MUSE: A Content-Based Image Search and Retrieval System Using Relevance Feedback

The field of Content-Based Visual Information Retrieval (CBVIR) has experienced tremendous growth in the recent years and many research groups are currently working on solutions to the problem of finding a desired image or video clip in a huge archive without resorting to metadata. This paper describes the ongoing development of a CBVIR system for image search and retrieval with relevance feedback capabilities. It supports browsing, query-by-example, and two different relevance feedback modes that allow users to refine their queries by indicating which images are good or bad at each iteration.     

Content-Based Copy Retrieval Using Distortion-Based Probabilistic Similarity Search

Content-based copy retrieval (CBCR) aims at retrieving in a database all the modified versions or the previous versions of a given candidate object. In this paper, we present a copy-retrieval scheme based on local features that can deal with very large databases both in terms of quality and speed. We first propose a new approximate similarity search technique in which the probabilistic selection of the feature space regions is not based on the distribution in the database but on the distribution of the features distortion. Since our CBCR framework is based on local features, the approximation can be strong and reduce drastically the amount of data to explore. Furthermore, we show how the discrimination of the global retrieval can be enhanced during its post-processing step, by considering only the geometrically consistent matches. This framework is applied to robust video copy retrieval and extensive experiments are presented to study the interactions between the approximate search and the retrieval efficiency. Largest used database contains more than 1 billion local features corresponding to 30000 h of video     

基于内容的图像检索技术综述

随着计算机网络以及多媒体技术的飞速发展,基于文本的传统图像搜索已经不能满足高效准确的要求,所以基于内容的图像检索(Content-Based Image Retrieval,简称CBIR)技术越来越受到用户们的重视。本文对CBIR技术的主要原理与方法进行了分析并对以后的发展趋势进行了展望。     

基于内容的图像检索技术

随着大量数字图像数据库的出现,基于内容的图像检索技术成为研究热点。该文对目前基于内容的图像检索技术的主要原理与方法进行了分析,并对以后的发展趋势进行了展望。     

基于内容的图像检索技术

随着多媒体技术的迅速发展,图像数据库也急剧膨胀起来,如何高效、快速地从图像资源中获取有用的图像成了信息检索技术研究的热点。对近年来基于内容图像检索技术中的特征提取技术进行了详细全面的论述,并指出了下一步的研究方向。     

SVM用于基于内容的自然图像分类和检索

在传统的基于内容图像检索的方法中，由于图像的领域较宽，图像的低级视觉特征和高级概念之间存在着较大的语义间隔，导致检索效果不佳．该文认为更有现实意义的做法是，缩窄图像的领域以减小低级特征和高级概念间的语义间隔，并利用机器学习方法自动建立图像类的模型，从而提供用户概念化的图像查询方式．该文以自然图像领域为例，使用支持向量机(SVM)学习自然图像的类别，学习到的模型用于自然图像分类和检索．实验结果表明作者的方法是可行的．     

基于内容的图像检索方法的探讨

该文在对图像特征分析及相似检索方法研究分析的基础上,提出了一种基于色调局部累加直方图与纹理特征结合的相似性匹配度量算法。该算法不但缩短了查询时间,而且通过实验证明,该算法有较高的检索率。     

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。     

综合颜色和局部空间特征的彩色图像检索方法

针对图像颜色空间的分布特性,提出一种用颜色色调直方图来表达图像的颜色特征;通过HSV颜色空间的三个独立分量表示方法来描述颜色的空间特征,具有旋转、平移、尺度不变特性.实验表明,该方法很好地克服了颜色直方图和颜色矩无法表达图像色彩的空间位置的缺点,显示了组合特征的图像检索特征的有效性和较高的检索准确性.     

综合颜色和局部空间特征的彩色图像检索方法

针对图像颜色空间的分布特性,提出一种用颜色色调直方图来表达图像的颜色特征;通过HSV颜色空间的三个独立分量表示方法来描述颜色的空间特征,具有旋转、平移、尺度不变特性。实验表明,该方法很好地克服了颜色直方图和颜色矩无法表达图像色彩的空间位置的缺点,显示了组合特征的图像检索特征的有效性和较高的检索准确性。     

Content-Based Image Retrieval Using Multiresolution Color and Texture Features

In this paper, we propose a content-based image retrieval method based on an efficient combination of multiresolution color and texture features. As its color features, color autocorrelograms of the hue and saturation component images in HSV color space are used. As its texture features, BDIP and BVLC moments of the value component image are adopted. The color and texture features are extracted in multiresolution wavelet domain and combined. The dimension of the combined feature vector is determined at a point where the retrieval accuracy becomes saturated. Experimental results show that the proposed method yields higher retrieval accuracy than some conventional methods even though its feature vector dimension is not higher than those of the latter for six test DBs. Especially, it demonstrates more excellent retrieval accuracy for queries and target images of various resolutions. In addition, the proposed method almost always shows performance gain in precision versus recall and in ANMRR over the other methods.      

