基于內(nèi)容的圖像檢索系統(tǒng)的設(shè)計與實現(xiàn)文獻(xiàn)綜述

《基于內(nèi)容的圖像檢索系統(tǒng)的設(shè)計與實現(xiàn)文獻(xiàn)綜述》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、文獻(xiàn)綜述基于內(nèi)容的圖像檢索系統(tǒng)的設(shè)計與實現(xiàn)一、前言部分隨著多媒體技術(shù)和Internet網(wǎng)絡(luò)的迅速的發(fā)展,數(shù)字圖像的容量正以驚人的速度增長.無論是軍用還是民用,無論是靜態(tài)的還是動態(tài)的,每天都會產(chǎn)生海量的圖像信息.近年來大規(guī)模圖像庫的出現(xiàn),管理、組織和利用圖像成為一項亟待解決的技術(shù)難題.于是圖像檢索技術(shù)這種能夠快速而且準(zhǔn)確查找訪問圖像的技術(shù)應(yīng)運而生.基于內(nèi)容的圖像檢索(Content-BasedImageRetrieval,簡寫為CBIR)[1]是20世紀(jì)90年代興起的新技術(shù),其實質(zhì)是圖像特征相似性匹配檢索.因其直觀(示例描述)、高效(相似性匹配檢索)、通用

2、(與領(lǐng)域知識無關(guān))等特點[2,3],近年來在國際國內(nèi)均是一個熱門研究課題.二、主題部分2.1圖像檢索技術(shù)的產(chǎn)生和發(fā)展2.1.1圖像檢索技術(shù)發(fā)展到現(xiàn)在大致經(jīng)歷了兩個階段基于:文本的檢索和基于內(nèi)容的檢索.早期的圖像檢索是基于文本注釋的(Text．BasedImageRetrieval),該方法的實質(zhì)是把圖像檢索轉(zhuǎn)換為與該圖像對應(yīng)的文本檢索.基于內(nèi)容的圖像檢索即CBIR),即對圖像的視覺內(nèi)容,如圖像的顏色、紋理、形狀等進行分析和檢索[4,5].2.1.2基于內(nèi)容的圖像檢索系統(tǒng)的體系結(jié)構(gòu)如圖1所示圖1.圖像檢索體系結(jié)構(gòu)圖2.2基于內(nèi)容的圖像檢索2.2.1圖像內(nèi)容

3、特征和表達(dá)7基于圖像內(nèi)容的檢索技術(shù)主要依據(jù)圖像的顏色、紋理、形狀特征以及圖像中子圖像(對象)的特征進行檢索.常見的檢索內(nèi)容主要包括:(1)顏色:圖像顏色分布、相互關(guān)系、組成等:(2)紋理:圖像的紋理結(jié)構(gòu)、方向、組合及對稱關(guān)系等:(3)形狀:圖像輪廓組成、形狀、大小等:(4)對象:圖像中子對象的關(guān)系、數(shù)量、屬性、旋轉(zhuǎn)等.(一)顏色顏色是圖像檢索中最先被采用的特征,通常采用RGB三色表示.為使表示法更符合人眼視覺特性,比較時一般要把RGB空間轉(zhuǎn)換成其他顏色空間.Munsell,HIS,HSV,HSB都是面向視覺感知的顏色模型.顏色特征的表達(dá)主要有統(tǒng)計直方圖、

4、累積直方圖和顏色布局3種[6,7,8].其中,MPEG-7在統(tǒng)計直方圖中推薦了可伸縮顏色和幀組/圖組顏色兩種描述符,在顏色布局中推薦了顏色布局描述符.簡單直方圖匹配算法主要有顏色直方圖、顏色一致性矢量、顏色有關(guān)圖、顏色矩等.顏色直方圖的比較是最基本的方法,但缺乏圖像的空間信息:顏色一致性矢量方法不僅統(tǒng)計了整幅圖像中各顏色的像素值,還統(tǒng)計了圖像中各顏色最大區(qū)域的像素值,效果較好,但它并沒有強調(diào)各顏色最大區(qū)域的形狀以及與背景的關(guān)系:顏色有關(guān)圖法強調(diào)同一顏色在圖像中的空間距離有關(guān)性,其檢索效果比上述幾個方法都要好,但計算量比較大；顏色矩算法主要是采用圖像中各顏

5、色的均值和方差做比較,處理簡單,可作為圖像檢索的初檢,為下一步的細(xì)檢縮小搜索范圍.顏色特征在圖像檢索中占有重要位置,但其固有的光照敏感性也限制了其使用范圍.(二)紋理紋理是圖像的又一重要特征,雖然尚無精確的定義,但卻受到廣泛研究!一般認(rèn)為紋理就是紋理元素有規(guī)律的排列組合,而把具有重復(fù)性、形狀簡單、強度一致的區(qū)域看作紋理元素.視覺紋理特性主要有:粗糙度、對比度、方向度、線象度、規(guī)整度、粗略度等[9,10,11,12],MPEG7中推薦了3種紋理描述符,分別是邊緣直方圖、同質(zhì)描述符和紋理瀏覽描述符。紋理描述的難點就在于它與物體的形狀間存在密切的關(guān)系,干變?nèi)f化

6、的物體形狀與嵌套式分布使紋理的分類變得十分困難.紋理特征對模式識別和計算機視覺等領(lǐng)域都具有重要的意義。7O年代初期,Haralick等人提出了紋理特征的共生矩陣(cooccurrencematrix)表示,從數(shù)學(xué)角度研究了圖像紋理中灰度級的空間依賴關(guān)系。Tamura等人從紋理的視覺感知心理學(xué)角度,提出了紋理特征的表達(dá),表示的所有紋理性質(zhì)都具有直觀的視覺意義.近2O年中,有大量的研究集中在應(yīng)用隨機場模型表達(dá)紋理特征,Markov隨機場(MRF)模型取得了很大成功,其典型的應(yīng)用是自回歸紋理模型(simultaneousautodreeressife,或SAR

7、),還有一種常用的紋理分析和分類方法是小波變換(wafelettransform),小波變換表示的紋理特征,可以用每個波段的每個分解層次上能量分布的均值和標(biāo)準(zhǔn)方差。Gabor7過濾法能夠最大程度地減少空間和頻率的不確定性,同時還能夠檢測出國像中不同方向和角度的邊緣和線條由于紋理描述比較困難,一般對紋理的檢索都采用示例查詢(queryByhiample)方式.用戶給出示例的全部或部分區(qū)域特征,從而找到類似圖像.(一)形狀形狀是物體的一個重要特征.但由于物體形狀的自動獲取有一定難度,基于形狀的檢索一般僅限于非常容易識別的物體形狀可用面積、離心率、圓形度、形狀

8、矩、曲率、分形維等全局和局部特征來表示[13,14]。一般來說,形狀特征有兩種表