- 基于內容的模糊圖像檢索技術(shù)研究 推薦度：
- 相關(guān)推薦
基于內容的圖像檢索研究
摘要：基于內容的圖像檢索是圖像檢索中較高層次的檢索，文中對CBIR的各種特征提取方法進(jìn)行了分析比較，最后指出了當前的研究熱點(diǎn)和今后的發(fā)展方向。
關(guān)鍵詞：CBIR；特征提��；顏色；紋理；形狀
Research of Content-Based Image Retrieval
LI Cong, ZHANG Ming-xin, QIAO Xiao-ni, ZHANG A-hong
(College of Mathematics and Information Science,Northwest Normal University,Lanzhou 730070,China)
Abstract:Content-Based Image Retrieval is the high level of the retrieval.This paper introduce and compare various methods for feature extraction and similarity measurement.In the end,the hot research and future research trends are presented.
Key words: content-based image retrieval,feature extraction,colour features,texture features,shape features
1 前言
據，人類(lèi)接受的外部信息，70%以上來(lái)自視覺(jué)，圖像作為一種內容豐富，表現直觀(guān)的多媒體信息被大量廣泛的使用，如何有效的、檢索圖像信息成為迫切需要解決的問(wèn)題。傳統的基于文本的檢索無(wú)法滿(mǎn)足海量下多媒體信息庫的檢索要求。為了克服基于文本方法的局限性，出現了基于內容的圖像檢索。
2 特征檢索技術(shù)
在基于內容的圖像檢索中，特征提取是很關(guān)鍵的步驟，所提取的特征直接影響后續的圖像相似性匹配過(guò)程、檢索有效性等。
2.1 顏色特征檢索
顏色特征檢索是當前絕大多數基于內容的圖像和視頻檢索的多媒體數據庫中使用的特征之一�；陬伾卣鳈z索主要采用的方法有：顏色直方圖、顏色相關(guān)圖、顏色矩等。
2.1.1 顏色直方圖
顏色直方圖法[1]的具體做法是，在確定顏色空間的基礎上，計算每種顏色的像素個(gè)數，并構造直方圖，最后把直方圖作為圖像的顏色特征進(jìn)行圖像檢索。特征的相似性度量是通過(guò)對直方圖之間的距離的設定，當它們的距離小于給定的閾值時(shí)，即認為符合檢索結果。其改進(jìn)方法有Stricker和dimai于1996年提出的基于顏色空間的固定劃分方法，既先將圖像分割為適當的分塊，然后用分塊的顏色直方圖和分塊的顏色矩為每個(gè)分塊提取響應的局部顏色特征，從而提高圖像檢索的準確性。文獻[2] 采納Gaussian向量量化技術(shù)提出顏色直方圖，文獻[3] 采用距離角度直方圖方法，統計每一種顏色在特定距離和角度內的顏色直方圖，文獻[4]提出了一種基于位平面直方圖的檢索方法，文獻[5]研究了不同顏色視覺(jué)感知強度間的差異，通過(guò)構建顏色主觀(guān)信息量函數，實(shí)現對這種差異的量化描述。在此基礎上構建了符合視覺(jué)感知特性的顏色直方圖。
2.1.2 顏色相關(guān)圖
顏色相關(guān)圖[6]color correlogram)是圖像顏色分布的另一種表達方式。這種特征不但刻畫(huà)了某一種顏色的像素數量占整個(gè)圖像的比例,還反映了不同顏色對之間的空間相關(guān)性。顏色相關(guān)圖的圖像檢索效果很好,但是它的缺點(diǎn)就是計算量很大。
2.1.3 顏色矩
顏色矩[7] （color moments）由Stricker 和Orengo所提出。這種方法的基礎在于圖像中任何的顏色分布均可以用它的矩來(lái)表示。此外，由于顏色分布信息主要集中在低階矩中，因此僅采用顏色的一階矩（mean）、二階矩（variance）和三階矩（skewness）就足以表達圖像的顏色分布。與顏色直方圖相比，該方法的好處在于無(wú)需對特征進(jìn)行向量化。
