基于內容的圖像檢索基本理論及比較

【摘要】 隨著互聯(lián)網及多媒體技術的高速發(fā)展，傳統(tǒng)的文字搜索漸漸難以滿足用戶獲取信息的需求。本文介紹了幾種基礎的圖像檢索理論，通過一個簡單的多特征加權系統(tǒng)，比較了不同系統(tǒng)的檢索結果?！娟P鍵字】 圖像檢索 CBIR 理論一、引言基于內容的圖像檢索（Content-Based Image Retrieval，簡寫為CBIR）是通過使用圖像自身的視覺內容，比如顏色、紋理、形狀等來檢索相似圖片的"，"Introduction":""，"Columns":"新技術"，"Volume":""，"Content":"

【摘要】 隨著互聯(lián)網及多媒體技術的高速發(fā)展，傳統(tǒng)的文字搜索漸漸難以滿足用戶獲取信息的需求。本文介紹了幾種基礎的圖像檢索理論，通過一個簡單的多特征加權系統(tǒng)，比較了不同系統(tǒng)的檢索結果。

【關鍵字】 圖像檢索 CBIR 理論

一、引言

基于內容的圖像檢索（Content-Based Image Retrieval，簡寫為CBIR）是通過使用圖像自身的視覺內容，比如顏色、紋理、形狀等來檢索相似圖片的一種技術。CBIR的提出改變了一直以來對圖片標注關鍵詞的窘境。無論是人工標注或是采用大數據分析，用關鍵詞代替圖片的過程一定伴隨著信息的大量丟失。CBIR以圖片本身來進行檢索，避免了此種損失，是將來圖片搜索的發(fā)展方向。

二、CBIR技術簡介

一般說來，建立一個CBIR系統(tǒng)分為兩步：第一步，建立數據庫。使用某種方法提取圖像特征，將待檢索圖片集的特征提取出來存在數據庫中。第二步，檢索。當需要檢索時，對檢索圖片提取特征，和數據庫中特征比較。特征相似的圖片視覺上也應當相似。CBIR涉及到的核心技術主要在兩點：特征提取和相似性度量。

2.1特征提取

特征提取是CBIR的基礎。特征要能切實的反應出圖像的性質：特征相似的圖像，人眼看上去也應該覺得相似，較為通用的特征一般有顏色、紋理等。

2.1.1顏色特征

由于顏色往往和圖像中所包含的物體或場景十分相關；且顏色特征提取相對容易，對圖像本身尺寸、方向和視角的依賴性也較小[1]，顏色特征成為了圖像檢索中應用最廣泛的視覺特征。在實際的CBIR系統(tǒng)中，顏色往往被當作主特征使用。

2.1.2紋理特征

紋理是一種不依賴于顏色和亮度的反映圖像同質現(xiàn)象的視覺特征，體現(xiàn)了物體表面共有的內在聯(lián)系；同時，紋理還包含了物體表面組織結構排列的重要信息以及它們與周圍環(huán)境的聯(lián)系。因此，紋理特征在基于內容的圖像檢索中也得到了廣泛的應用。

2.2相似性比較

提取了特征向量之后，就要將檢索圖片和圖片集中圖片的特征向量進行比較，來判定圖像之間的相似性。常用匹配方法有以下幾種[2]。

2.2.1 Minkowsky距離

Minkowsky距離是基于LP范數定義的，其數學描述為：

三、實驗說明

圖像測試集方面，本領域并沒有一個統(tǒng)一的標準。這主要是因為圖像是否相似，本身就有很大的主觀性。另一方面，不同的算法對不同類型的圖片也會有著明顯不同的檢索率。本次測試集共有1000張圖片，文件名從0～999，共分十類，每類圖片為相鄰文件名的100張。測試時，從每類圖像中選擇前三張（文件名為X00，X01，X02）進行檢索，將檢索結果中得分最高的前100張圖片中出現(xiàn)該類別圖片數目作為該張圖片檢索得分。方案的最終得分取30張圖片得分平均值。實驗分別采用了單特征檢索與混合特征檢索。單特征檢索包含了顏色特征的RGB顏色累加直方圖、HSV直方圖、HSV直方圖（空間顏色特征）以及紋理特征的顏色值共生矩陣和Gabor紋理特征。混合特征檢索以上述特征以3，5，5，3，2進行乘法加權進行計算。

四、結論

最終混合特征以微弱優(yōu)勢勝出。單特征檢索中，符合人眼視覺特性的HSV相關特性有著不錯的檢索結果?；旌咸卣髦辛硗鈹捣N輔助特征則幫忙篩選掉了部分HSV相關特征中的錯誤結果，一定程度提升了檢索率。另外，混合結果的高分結果（排序在前）精確度遠超單特征檢索。因此，混合特征更適合實際檢索的需求。

參 考 文 獻

[1] 周明全，耿國華，韋娜.基于內容圖像檢索技術.清華大學出版社.2007.17.

[2] 孫君項，趙珊.圖像低層特征提取與檢索技術.電子工業(yè)出版社.2009.35-37.