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．     

基于内容图像检索的特征性能评价研究

从基于内容图像检索特征来看,各特征反应了图像各侧面内在特性,利用此种技术检索需要多类相似性度量方法,特征与特征之间的相似性度量方式是当前CBIR的核心课题。使用图形特征,在不同相似性的度量方式下,多种特征在图像库上的检索性能,可为CBIR系统设计提供相应的依据,通过本次实验得知,图像特征检索性能不仅与度量方法有关,也与图像库有密切关联。     

基于内容的图像检索技术探索

基于内容的图像检索(CBIR)是目前国内外的一个研究热点,文章介绍了基于内容图像检索的关键技术、系统体系结构等核心内容,论述了图像检索涉及到的图像特征提取和相似性度量等技术,并就各种特征提取方法进行综合分析、比较。最后指出了目前CBIR的研究现状、存在问题及发展方向。     

九宫格空间框架的图书图像检索

图书图像检索是基于内容的图像检索(CBIR)的一个重要应用.尺度不变特征变换(SIFT)与方向梯度直方图(HOG)在CBIR和物体识别等领域有着广泛应用.根据图书图像的特点,把图书图像按照九宫格进行空间划分,并以SIFT特征为基础对每个分块子图像进行特征描述,然后结合HOG特征组成联合特征描述,联合特征对图书图像的描述力较强而且数据量较小.采用“倒数比”的方式进行联合特征相似性度量能够有效防止子图像发生突变而造成的巨大误差.在规模为50000幅的图书图像库上的实验结果表明,检索的精度和耗时都在可接受范围内.     

综合距离和相关性的图像检索算法

在基于内容的图像检索中,大多数都是采用距离来测试两幅图像的相似性.提出了一种新的计算相关系数的方法并结合这种方法和距离来判断两幅图像的相似性,将其应用于CBIR(content-based image retrieval)系统.在对所提出的算法进行的实验中,用了10 000幅图像来测试了所提出的算法,实验结果表明:在同一个CBIR系统中,引入相关性能够提高图像的检索精度,解决了只用距离来判断两幅图像相似性的不足,对于基于低级特征的图像检索系统是一个很好的改进.     

基于主色选择的CBIR检索

基于内容和图像检索（CBIR）是多媒体检索研究的前沿课题，利用颜色特征作为索引进行图像检索是最重要的战术，在提取图像主要颜色特征的基础上，进一步提取了相应的主色空间分布信息-主色矩特征，作为图像库的索引，在改进加权二次型相似性度量方法的基础上，提出了相应的主色多特征相似性度量方法，由于用户对图像中不同的主色具有不同的检索要求，提出了主色调选择的用户模型，用于更精确的图像检索，实现了WWW发布方式的CBIR原型系统，实验结果表明加入主色选择使得图像检索的效果更好。     

采用形态学边界特征的医学图像检索

特征提取是基于内容的图像检索(CBIR)中的关键步骤,如何有效提取反映高层语义的图像特征对于医学图像的检索至关重要.提出一种基于边界形状特征的医学图像检索方法.该方法首先通过多尺度形态学方法检测图像边界点,然后对边界图像进行形状特征提取,构建边界的形状密度直方图,最后通过相似性匹配实现医学图像检索.实验结果证明了所提取的边界形状特征在医学图像检索中的有效性,通过对比实验给出了结果分析和进一步的研究思路.     

图像检索中的相似性度量方法

相似性度量方法是基于内容的图像检索（CBIR）系统研究的一个重要方面．本文对心理学中相似性的分类以及人类相似性判别的基本模型进行了说明。对图像在视觉特征以及语义特征上的相似性度量方式及研究的现状做了较为详尽的综述,并进行了比较说明。     

发掘相关反馈日志中关联信息的图像检索方法

相关反馈日志蕴含着丰富的对象语义关联信息,但大多数基于内容的图像检索(CBIR)方法却缺乏对它们的重用.提出一种发掘反馈日志中图像关联信息的自动化图像检索方法,将反馈事例中图像的共生现象视为一定上下文中的图像分类.检索时,结合CBIR的检索结果和多种上下文中的图像分类实例,借鉴HITS算法的思想从中提炼图像的本质性关联,获得综合内容和语义的图像检索结果.对6万幅Corel图像数据库的实验表明,该方法可以显著改善查全率和查准率,且检索结果能够更好地满足用户的语义检索需求.     

