CBIR--图像检索
fire_woods
老啦
展开
-
基于内容的图像检索技术
近年来,随着多媒体技术和计算机网络的飞速发展,全世界的数字图像的容量正以惊人的速度增长。无论是军用还是民用设备,每天都会产生容量相当于数千兆字节的图像。这些数字图像中包含了大量有用的信息。然而,由于这些图像是无序地分布在世界各地,图像中包含的信息无法被有效地访问和利用。这就要求有一种能够快速而且准确地查找访问图像的技术,也就是所谓的图像检索技术。自从20世纪70年代以来,在数据库系统和计算机视觉两转载 2007-07-24 17:24:00 · 4719 阅读 · 1 评论 -
基于图像子块的方法
为了避免准确的图像自动分割的困难,同时又要提供一些有关图像区域空间关系的基本信息,一种折衷的方法是将图像预先等分成若干子块(可能是重叠的),然后分别提取每个子块的各种特征。在检索中,我们首先根据特征计算图像的相应子块之间的相似度,然后通过加权计算总的相似度。类似的方法还有四叉树方法,即将整个图看成四叉树的结构,每一个分支都拥有的直方图来描述颜色特征。此方法可以支持对象空间关系的检索方法,例如“找出转载 2007-08-17 11:00:00 · 1502 阅读 · 0 评论 -
图像的空间关系特征
上述的颜色、纹理和形状等多种特征反映的都是图像的整体特征,而无法体现图像中所包含的对象或物体。事实上,图像中对象所在的位置和对象之间的空间关系同样是图像检索中非常重要的特征。打个比方,蓝色的天空和蔚蓝的海洋的在颜色直方图上是非常接近而难以辨别。但如果我们指明是“处于图像上半部分的蓝色区域”,则一般来说就可以区分天空和海洋。由此可见,包含空间关系的图像特征对检索有很大帮助。空间关系特征可以分为两类:转载 2007-08-14 13:43:00 · 7051 阅读 · 1 评论 -
基于图像分割的方法
这类方法中的图像空间关系特征主要包括二维符号串,空间四叉树和符号图像。匹兹堡大学的Chang提出了用二维符号串(2D-String)[43]的方法,其基本思想是将图像沿x轴和y轴方向进行投影,然后按2D子串匹配进行图像空间关系的检索。该方法比较简单,但缺点在于仅利用对象质心不足以表达对象的空间位置关系,而且描述的空间关系太简单,实际的空间关系要复杂得多。符号图像[44](symbolic转载 2007-08-15 13:14:00 · 2366 阅读 · 1 评论 -
形状特征的提取
物体和区域的形状是图像表达和图像检索中的另一重要的特征。但不同于颜色或纹理等底层特征,形状特征的表达必须以对图像中物体或区域的划分为基础。由于当前的技术无法做到准确而鲁棒的自动图像分割,图像检索中的形状特征只能用于某些特殊应用,在这些应用中图像包含的物体或区域可以直接获得。另一方面,由于人们对物体形状的变换、旋转和缩放主观上不太敏感,合适的形状特征必须满足对变换、旋转和缩放无关,这对形状相似度的计转载 2007-08-13 11:22:00 · 13854 阅读 · 2 评论 -
其它纹理特征
除了上述的Tamura特征、SAR模型和小波变换等纹理特征之外,还有许多其它的纹理特征。早在70年代,Haralick等研究人员就提出了用共生矩阵(co-occurrence matrix)表示纹理特征的方法[13]。该方法对从数学角度研究了图像纹理中灰度级的空间依赖关系。它首先建立一个基于象素之间方向性和距离的共生矩阵,然后从矩阵中提取有意义的统计量作为纹理特征。许多其他研究人员沿着这个方向提出转载 2007-08-10 10:22:00 · 2637 阅读 · 0 评论 -
小波变换
二维小波变换的计算需要进行递归地过滤和采样。在每个层次上,二维的信号被分解为四个子波段,根据频率特征分别称为LL、LH、HL和HH。有两种类型的小波变换可以用于纹理分析,其中是金字塔结构的小波变换(pyramid-structured wavelet transform 或PWT)和树桩结构的小波变换(tree-structured wavelet transform或TWT)。PWT 递归地分解转载 2007-08-08 11:23:00 · 2989 阅读 · 0 评论 -
自回归纹理模型
最近二十年中有大量的研究集中在应用随机场模型表达纹理特征,这方面Markov随机场(MRF)模型取得了很大的成功。自回归纹理模型(simultaneous auto-regressive,或SAR)就是MRF模型的一种应用实例。在SAR模型中,每个像素的强度被描述成随机变量,可以通过与其相邻的像素来描述。如果s代表某个像素,则其强度值g(s)可以表达为它的相邻像素强度值的线性叠加与噪音项ε (s)转载 2007-08-07 16:09:00 · 4890 阅读 · 1 评论 -
Tamura纹理特征
基于人类对纹理的视觉感知的心理学的研究,Tamura等人提出了纹理特征的表达[14]。Tamura纹理特征的六个分量对应于心理学角度上纹理特征的六种属性,分别是粗糙度(coarseness)、对比度(contrast)、方向度(directionality)、 线像度(linelikeness)、规整度(regularity)和粗略度(roughness)。其中,前三个分量对于图像检索尤其重要[e转载 2007-08-03 14:38:00 · 16729 阅读 · 3 评论 -
纹理特征的提取