基于内容的情感图像获取模型

随着信息技术的迅猛发展,情感信息处理已成为21世纪人工智能领域所面临的重要挑战之一。其中,情感图像获取的研究属于多学科交叉研究,举文以形容词作为处理对象,借鉴认知心理学、绘画艺术的研究成果,在图像内容的基础上,提出了一种包括公共情感和个性化情感的情感图像获取模型。在该模型中,借鉴心理学中的“维量”思想,建立情感空间;同时,抽取图像的主色调、不变矩、颜色和灰度分布,这些较容易引起情感变化的特征作为图像的视觉特征,建立图像的特征空间;采用支持向量机的方法建立图像的低层特征空间到用户的高层情感空间之间的映射,自动注释用户未曾评估的图像,实现了图像情感注释,在情感空间进行公共情感检索,快速获得用户情感信息,在此基础上,采用可视化交互式遗传算法实现因人而异的个性化情感检索,该模型应用于风景图像的情感检索,取得了较好的实验结果。     

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.     

Approximating Content-Based Object-Level Image Retrieval

Object-level image retrieval is an active area of research. Given an image, a human observer does not see random dots of colors. Rather, he/she observes familiar objects in the image. Therefore, to make image retrieval more user-friendly and more effective and efficient, object-level image retrieval technique is necessary. Unfortunately, images today are mostly represented as 2D arrays of pixels values. The object-level semantics of the images are not captured. Researchers try to overcome this problem by attempting to deduce the object-level semantics through additional information such as the motion vectors in the case of video clips. Some success stories have been reported. However, deducing object-level semantics from still images is still a difficult problem. In this paper, we propose a color-spatial approach to approximate object-level image retrieval. The color and spatial information of the principle components of an object are estimated. The technique involves three steps: the selection of the principle component colors, the analysis of spatial information of the selected colors, and the retrieval process based on the color-spatial information. Two color histograms are used to aid in the process of color selection. After deriving the set of representative colors, spatial knowledge of the selected colors is obtained using a maximum entropy discretization with event covering method. A retrieval process is formulated to make use of the spatial knowledge for retrieving relevant images. A prototype image retrieval tool has been implemented on the Unix system. It is tested on two image database consisting of 260 images and 11,111 images respectively. The results show that the color-spatial approach is able to retrieve similar objects with much better precision than the sole color-based retrieval methods.     

基于内容的交互式感性图象检索

随着信息化社会的到来及信息高速公路计划的实施,人们越来越多地接触到大量的图象信息,因此基于内容的图象检索已经成为当前的一个热门研究课题,并在多媒体数据库、电子图书馆、商标管理、医疗图象管理、公安系统、卫星图象管理等方面得到广泛应用。然而,大多数基于内容的图象检索系统主要是通过图象多维物理特征的相似性匹配来进行查询,而对于用户的爱好、情感等主观或感性化的因素则考虑较少。为了弥补这方面的不足,提出了一种基于内容的交互式感性图象检索方法。该方法采用交互式进化算法,并通过人机交互的方式,来将用户的直觉、情感等感性化的因素融入到进化过程,以便进行图象的交互式在线检索;针对在检索过程中,因进化的时间可能较长和因需要用户确定的适应度值较多而产生的用户疲劳问题,采用神经网络离线学习的方法来减轻用户疲劳,从而实现了根据用户的情感和基于图象内容的图象检索,并取得了较好的实验结果。     

基于内容的图像检索研究

基于内容的图像检索是图像检索中较高层次的检索,文中对CBIR的各种特征提取方法进行了分析比较,最后指出了当前的研究热点和今后的发展方向。     

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。     

图像检索中的关键技术

传统的基于数值／字符的信息检索技术并不能满足海量的图像检索要求，因此，基于内容的图像检索技术（CBIR，content-based Image retrieval）得到了广泛研究，本主要讨论CBIR研究中的一些关键问题：图像的内容特征及其提取，特征之间的相似度计算，查询条件的表达等，最后指出了一些可值得深入研究的方向。     

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。