基于内容的图像搜索引擎.doc

1 基于内容的图像检索摘要: 常人在平日的生活中只能记住自己听到过内容的 10% ,记住自己阅读过内容的 30% ,却能记住自己看过内容的 80% 。视觉是人类获得信息的重要途径。越来越多的图像搜索引擎亮相公众, 人们的图片检索更加快捷。本文介绍了基于内容图像检索技术的原理及基于这些原理的近几年出现的图像搜索引擎。关键词: 搜索引擎;图像检索;特征提取; CBIR Research on the Content-based Image Search Engines Abstract : people can only remember 10% heard, 30% read, but remember 80% of what they saw. Everyday,we can get a lot of information through our eyes. An increasing number of image search engine s show the public to make people more convenient to search pictur es. In this paper, content-based image retrieval technique and based on these principles image search engine s are introduced . K ey words : search engine ; Content-Based Image Retrieval(CBIR) ;Feature Extraction §1 引言随着信息化社会的高速建设, 互联网的迅速普及, 大容量存储设备和数字化设备的发展和广泛使用, 越来越多的多媒体数据库尤其是图像数据库被建立。在图像、音频、视频信息正飞速膨胀的今天,数据管理开始由最早的 GB 转向 TB、 PB 容量级别的管理。数据增长的同时, 图像信息自身的无序化问题也越来越突出。如何有效地组织、管理、检索大规模的图像信息成为亟待解决的问题。自 20 世纪 90 年代以来, 人们已经开发了许多研究性质的或商用的图像搜索引擎,如: QBIC 、 Photobook 、 VIRAGE 、 VisualSEEK 、 WebSEEK 等。然而,现阶段的大部分图像搜索引擎还基本停留在视觉特征上面。§2 低层视觉特征和高层语义特征目前互联网上的图像搜索引擎常采用的方法是基于文字的图像检索技术。搜索引擎根据图像名、路径名、 ALT 标签、图像周围的文本等外部信息进行标引、检索。查准率取决于外部信息的描述程度, 这种方法效率并不理想。基于内容的图像检索技术是国内外在图像数据库技术研究中出现的热点。基于内容的图像检索技术根据图像的内容进行图像特征分析,图像特征分析在低层视觉特征和高层语义特征两个层次上进行。低层视觉特征的图像检索主要特点是使用直接从图像中获得的客观视觉内容作为特征, 如提取其颜色、形状、纹理, 以及对象的空间关系等等来判断图像之间的相似性, 利用图像之间的相似性, 通过采用模式识别技术来实现低层视觉特征的匹配。目前, 基于内容的图像检索研究与成果还是主要集中在低 2 层视觉特征层次上。图像检索的发展最终将迈向高层语义特征的匹配, 其技