2.2 紋理特征檢索
一般將圖像在局部區域內呈現不規則性,而在整體上表現出某種規律性的特性稱(chēng)為紋理。紋理特征通常被看作圖像的某種局部特征，它不僅反映圖像的灰度統計信息，而且反映圖像的空間分布信息和結構信息。
基于內容的圖像檢索中常用的紋理特征提取算法,主要有灰度共生矩陣、Tamura紋理特征、小波變換等。
2.3 形狀特征檢索
形狀是圖像的可視內容的一個(gè)重要特征。對于形狀匹配來(lái)說(shuō),Hough變換是最經(jīng)典的方法。常用的形狀匹配方法還有歐氏距離、馬氏距離，幾何參數法，小波重要系數法。在眾多形狀匹配算法中，Barrow等人提出的Chamfer比較法吸引了不少研究者的興趣，該方法能夠以線(xiàn)性的時(shí)間復雜度比較兩個(gè)圖像的形狀塊集合。在形狀描述方面,主要包括邊界特征法、傅立葉形狀描述符法(Fourier shape descriptors)、幾何參數法、形狀不變矩法、有限元方法(Finite Element Method,FEM)、小波描述子法等。
2.4 圖像內容的空間關(guān)系
上述的顏色、紋理和形狀等多種特征反映的都是圖像的整體特征，而無(wú)法體現圖像中所包含的對象或物體。事實(shí)上，圖像中對象所在的位置和對象之間的空間關(guān)系同樣是圖像檢索中非常重要的特征。
在基于空間關(guān)系的圖像檢索方面國內外學(xué)者做了大量的研究，如文獻[8]提出的基于空間關(guān)系的圖像檢索，該方法對一幅圖像從幾個(gè)方向的投影作為這幅圖像的顏色特征分布，并對圖像做小波分解來(lái)減少檢索時(shí)運算的數據量，然后對分解后圖像的低頻子帶做Radon變換得到顏色空間分布的特征向量，并根據這個(gè)特征進(jìn)行檢索。文獻[9]中提出一種改進(jìn)的
基于模糊量化的顏色量化方法并在此基礎上提出了一種基于顏色-空間特征的檢索方法。文獻[10]中提出一種通過(guò)提取顏色特征、灰度特征，獲取圖像物體的形狀和空間特征，綜合檢索圖像的方法，檢索結果不受圖像大小、旋轉和輕微的光照變化的影響，相對于傳統的顏色直方圖法，這種方法能明顯改善檢索效果。
3 目前的研究的熱點(diǎn)領(lǐng)域
3.1 Mpeg-7在基于內容的圖像檢索中的應用
MPEG-7標準在一個(gè)穩定的底層架構上為用戶(hù)提供了較大的靈活性。這一標準的發(fā)布，對圖像低層特征的提取和描述將更具規范性，結合MPEG-7標準的圖像檢索可在特征及其提取、查詢(xún)接口、檢索引擎、索引等方面進(jìn)一步深入研究。MPEG-7多媒體內容描述標準的制定將極大的促進(jìn)CBIR的廣泛應用。目前基于MPEG-7的圖像檢索的研究主要集中在模型的研究。如文獻[11]文獻[12]的基于MPEG-7標準的圖像檢索系統的抽象模型。
3.2 圖像數據庫技術(shù)
由于基于內容的圖像檢索需要將圖像的顏色、文理和形狀等作為索引，用戶(hù)通過(guò)選擇具有代表性的一幅或多幅例子圖像來(lái)構造圖像，因此關(guān)系數據庫在基于內容的圖像檢索中面臨著(zhù)諸多問(wèn)題，基于內容的圖像數據庫的研究變的由為重要。面向對象數據庫所支持的多媒體的各種結構和類(lèi)型數據能較好的解決目前所面臨的問(wèn)題。文獻[13]中提出基于內容圖像數據庫的結構并構造了一個(gè)按內容檢索的面向對象數據模型。
3.3 基于內容的圖像檢索的性能評價(jià)的度量方法的研究
對于性能評價(jià)的度量方法，目前采用最多的方法還是傳統的信息檢索領(lǐng)域中普遍采用的查準率和查全率，但查全率和查準率的局限性在于沒(méi)有考慮檢索結果中相似圖像所處的位置。研究者們還用以下幾種度量方法來(lái)評價(jià)圖像檢索的性能：1)3點(diǎn)平均植：查全率為0.2,0.5,0.8處查準率的平均植[14]。2)11點(diǎn)平均植：在11個(gè)查準率點(diǎn)處查準率的平均植。3)當準確率下降到0.5時(shí)的查全率[14] (4)Berman和Shapiro通過(guò)判斷相關(guān)圖像出現在返回的前50幅和前500幅圖像中的比例來(lái)評判檢索性能[15]。5)Hwang et al 所使用的錯誤率的方法，即檢測出的不相關(guān)的圖像和圖像總數的比值來(lái)判斷檢索性能[15]。
