几种基于内容的图像检索的方法

基于内容的图像检索（CBIR）技术依赖于对图像特征（例如颜色直方图、纹理、草图、形状等）的提取，相对于传统的基于文本的图像检索方式，这种方式提高了检索效率和检索的准确率。文中主要介绍了基于颜色和基于纹理特征这两种特征提取方法。这两种方法既能够反映全局特征，又能够兼顾所感兴趣区域的局部特征，是基于内容的图像检索的两种非常有效的方法。     

基于内容的图像检索的相似度测量方法

图像特征匹配是基于内容的图像检索（Content based image retrieval,CBIR） 实现的一个关键环节,而图像特征的匹配主要依赖于图像特征之间的相似度测量。为了提高CBIR的检索性能,本文提出了一种有效的相似度测量方法——基于图像k近邻的相似度测量（Similarity measure based on k-nearest neighbors of images, SBkNN）方法。在该方法中,查询图像与被检索图像的相似度通过计算这两幅图像属于同一语义（无论是哪种语义）种类的联合概率来衡量,而此概率可分别通过分析这两幅图像与各自近邻图像的距离得到。最后利用Corel5k数据集对本文所提出的SBkNN方法和传统的相似度测量方法进行了对比。实验结果表明,在CBIR中使用本文提出的SBkNN方法,有效地提高了CBIR的检索性能。     

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技术

综述了基于内容的图像检索（CBIR）技术。分别介绍了在象素域和压缩域CBIR的基本方法及已取得的成果,并对其进行了分析和比较,最后提出今后一些主要研究方向。     

结合改进CNN和双线性模型的CBIR方法

针对现有基于内容的图像检索（Content-Based Image Retrieval,CBIR）方法中图像特征维度较大等问题,提出一种结合改进卷积神经网络（Convolutional Neural Network,CNN）和双线性模型的CBIR方法。采用一种低维度池化方法代替传统CNN中的池化过程,以此降低图像特征映射的维度。基于双线性模型的思想,使用两个特征提取器进行特征提取,并在每个图像位置上对两个特征进行内积,以形成最终的图像描述符。通过计算图像间的曼哈顿距离度量来评估相似性,获得相关图像及其排序。实验结果表明,该方法能够准确检索出相关图像,并具有较低的检索时间和内存消耗。     

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关键技术的改进策略

随着随着多媒体技术和计算机网络的飞速发展,基于内容的图像检索（CBIR）技术成为一个研究热点。文中介绍了CBIR的系统构成和关键技术,对CBIR的各种特征提取方法进行了综合分析、比较,指出了目前研究存在的问题,提出了改进和提高CBIR性能的方法,指明了今后的研究方向。     

基于内容的图像检索技术在手机外形特征检索系统中的应用研究

基于内容的图像检索CBIR（Content Based Image Retrieval）是图像分析的一个重要研究领域,也是目前搜索引擎技术的难点。阐述一种基于颜色、形状、轮廓等多种特征的图像检索方法,并利用颜色直方图的颜色特征提取,Canny算法的图像边缘检测,以及感染模型方法的手机屏幕图像检测,实现了对手机图片图像检索的功能。经过对该功能的初步实验基本验证了所提出方法的有效性及合理性。     

有关内容图像搜索引擎技术的探索与实践

基于内容的图像检索（CBIR）是图像分析的一个的重要研究领域,也是目前搜索引擎技术的难点。文章阐述了一种基于颜色、形状、轮廓等多种特征的图像检索方法,并利用颜色直方图的颜色特征提取、Canny算法的图像边缘检测以及感染模型方法的手机屏幕图像检测,实现了对手机图片图像检索的功能。经过对该功能的探索与实践基本验证了所提出方法的有效性及合理性。     

几种基于内容的图像检索的方法

基于内容的图像检索(CBIR)技术依赖于对图像特征(例如颜色直方图、纹理、草图、形状等)的提取,相对于传统的基于文本的图像检索方式,这种方式提高了检索效率和检索的准确率。文中主要介绍了基于颜色和基于纹理特征这两种特征提取方法。这两种方法既能够反映全局特征,又能够兼顾所感兴趣区域的局部特征,是基于内容的图像检索的两种非常有效的方法。     

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。     

基于移动Agent和最优搜索理论的CBIR系统

传统的基于关键字的图像检索已经不能满足用户的需求,基于内容的图像检索（CBIR）近年来成为研究热点。由于CBIR搜索速度较慢,用户在有限的搜索时间内不可能搜索所有的图像站点。本文提出一种最优的搜索资源分配方案,使得用户在有限的搜索时间内能获取最好的搜索结果。重点讨论了基于移动Agent的搜索引擎模型、最优搜索理论和搜索资源的最优分配。     

CBIR关键技术研究*

从图像特征提取和图像特征匹配两个关键环节对目前的CBIR技术进行了细致的阐述,分析和比较了不同方法的原理及优缺点;分类研究了压缩域的图像检索技术;指出了CBIR的一些研究热点及发展方向。     

基于主色匹配的图像检索系统

基于内容的图像检索CBIR（Content Based Image Retrieval)是多媒体信息管理系统的重要组成部分,在简要介绍CBIR技术的基础上,提供了CBIR系统的结构模型,新的图像内容的特征提取的方法和基于该特征的图像匹配方法--基于主色的图像特征提取（DCE,Dominant Color Extracting)和匹配方法（DCM,Dominant Color Matching),并在此基础上设计实现了WWW发布方式的SPRING实验系统,取得了理想的实验结果。     

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.     

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.     

PACS中基于图像内容的检索

基于图像内容的检索（content based image retrieval,CBIR）改进了传统的基于PACS系统中有着广阔的应用需求.对CBIR算法进行分析,并给出常用的易于实现的6种算法实现方式.最后通过具体的试验数据对各算法进行查询时间和效率的分析,得出对称相互熵这种检索方式在实际中可以达到较好的效果.     

图像检索中的相似性判别及索引方法综述

基于内容的图像检索(CBIR)是对传统信息检索领域的扩展.它采用图像视觉内容的相似性判别进行查询.CBIR涉及到很多科学领域的课题.本文则仅主要综述CBIR技术中的相似性度量方法,索引方式,以及检索性能的评价.最后,分析了该领域现存的问题、最新研究动态及发展方向.