论文部分内容阅读
摘 要：多媒體信息已经成为人们现代生活中不可或缺的部分，网络技术的介入功能也在不断地发展当中，网络上发布的信息也由单一的文本逐渐发展为由图像、视频、音频组成的综合信息。而且，随着自媒体时代的到来，各种移动终端的普及使得网络信息的增长呈现指数型增长的态势。因此，如何在浩如烟海的数据库里实现对图像的快速、高效的检索已经越来越被人们所关注，也是我们现在需要着重研究的一个课题。
关键词：CBIR;特征提取;相似度匹配;反馈
1.为什么需要基于内容的图像检索？
当前一个时期，伴随着互联网技术的发展和各种数码产品的普及，海量的图像内容涌入我们的生活、工作中，而且这些图像在内容方面缺少相应的索引、目录或摘要，我们要想从手筛选出适合自身需要的图像，不仅工作量大大增加，而且难度也随之提升。此外，之前相对普及的基于文字描述的图像检索，虽然在技术层面相对成熟，但是我们在实施应用中会发现如下弊端：丰富的图像内容很难用文字来全面描述;文字的选取因人而异，带有很大的主观性;耗费大量的人力和时间等。因此，我们得出这样的结论：对于海量的图像，基于人工标注文字的检索已不可能。在这一背景下，基于内容的图像检索也就显得更为有必要了。
基于内容的图像检索在如下几方面优势明显：提供图像的检索功能;不需要人手工标注，计算机自动分析和检索，节省人力和时间;使海量图像的管理和索引成为可能。但是，这一技术在实际应用过程中，也会面临如人类高级语义特征与计算机底层特征表示的矛盾、查询方式问题等一系列亟待完善之处。
2.基于内容的图像检索查询方式和现有系统介绍
就现阶段的查询方式而言，主要包括了如下几个层面：（1）利用采样图像：选择图像数据库中的图像;（2）利用范例图像：来自图像库之外，用户自己提供;（3）利用局部图像：先提取图像区域，再利用该图像区域检索，或利用不同图像的不同区域的拼图;（4）利用绘制图像：用户绘制出来的图作为查询图像，描述用户的检索目标或场景[1]。其中，第四种利用绘制图像，又可以分为：（1）草图：简单的素描，用户期望的目标形状;（2）绘画：用颜色描绘图像区域及区域的空间分布等形式。
基于内容的图像检索的现有系统，大致包括QBIC、Virage、Photobook、VisualSEEK、MARS等，我们在这里主要选取前三种进行简单介绍。
3.特征提取与相似度匹配
这里的特征包括了图像的颜色特征、纹理特征、形状特征以及空间关系特征等多种。
（1）颜色特征
这是一种全局特征，描述了图像或图像区域所对应景物的表面性质。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。
在使用颜色直方图表示时，优缺点相对分明：优点是不受图像旋转和平移变化的影响，归一化可不受图像尺度变化的影响;缺点是没有颜色空间分布的信息[2]。
（2）纹理特征
这也是一种全局特征，描述了图像或图像区域所对应景物的表面性质，但仅仅利用纹理特征是无法获得高层次图像内容，其不像颜色特征基于像素点，纹理需要在包含多 个像素点的区域中进行统计计算。
这一特征具有旋转不变性，并且对于噪声有较强的抵抗能力的优点。同时，缺点也相对突出：当图像的分辨率发生变化，所计算出来的纹理可能会有较大偏差;可能受到光照、反射情况的影响，用于检索时，这些虚假的纹理会造成误导;可用于检索具有粗细、疏密等方面较大差别的纹理图像，但如果纹理之间的粗细、疏密相差不大，则难于应用[3]。
（3）形状特征
这一技术可以有效利用图像中感兴趣的目标来进行检索。缺点主要有：缺乏比较完善的数学模型;如果目标有变形时，检索结果不太可靠;仅仅描述了目标局部的性质，要全面描述目标常常对计算时间和存储量有较高的要求;许多形状特征所反映的目标形状信息与人的直观感觉不完全一致。
（4）不同特征的相对特点
a.颜色vs纹理
颜色特征充分利用了图像的色彩信息，而纹理特征只利用了图像的灰度信息（彩色纹理特征不多见）。
颜色特征侧重于图像整体信息的描述，而纹理特征更偏重于局部[4]。
b.颜色vs形状
颜色特征多具有平移、旋转和尺度不变性，而不少形状特征（如边缘方向）只具有平移不变性。
c.纹理vs形状
通常纹理特征比较容易获得，而形状特征的计算常比较复杂。
d.颜色vs形状
颜色特征多具有平移、旋转和尺度不变性，而不少形状特征（如边缘方向）只具有平移不变性。
4.总结
选择合适的图像作为输入是图像检索面临的重要问题。首先，用户在检索所需要的图像时，如何拥有与所需图像相关的图像;其次，在检索图像时，用户关心的往往是图像中的目标对象，如何确定该目标对象成为关键;最后，从不同角度、不同拍摄条件下拍摄目标对象，所得图像的特征有较大差异，如何克服这些差异也是一大难题。
参考文献
[1] 章毓晋. 基于内容的视觉信息检索. 北京：科学出版社，2003.
[2] R Datta，D Joshi，J Li，J Z Wang. Image retrieval;ideas，influences，and trends of the new age[J] .ACM Computing Surveys，2008.