4 結束語(yǔ)
自20世紀90年代以來(lái)，隨著(zhù)互聯(lián)網(wǎng)的高速發(fā)展、數字圖像的廣泛應用，使得如何有效組織、和檢索大規模的圖像數據成為亟待解決的問(wèn)題，因此，CBIR技術(shù)成為一個(gè)研究熱點(diǎn)，目前，世界各國的相關(guān)研究人員沿著(zhù)基于內容的圖像檢索研究方向也已成功的開(kāi)發(fā)出許多帶有商業(yè)性質(zhì)或者研究性質(zhì)的CBIR系統，但是，在這個(gè)領(lǐng)域目前還有很多值得深入研究的課題。正如John Eakins博士所言：基于內容檢索的圖像分析與檢索技術(shù)的研究不會(huì )是曇花一現，它不像某些過(guò)分熱情洋溢的學(xué)者所期望的那么有效，它也不像某些批評者所想的那么糟糕，它會(huì )繼續得到
發(fā)展和改進(jìn)。
參考文獻：
[1] MichaelSwain,DanaBallard.Colorindexing[J].International Journal of Computer Vision,1991.
[2] Jeong S,Won C S,Gray R M.Image retrieval using color histograms generated by Gauss mixture vector quantization[J].Computer Vision and Image Understanding,2004,9(1-3):44-46.
[3] Ediz Saykol,Ugur Gudukbay,Ozgur Ulusoy.A histogram-based approach for object-based query-by-shape-and-color in image and video databases[J].Image and Vision Computing,2005(23),1170-1180.
[4] 王向陽(yáng),胡峰麗.基于位平面顏色直方圖的圖象檢索新方法[J].小型微型系統,2007(4).
[5] 胡珊,郭雷,沈云濤.基于視覺(jué)感知特性的顏色直方圖[J].,2006(12).
[6] Mao A K Jain.Textureclassification and segmentation using multiresolution simultaneous autoregressive models[J].Pattern Recognition,1992,25(2):173-188.
[7] Markus Stricker,Markus Orengo.Similarity of color images[C]//Proc SPIE Storage and Retrieval for Image and Video Databases,1995.
[8] 牛蕾,倪林,苗原.基于顏色空間分布特征的圖像檢索[J].算機工程與應用,2005(4).
[9] 方俊, 郭雷, 汪子強.一種改進(jìn)的基于顏色-空間特征的圖像檢索方法[J].計算機工程與應用,2005(25).
[10] 錢(qián)瑛,須文波.基于顏色空間特征的圖像檢索[J].江南大學(xué)學(xué)報:自然科學(xué)版,2007,6(2).
[11] 李嵐,馮剛.MPEG-7與基于內容的圖像檢索算機工程與應用[J].算機工程與應用,2002(17).
[12] 陳慧.基于內容的圖像檢索與MPEG-7[J].福建電腦,2007(12).
[13] 孟倩.基于內容查詢(xún)的圖像數據庫模型[J].計算機應用與軟件,2007(1).
[14] 韋娜.基于內容的圖像檢索系統性能評價(jià)[J].中國圖象圖形學(xué)報,2004,9(11).
[15] Henning Mǖller.Pattern Recognition Letters[J].2001,22(5):593-601.
【基于內容的圖像檢索研究】相關(guān)文章：
基于內容的模糊圖像檢索技術(shù)研究03-18
基于個(gè)性化的檔案檢索方式研究12-02
基于分形維數的圖像分類(lèi)研究03-07
基于醫學(xué)ＣＴ圖像的三維重建研究03-02
基于嵌入式思想的小波圖像壓縮研究03-20
基于BP算法紅外遙感圖像去條帶方法研究03-07