基于內容圖像檢索技術

前言

　　伴隨著Internet的高速發(fā)展，圖像信息快速增長，從海量的數字圖像集合中快速提取有價值的知識已成為人們的迫切需求。自20世紀90年代起，基于內容的圖像檢索（content-basedimageretrieval，CBIR）技術應運而生，成為智能信息處理領域的研究熱點?！　鹘y(tǒng)的圖像檢索過程，先通過人工對圖像文字標注，再用關鍵字來檢索圖像，這種依據圖像描述的字符匹配程度提供檢索結果的方法，簡稱“字找圖”，既耗時又主觀多義?；趦热莸膱D像檢索克服“字找圖”方式的不足，直接從待查找的圖像（查找對象）視覺特征出發(fā)，在圖像庫（查找范圍）中找出與之相似的圖像，這種依據視覺相似程度給出圖像檢索結果的方法，簡稱“圖找圖”?；趦热莸膱D像檢索分為三個層次，一是依據提取圖像本身的顏色、形狀、紋理等低層特征進行檢索；二是基于圖像的低層特征，通過識別圖像中的對象類別及對象間的空間拓撲關系進行檢索；三是基于圖像抽象屬性（場景語義、行為語義和情感語義）的推理學習進行檢索。上述三個層次由低到高，與人的認知接近。下一個層次通常包含了比上一個層次更高級的語義，而更高層的語義往往通過較低層的語義推理而獲得。每個層次的檢索算法有別，相鄰層次則須研究其映射關系。由此可見，基于內容的圖像檢索涉及圖像處理、計算機視覺、數據挖掘、機器學習、模式識別、人機交互等諸多領域，極富挑戰(zhàn)性，可應用于社會安全、遙感、醫(yī)學、數字圖書館、建筑、計算機輔助設計、地理信息系統(tǒng)、商標版權管理等諸多領域，應用前景廣闊?！　”緯鴱膶Ｖ涂蒲械慕嵌瘸霭l(fā)，參考了國內外相關文獻，匯聚該領域經典成果與前沿研究，給出了我們在圖像檢索體系與算法上的研究與實例。

內容概要

　　本書從理論方法研究與實現技術角度，總結歸納了基于內容圖像檢索（CBIR）技術的研究與進展，并融入了作者多年來的相關研究與應用成果，系統(tǒng)地介紹了CBIR的主要概念、基本原理、典型方法、實用范例以及新動向。本書共有12章分為五部分：第一部分是概述，分析了CBIR的體系結構、技術現狀和發(fā)展趨勢；第一部分討論圖像特征提取，給出圖像低層特征（顏色、形狀、紋理、空間關系）和圖像高層特征（語義）提取算法，論述了綜合圖像多特征的檢索方法以及三維模型檢索的前沿研究；第三部分是優(yōu)化，論述了特征優(yōu)化與過程優(yōu)化；第四部分給出了相關性評價與量化評價的通用方法；第五部分介紹原型系統(tǒng)與應用實例，介紹了作者設計實現的原型檢索系統(tǒng)與應用實例?！　”緯⒅乩碚摲治雠c算法實踐相結合。體系完善，書中所列算法均已調試通過，配有適量習題，每章均附有參考文獻與小結，便于參考查閱。本書內容詳實。比較實用，可供電子工程、計算機科學與技術、媒體制作和生產、遠程教育和醫(yī)療、公安、遙感等領域的科技工作者參考，亦可作為高校電子工程、計算機及相關專業(yè)研究生教材。

書籍目錄

第1章　基于內容圖像檢索技術概述　　1.1　圖像檢索的發(fā)展　　1.2　基于內容圖像檢索的系統(tǒng)結構　　1.3　基于內容圖像檢索的特點　　1.4　基于內容圖像檢索方法的分類　　　1.4.1　外部圖例查詢　　　1.4.2　內部圖例查詢　　　1.4.3　草圖查詢　　　1.4.4　綜合檢索方法　　1.5　基于內容圖像檢索的應用　　1.6　基于內容圖像檢索的典型系統(tǒng)　　　1.6.1　QBIC　　　1.6.2　Virage　　　　1.6.3　Retrieval　Ware　　　1.6.4　Photobook　　　1.6.5　VisualSEEK和WebSEEK　　　1.6.6　Netra　　　1.6.7　MARS　　1.6.8　SIMPLIcity　　1.6.9　其他系統(tǒng)　參考文獻第2章　基于顏色特征的圖像檢索　2.1　原色系統(tǒng)　2.2　顏色空間的變換　　2.2.1　線性變換顏色空間　　2.2.2　MunselI顏色表系統(tǒng)　　2.2.3　CIE顏色空間　　2.2.4　HSV顏色空間　2.3　顏色量化　　2.3.1　顏色量化的定義　　2.3.2　常用的色彩量化方法　2.4　基本顏色特征的表達及相似性度量　　2.4.1　顏色直方圖　　2.4.2　二值顏色集　　2.4.3　模糊顏色直方圖　　2.4.4　度量方法　2.5　結合顏色與空間信息的圖像檢索方法　　2.5.1　分塊的顏色矩方法　　2.5.2　顏色關聯圖　　2.5.3　顏色一致向量　　2.5.4　空間顏色直方圖　2.6　基于彩色特征點的對象查詢　　2.6.1　圖像預處理　　2.6.2　彩色特征點的選取　　　2.6.3　彩色特征點的表征　　　2.6.4　相似性度量　　　2.6.5　索引和搜索策略　　　2.6.6　實驗結果及分析　　2.7　小結　參考文獻第3章　基于形狀特征的圖像檢索　第4章　基于紋理特征的圖像檢索第5章　基于空間關系的圖像檢索第6章　基于語義的圖像檢索第7章　綜合多特征的圖像檢索第8章　三維模型檢索第9章　圖像檢索中的特征優(yōu)化第10章　圖像檢索中的相關反饋過程優(yōu)化第11章　圖像檢索系統(tǒng)性能評價第12章　基于內容圖像檢索的原型系統(tǒng)及應用實例

章節(jié)摘錄

　　4．基于內容圖像檢索中的相關反饋方法　　1）基于方差分析的相關反饋方法　　基于方差分析的相關反饋方法也是權值調整方法的一種，其基本思想是給那些使正例良好聚類，而使正例和反例區(qū)分開的特征以較高的權重。因此需要分析所有正例在該特征對應的特征軸上的特征分量值的分布情況。方差越大，這組數據就越離散，數據的波動也就越大；方差越小，這組數據就越聚合，數據的波動也就越小。換言之，方差越大，則正例在該特征上的不相似度越大，反之相似程度越大、越能代表用戶的查詢需求，這啟發(fā)我們用方差的倒數來衡量特征權重。實驗結果表明基于方差分析的相關反饋方法具有很高的反饋效率和準確率?！　?）基于貝葉斯理論的相關反饋方法　　基于多元正態(tài)概率型下的最小錯誤率貝葉斯判別函數和決策面理論，通過移動查詢點（見10．1節(jié)），實現了檢索反饋?！　≡拖到y(tǒng)基本實現了高速、有效的檢索圖像，用戶可以選擇不同的相關反饋檢索算法。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    基于內容圖像檢索技術 PDF格式下載

---