要从实现原理、算法流程和检索实现三方面讨论了这一问题,给出了以基于内容的文本检索、图像映射成文本和文本还原成图像为主要技术的解决方案,最后介绍了一个基于上述设计原理的实例系统。     

Improving Image Retrieval Effectiveness via Multiple Queries

Conventional approaches to image retrieval are based on the assumption that relevant images are physically near the query image in some feature space. This is the basis of the cluster hypothesis. However, semantically related images are often scattered across several visual clusters. Although traditional Content-based Image Retrieval (CBIR) technologies may utilize the information contained in multiple queries (gotten in one step or through a feedback process), this is often only a reformulation of the original query. As a result most of these strategies only get the images in some neighborhood of the original query as the retrieval result. This severely restricts the system performance. Relevance feedback techniques are generally used to mitigate this problem. In this paper, we present a novel approach to relevance feedback which can return semantically related images in different visual clusters by merging the result sets of multiple queries. We also provide experimental results to demonstrate the effectiveness of our approach.Xiangyu Jin received his B.S. and M.E. in Computer Science from the Nanjing University, China, in 1999 and 2002, respectively. He has a visiting student in Microsoft Research Asia (2001) and now is a Ph.D. candidate in the Department of Computer Science at the University of Virginia. His current research interest includes multimedia information retrieval and user interface study. He had the authored or co-authored about 20 publications in these areas.James French is currently a Research Associate Professor in the Department of Computer Science at the University of Virginia. He received a B.A. in Mathematics and M.S. and Ph.D. (1982) degrees in Computer Science, all at the University of Virginia. After several years in industry, he returned to the University of Virginia in 1987 as a Senior Scientist in the Institute for Parallel Computation and joined the Department of Computer Science in 1990. His current research interests include content-based retrieval and information retrieval in widely distributed information systems. He is the editor of five books, and the author or co-author of one book and over 75 papers and book chapters. Professor French is a member of the ACM, the IEEE Computer Society, ASIST, and Sigma Xi. At the time of this work he was on a leave of absence from the University of Virginia serving as a program director at the U.S. National Science Foundation.     

一种基于空间特征的图像检索法研究

在基于内容的图像识别技术中,颜色自相关图是一种常用的图像颜色特征提取法。文章在此基础上,考虑图像结构特征,通过对图像进行水平和垂直两次扫描,分别建立图像相似区域的变化图。该算法和颜色自相关图一并应用到SOM网络上,实现了一个基于颜色特征和结构特征的图像分类。编程实验结果表明:新算法可以较好地提高基于内容的图像检索的准确性,避免了仅靠图像的颜色特征进行分类和搜索的不能描述图像宏观结构的缺点。