纹理特征是一种不依赖于颜色或亮度的反映图像中同质现象的视觉特征[12]。它是所有物体表面共有的内在特性,例如云彩、树木、砖、织物等都有各自的纹理特征。纹理特征包含了物体表面结构组织排列的重要信息以及它们与周围环境的联系[13]。正因为如此,纹理特征在基于内容的图像检索中得到了广泛的应用,用户可以通过提交包含有某种纹理的图像来查找含有相似纹理的其他图像。由于纹理特征对模式识别和计算机视觉等领域的重要转载 2007-08-02 11:28:00 · 5352 阅读 · 0 评论 -
人脸识别搜索将给我们带来什么
昨天,《新京报》的人物版用了整整三个版的篇幅介绍了不是明星胜似明星的Paris.Hilton,标题好像是“从大欲女到大狱女”。也许是我太孤陋寡闻,在此之前从来没有听说这么号人物,便随口问了问在旁边看书的爱人。娱乐通的爱人立马告诉了很多Paris.Hilton的奇闻轶事。乖乖,原来这位现在可谓红得发紫、紫得发黑。 厮混在IT业,养成了搜索的良好的习惯。既然是女明星,我的一向习惯是先搜照片看看。转载 2007-08-01 10:19:00 · 1149 阅读 · 0 评论 -
颜色相关图
颜色相关图(color correlogram)是图像颜色分布的另一种表达方式[16]。这种特征不但刻画了某一种颜色的像素数量占整个图像的比例,还反映了不同颜色对之间的空间相关性。实验表明,颜色相关图比颜色直方图和颜色聚合向量具有更高的检索效率,特别是查询空间关系一致的图像。假设I表示整张图像的全部像素,Ic(i) 则表示颜色为c(i)的所有像素。颜色相关图可以表达为: 其中 i, j ∈转载 2007-08-01 09:22:00 · 6871 阅读 · 1 评论 -
颜色矩
颜色矩另一种非常简单而有效的颜色特征使由Stricker 和Orengo所提出的颜色矩(color moments) [7]。这种方法的数学基础在于图像中任何的颜色分布均可以用它的矩来表示。此外,由于颜色分布信息主要集中在低阶矩中,因此仅采用颜色的一阶矩(mean)、二阶矩(variance)和三阶矩(skewness)就足以表达图像的颜色分布。与颜色直方图相比,该方法的另一个好处在于无需对特征转载 2007-07-30 11:08:00 · 8885 阅读 · 3 评论 -
2007.07.26 Redeye3.0规划, CBIR预研
这些主要都是在做计划,3.0的目标已经基本确定,现在主要是看实现这些目标所要做的工作,风险,时间,开发计划,可行性分析等等.磨刀不误砍柴功,前期细致的规划有利于后期的开发工作.同时,有新接手了一个关于CBIR的预研,主要是做基于内容的图像搜索,应该说是一个比较新而且是比较热门的课题,希望能有所突破吧.原创 2007-07-26 17:12:00 · 1212 阅读 · 0 评论 -
颜色聚合向量
针对颜色直方图和颜色矩无法表达图像色彩的空间位置的缺点,Pass[9]提出了图像的颜色聚合向量(color coherence vector)。它是颜色直方图的一种演变,其核心思想是将属于直方图每一个bin的像素进行分为两部分:如果该bin内的某些像素所占据的连续区域的面积大于给定的阈值,则该区域内的像素作为聚合像素,否则作为非聚合像素。假设αi与βi分别代表直方图的第i个bin中聚合像素和非聚合转载 2007-07-31 11:18:00 · 4385 阅读 · 0 评论 -
颜色集
为支持大规模图像库中的快速查找,Smith和Chang提出了用颜色集(color sets)作为对颜色直方图的一种近似[8]。他们首先将RGB颜色空间转化成视觉均衡的颜色空间(如HSV空间),并将颜色空间量化成若干个bin。然后,他们用色彩自动分割技术将图像分为若干区域,每个区域用量化颜色空间的某个颜色分量来索引,从而将图像表达一个二进制的颜色索引集。在图像匹配中,比较不同图像颜色集之间的距离和色转载 2007-07-31 11:17:00 · 5637 阅读 · 0 评论 -
颜色直方图
颜色直方图是在许多图像检索系统中被广泛采用的颜色特征。它所描述的是不同色彩在整幅图像中所占的比例,而并不关心每种色彩所处的空间位置,即无法描述图像中的对象或物体。颜色直方图特别适于描述那些难以进行自动分割的图像。当然,颜色直方图可以是基于不同的颜色空间和坐标系。最常用的颜色空间是RGB颜色空间,原因在于大部分的数字图像都是用这种颜色空间表达的。然而,RGB空间结构并不符合人们对颜色相似性的主观判断转载 2007-07-26 11:05:00 · 15238 阅读 · 1 评论 -
图像特征的提取与表达
图像特征的提取与表达是基于内容的图像检索技术的基础。从广义上讲,图像的特征包括基于文本的特征(如关键字、注释等)和视觉特征(如色彩、纹理、形状、对象表面等)两类。由于基于文本的图像特征提取在数据库系统和信息检索等领域中已有深入的研究,本章中我们主要介绍图像视觉特征的提取和表达。视觉特征又可分为通用的视觉特征和领域相关的视觉特征。前者用于描述所有图像共有的特征,与图像的具体类型或内容无关,主要包括色转载 2007-07-25 14:14:00 · 2666 阅读 · 0 评论 -
内容管理的历史
内容也称为数字内容,一般被定义为任何人在每天的商业和个人生活中都会使用到的电子信息。它包括以数字方式展现的文档、出版物、图像、视频、音频、软件、表格、收据、票据、设计、合同、以及电子邮件等等。内容管理就是要将不同类型的数字内容全部以数字化的方式妥善保存起来,并利用足够的信息、高效的查询手段对所保存的数字资产进行查询和检索,用智能分析技术对其进行数据挖掘,最终使得这些数字内容能够得到最充分的利原创 2007-08-17 16:30:00 · 1042 阅读 · 0 评论