[3] W Huang，Y Gao，K L Chan. A review of region-based image retrieval[J].Journal of Signal Processing Systems，2010.
[4] JCao，D Mao，Q Cai，H Li，J Du：A review of object representation based on local features [J].Journal of Zhejiang University SCIENCEC，2013
关键词：CBIR;特征提取;相似度匹配;反馈
1.为什么需要基于内容的图像检索？
当前一个时期，伴随着互联网技术的发展和各种数码产品的普及，海量的图像内容涌入我们的生活、工作中，而且这些图像在内容方面缺少相应的索引、目录或摘要，我们要想从手筛选出适合自身需要的图像，不仅工作量大大增加，而且难度也随之提升。此外，之前相对普及的基于文字描述的图像检索，虽然在技术层面相对成熟，但是我们在实施应用中会发现如下弊端：丰富的图像内容很难用文字来全面描述;文字的选取因人而异，带有很大的主观性;耗费大量的人力和时间等。因此，我们得出这样的结论：对于海量的图像，基于人工标注文字的检索已不可能。在这一背景下，基于内容的图像检索也就显得更为有必要了。
基于内容的图像检索在如下几方面优势明显：提供图像的检索功能;不需要人手工标注，计算机自动分析和检索，节省人力和时间;使海量图像的管理和索引成为可能。但是，这一技术在实际应用过程中，也会面临如人类高级语义特征与计算机底层特征表示的矛盾、查询方式问题等一系列亟待完善之处。
2.基于内容的图像检索查询方式和现有系统介绍
就现阶段的查询方式而言，主要包括了如下几个层面：（1）利用采样图像：选择图像数据库中的图像;（2）利用范例图像：来自图像库之外，用户自己提供;（3）利用局部图像：先提取图像区域，再利用该图像区域检索，或利用不同图像的不同区域的拼图;（4）利用绘制图像：用户绘制出来的图作为查询图像，描述用户的检索目标或场景[1]。其中，第四种利用绘制图像，又可以分为：（1）草图：简单的素描，用户期望的目标形状;（2）绘画：用颜色描绘图像区域及区域的空间分布等形式。
基于内容的图像检索的现有系统，大致包括QBIC、Virage、Photobook、VisualSEEK、MARS等，我们在这里主要选取前三种进行简单介绍。
3.特征提取与相似度匹配
这里的特征包括了图像的颜色特征、纹理特征、形状特征以及空间关系特征等多种。
（1）颜色特征
这是一种全局特征，描述了图像或图像区域所对应景物的表面性质。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。
在使用颜色直方图表示时，优缺点相对分明：优点是不受图像旋转和平移变化的影响，归一化可不受图像尺度变化的影响;缺点是没有颜色空间分布的信息[2]。
（2）纹理特征
这也是一种全局特征，描述了图像或图像区域所对应景物的表面性质，但仅仅利用纹理特征是无法获得高层次图像内容，其不像颜色特征基于像素点，纹理需要在包含多 个像素点的区域中进行统计计算。
这一特征具有旋转不变性，并且对于噪声有较强的抵抗能力的优点。同时，缺点也相对突出：当图像的分辨率发生变化，所计算出来的纹理可能会有较大偏差;可能受到光照、反射情况的影响，用于检索时，这些虚假的纹理会造成误导;可用于检索具有粗细、疏密等方面较大差别的纹理图像，但如果纹理之间的粗细、疏密相差不大，则难于应用[3]。
（3）形状特征
这一技术可以有效利用图像中感兴趣的目标来进行检索。缺点主要有：缺乏比较完善的数学模型;如果目标有变形时，检索结果不太可靠;仅仅描述了目标局部的性质，要全面描述目标常常对计算时间和存储量有较高的要求;许多形状特征所反映的目标形状信息与人的直观感觉不完全一致。
（4）不同特征的相对特点
a.颜色vs纹理
颜色特征充分利用了图像的色彩信息，而纹理特征只利用了图像的灰度信息（彩色纹理特征不多见）。
颜色特征侧重于图像整体信息的描述，而纹理特征更偏重于局部[4]。
b.颜色vs形状
颜色特征多具有平移、旋转和尺度不变性，而不少形状特征（如边缘方向）只具有平移不变性。
c.纹理vs形状
通常纹理特征比较容易获得，而形状特征的计算常比较复杂。
d.颜色vs形状
颜色特征多具有平移、旋转和尺度不变性，而不少形状特征（如边缘方向）只具有平移不变性。
4.总结
选择合适的图像作为输入是图像检索面临的重要问题。首先，用户在检索所需要的图像时，如何拥有与所需图像相关的图像;其次，在检索图像时，用户关心的往往是图像中的目标对象，如何确定该目标对象成为关键;最后，从不同角度、不同拍摄条件下拍摄目标对象，所得图像的特征有较大差异，如何克服这些差异也是一大难题。
参考文献
[1] 章毓晋. 基于内容的视觉信息检索. 北京：科学出版社，2003.
[2] R Datta，D Joshi，J Li，J Z Wang. Image retrieval;ideas，influences，and trends of the new age[J] .ACM Computing Surveys，2008.
[3] W Huang，Y Gao，K L Chan. A review of region-based image retrieval[J].Journal of Signal Processing Systems，2010.
[4] JCao，D Mao，Q Cai，H Li，J Du：A review of object representation based on local features [J].Journal of Zhejiang University SCIENCEC，2013