基于內(nèi)容圖像檢索技術(shù)

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(shù)字圖像集合中快速提取有價(jià)值的知識(shí)已成為人們的迫切需求。自20世紀(jì)90年代起，基于內(nèi)容的圖像檢索（content-basedimageretrieval，CBIR）技術(shù)應(yīng)運(yùn)而生，成為智能信息處理領(lǐng)域的研究熱點(diǎn)?！　鹘y(tǒng)的圖像檢索過程，先通過人工對(duì)圖像文字標(biāo)注，再用關(guān)鍵字來檢索圖像，這種依據(jù)圖像描述的字符匹配程度提供檢索結(jié)果的方法，簡稱“字找圖”，既耗時(shí)又主觀多義?；趦?nèi)容的圖像檢索克服“字找圖”方式的不足，直接從待查找的圖像（查找對(duì)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(jù)視覺相似程度給出圖像檢索結(jié)果的方法，簡稱“圖找圖”?；趦?nèi)容的圖像檢索分為三個(gè)層次，一是依據(jù)提取圖像本身的顏色、形狀、紋理等低層特征進(jìn)行檢索；二是基于圖像的低層特征，通過識(shí)別圖像中的對(duì)象類別及對(duì)象間的空間拓?fù)潢P(guān)系進(jìn)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(xué)習(xí)進(jìn)行檢索。上述三個(gè)層次由低到高，與人的認(rèn)知接近。下一個(gè)層次通常包含了比上一個(gè)層次更高級(jí)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(gè)層次的檢索算法有別，相鄰層次則須研究其映射關(guān)系。由此可見，基于內(nèi)容的圖像檢索涉及圖像處理、計(jì)算機(jī)視覺、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、模式識(shí)別、人機(jī)交互等諸多領(lǐng)域，極富挑戰(zhàn)性，可應(yīng)用于社會(huì)安全、遙感、醫(yī)學(xué)、數(shù)字圖書館、建筑、計(jì)算機(jī)輔助設(shè)計(jì)、地理信息系統(tǒng)、商標(biāo)版權(quán)管理等諸多領(lǐng)域，應(yīng)用前景廣闊?！　”緯鴱膶Ｖ涂蒲械慕嵌瘸霭l(fā)，參考了國內(nèi)外相關(guān)文獻(xiàn)，匯聚該領(lǐng)域經(jīng)典成果與前沿研究，給出了我們?cè)趫D像檢索體系與算法上的研究與實(shí)例。

內(nèi)容概要

　　本書從理論方法研究與實(shí)現(xiàn)技術(shù)角度，總結(jié)歸納了基于內(nèi)容圖像檢索（CBIR）技術(shù)的研究與進(jìn)展，并融入了作者多年來的相關(guān)研究與應(yīng)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(shí)用范例以及新動(dòng)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(jié)構(gòu)、技術(shù)現(xiàn)狀和發(fā)展趨勢(shì)；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(guān)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(guān)性評(píng)價(jià)與量化評(píng)價(jià)的通用方法；第五部分介紹原型系統(tǒng)與應(yīng)用實(shí)例，介紹了作者設(shè)計(jì)實(shí)現(xiàn)的原型檢索系統(tǒng)與應(yīng)用實(shí)例。　　本書注重理論分析與算法實(shí)踐相結(jié)合。體系完善，書中所列算法均已調(diào)試通過，配有適量習(xí)題，每章均附有參考文獻(xiàn)與小結(jié)，便于參考查閱。本書內(nèi)容詳實(shí)。比較實(shí)用，可供電子工程、計(jì)算機(jī)科學(xué)與技術(shù)、媒體制作和生產(chǎn)、遠(yuǎn)程教育和醫(yī)療、公安、遙感等領(lǐng)域的科技工作者參考，亦可作為高校電子工程、計(jì)算機(jī)及相關(guān)專業(yè)研究生教材。

書籍目錄

第1章　基于內(nèi)容圖像檢索技術(shù)概述　　1.1　圖像檢索的發(fā)展　　1.2　基于內(nèi)容圖像檢索的系統(tǒng)結(jié)構(gòu)　　1.3　基于內(nèi)容圖像檢索的特點(diǎn)　　1.4　基于內(nèi)容圖像檢索方法的分類　　　1.4.1　外部圖例查詢　　　1.4.2　內(nèi)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(nèi)容圖像檢索的應(yīng)用　　1.6　基于內(nèi)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(xiàn)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(dá)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(jié)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(guān)聯(lián)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(diǎn)的對(duì)象查詢　　2.6.1　圖像預(yù)處理　　2.6.2　彩色特征點(diǎn)的選取　　　2.6.3　彩色特征點(diǎn)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(shí)驗(yàn)結(jié)果及分析　　2.7　小結(jié)　參考文獻(xiàn)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(guān)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(guān)反饋過程優(yōu)化第11章　圖像檢索系統(tǒng)性能評(píng)價(jià)第12章　基于內(nèi)容圖像檢索的原型系統(tǒng)及應(yīng)用實(shí)例

章節(jié)摘錄

　　4．基于內(nèi)容圖像檢索中的相關(guān)反饋方法　　1）基于方差分析的相關(guān)反饋方法　　基于方差分析的相關(guān)反饋方法也是權(quán)值調(diào)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(quán)重。因此需要分析所有正例在該特征對(duì)應(yīng)的特征軸上的特征分量值的分布情況。方差越大，這組數(shù)據(jù)就越離散，數(shù)據(jù)的波動(dòng)也就越大；方差越小，這組數(shù)據(jù)就越聚合，數(shù)據(jù)的波動(dòng)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(shù)來衡量特征權(quán)重。實(shí)驗(yàn)結(jié)果表明基于方差分析的相關(guān)反饋方法具有很高的反饋效率和準(zhǔn)確率?！　?）基于貝葉斯理論的相關(guān)反饋方法　　基于多元正態(tài)概率型下的最小錯(cuò)誤率貝葉斯判別函數(shù)和決策面理論，通過移動(dòng)查詢點(diǎn)（見10．1節(jié)），實(shí)現(xiàn)了檢索反饋?！　≡拖到y(tǒng)基本實(shí)現(xiàn)了高速、有效的檢索圖像，用戶可以選擇不同的相關(guān)反饋檢索算法。

圖書封面

圖書標(biāo)簽Tags

無

評(píng)論、評(píng)分、閱讀與下載

---

    基于內(nèi)容圖像檢索技術(shù) PDF格式下載

---