基于概念级语义的图像描述与识别

由于计算机自动提取的图像视觉特征与人所理解的图像内容存在巨大的差异,传统的低层的视觉特征(如颜色、纹理、形状等)CBIR(Content-Based Image Retrieval)系统的检索结果往往不尽如人意.近年来,根据概念级语义(如男孩、高兴、浪漫等)的CBIR引起了研究者的重视.本文对CBIR领域的大量文献进行了深入的分析,从工程角度综述了图像概念级语义的描述模型、概念级语义特征提取和概念级语义图像检索问题的研究进展,并阐述了作者的一些观点.     

综合颜色和纹理特征的图像检索算法

基于内容的图像检索是当前多媒体信息检索的热点之一。基于内容的图像检索技术是根据对图像内容(特征)的描述和提取,在图像库中找到具有指定内容(特征)的图像。本文对图像颜色特征和纹理特征的提取、相似性度量等基于内容的图像检索的关键技术进行了分析和研究,并在此基础上,提出了一个基于颜色特征和纹理特征的图像检索算法并验证了其有效性。该算法采用HSV颜色空间的直方图作为颜色特征向量,采用灰度共生矩阵的四个纹理特征:能量、熵、惯性矩和相关性构成纹理特征向量,采用欧氏距离进行相似性度量。实验结果表明,该算法实现的系统具有良好的图像检索功能。     

图像纹理特征及其在CBIR中的应用

基于内容的多媒体信息检索是当前世界的研究热点，然而在图像内容表示及其相似性度量这两个关键问题上取得的进展还不能令人满意。通过深入研究纹理的本质和人类视觉系统的特性，结合MPEG－7标准提出的图像内容描述了概念，提出一种新的谱方法来描述图像的纹理特征，并将其应用于图像内容的表示和检索，在此基础上，讨论了图像的颜色描述子和相似性度量策略，并给出了实验结果和性能评价。     

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。     

互信息启发的相似度组合图像检索算法

图像的视觉特征与用户描述之间的差距一直是影响基于内容的图像检索准确度的最主要因素。对多种相似度进行组合来检索图像是近几年图像检索领域涌现出的一个研究热点,也是缩小这种差距的一种有效途径。如何选择更好的组合方法则是该领域很多研究者关注的核心问题。提出一种新的相似度组合算法。该算法基于互信息度量相对熵的原理,计算连续变量相似度与离散变量相似性之间的相关性,对多种相似度进行选择,以“和规则”组合相似度。在公用数据集上进行检索实验,该算法优于当前其他的“和规则”下的组合方法。     

State of the art content based image retrieval techniques using deep learning: a survey

In the recent years the rapid growth of multimedia content makes the image retrieval a challenging research task. Content Based Image Retrieval (CBIR) is a technique which uses features of image to search user required image from large image dataset according to the user’s request in the form of query image. Effective feature representation and similarity measures are very crucial to the retrieval performance of CBIR. The key challenge has been attributed to the well known semantic gap issue. The machine learning has been actively investigated as possible solution to bridge the semantic gap. The recent success of deep learning inspires as a hope for bridging the semantic gap in CBIR. In this paper, we investigate deep learning approach used for CBIR tasks under varied settings from our empirical studies; we find some encouraging conclusions and insights for future research.

     

基于内容的图象检索技术

随着数字图象的日益增多,基于内容的图象检索已成为图象使用者和管理者迫切需要解决的问题,近年来,各国研究者纷纷加入该领域的研究.为了使人们对该领域现状有个概略了解,以推动该领域研究进一步开展,首先概括介绍了基于内容图象检索的产生、发展及其关键技术;然后介绍了特征提取(包括低层特征和语义特征)及其相似性计算、相关反馈等的原理及算法;最后指出了基于内容的图象检索技术与计算机视觉技术的区别所在,并对目前存在的问题和应着重的研究内容以及发展方向进行了分析.     

VISTO: A new CBIR system for vector images

In this paper, we present the main features of VISTO (Vector Image Search TOol), a new content-based image retrieval (CBIR) system for vector images. Though unsuitable for photo-realistic imagery, vector graphics are continually becoming more advanced and diffused. Vector images are fully scalable, resolution independent, not restricted to rectangular shape, allowing layering and editable/searchable text. Notwithstanding this increasing interest, the research area concerning CBIR systems for vectorial images is quite new, and our research on a vector based CBIR system actually derives from a precise request of vector based application experts that did not find appropriate solutions to their retrieval problems in customary shape-based CBIR system. To the best of our knowledge, VISTO is the first CBIR system for vector images proposed in the literature, and it supports the retrieval of images in SVG (scalable vector graphics) format.     

基于内容的图像检索的关键技术

基于内容特征的图像检索(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.