1、厦门大学本科毕业论文 I 本科毕业论文 (科研训练、毕业设计 ) 题 目： 基于内容的图像检索 综述 姓 名： 学 院：软件学院 系：软件工程 专 业：软件工程 年 级： 学 号： 指导教师（校内）： 职称： 年 月 日 厦门大学本科毕业论文 II 摘 要 随着 多媒体、网络技术的飞速发展，图像应用的日益广泛，基于内容的图像检索CBIR（ Content Based Image Retrieval）成为当前多媒体信 息检索研究的热点之一。它是指直接采用图像内容进行图像信息的检索主要 思想是根据图像所包含的颜色、纹理、形状以及对象的空间关系等低层图像特征和语义等高层特征来分析图像信息，建立图像的
2、特征向量作为其索引，检索的方法目前主要是根据图像的多维特征矢量进行相似查询。提取哪些特征，如何提取特征以进行高效、准确的检索是基于内容的图像检索技术中的核心问题。 本 文在广泛查阅国内外有关基于内容的 图像检索技术文献资料的基础上， 首先 回顾了基于内容图像检索技术的理论及其应用研究的整个发展过程，全面综述了在图像检索， 详细分析图像的内容特征。 尤其是基于内容的图像检索领域的技术和现状 。 以基于颜色特征的图像 检索实例系统为基础，研究颜色空间内， 直方图 对图像的描述。以 颜色直方图 为特征，引入欧氏距离的相似性度量方法实现基于内容的图像检索。 最后 探讨了 基于内容的图像检索系统存在的问
3、题以及今后研究的方向 。 关键词 ： 图像数据库；图像检索；特征提取；相关反馈 厦门大学本科毕业论文 III Abstract With the development of the multimedia network technology, the application of the image is extensive, the rapid increase of image application, Content-based Image Retrieval (CBIR) becomes most active one in multimedia retrieval field. I
4、n order to analysis the information included in an image, the CBIR system always analyses the color, texture, shape, and other low-la yer image features, to establish retrieval vectors as retrieval index. In present time, the main CBIR method is similarity retrieval based on multi-dimension feature
5、vector of image. Extracting features from image is the key issues in CBIR. In this paper, on the base of widely referring to the material about Content-Based Image Retrieval of home and abroad, the whole evolution of the theory on the Content-Based Image Retrieval technique and application study are
6、 reviewed at first, then the technology of Content-Based Image Retrieval and current situation are explained in an all-round way. The histogram of the image description in the color space is researched, based on the color characteristics of the image retrieval instance systems. In addition the Eucli
7、dean distance similarity metric method of content-based image retrieval by Color histogram feature is introduced. At last the problem in the CBIR system and the direction of study are probed. Key words: Image database, Image Retrieval, Feature Extraction, Relevance Feedback 厦门大学本科毕业论文 IV 目录 第一章 引言 .
8、1 第二章 图像检索技术的发展 .2 2.1 传统的基于文本的图像检索技术 .2 2.2 基于知识和视觉特征的图像管理 .3 2.3 基于内容的图像检索技术 .3 第三章 基 于内容的图像检索技术研究 .6 3.1 基于内容的图像检索基本原理 .6 3.2 基于内容的图像检索系统 .6 3.3 图像的内容特征 .8 3.3.1 基于颜色特征的图像检索 . 9 3.3.2 基于形状特征的图像检索 .11 3.3.3 基于纹理特征的图像检索 . 12 3.4 基于三种特征检索存在的问题 .14 第四章 基于内容的图像检索技术的研究现状 .16 4.1 著名的图像检索系统介绍 .16 4.2 图像检
9、索系统的性能指标和评价准则 .18 4.2.1 图像检索系统的性能指标 . 18 4.2.2 图像检索系统的评价准则 . 19 4.3 图像检索系统的应用 .20 4.3.1 图像检索系统的应用类型 . 20 4.3.2 图像检索系统的应用领域 . 21 第五章 基于内容的图像检索技术应用实例 .22 5.1 图像检索系统的实现 .22 5.1.1 颜色空间内特征提取 . 22 5.1.2 图像匹配 . 23 厦门大学本科毕业论文 V 5.1.3 特征索引 . 23 5.1.4 用户反馈 . 24 5.2 颜色空间内特征提取 .25 5.3 特征匹配过程 .29 第六章 基于内容的图像检索技术
10、存在的问题及技术展望 .30 6.1 基于内容的图像检索技术存在的问题 .30 6.2 基于内容的图像检索技术展望 .31 第七章 结束语 .32 致谢 .33 参考文献 .34 厦门大学本科毕业论文 VI Contents Chapter 1 Introduction . 1 Chapter 2 The Development of Image Retrieval . 2 2.1 Traditional Technology of Image Retrieval Based on Text . 2 2.2 Image Management Based on Knowledge and Vis
11、ion Character . 3 2.3 Technology of Image Retrieval Based on Content . 3 Chapter 3 Researching Image Retrieval Based on Content . 6 3.1 Basic Theory of Image Retrieval Based on Content . 6 3.2 Image Retrieval System Based on Content . 6 3.3 Content Character of Image. 8 3.3.1 Image Retrieval Based o
12、n Color Character.9 3.3.2 Image Retrieval Based on Shape Character . 11 3.3.3 Image Retrieval Based on Texture Character.12 3.4 Problems of Retrievals Based on Three Kinds of Characters . 14 Chapter 4 Researching State of Image Retrieval Based on Context . 16 4.1 introduction of famous Image Retriev
13、al system. 16 4.2 Evaluation and Principle of Image Retrieval System . 18 4.2.1 Evaluation of Image Retrieval System .18 4.2.1 Principle of Image Retrieval System .19 4.3 Application of Image Retrieval System. 20 4.3.1 Application Type of Image Retrieval System .20 4.3.2 Application Field of Image R
14、etrieval System .21 Chapter 5 The Application Example of Image Retrieval Based on Content . 22 5.1 Designing of Image Retrieval System . 22 5.1.1 Abstract Character in Color Space .22 5.1.2The Matching of Image.23 厦门大学本科毕业论文 VII 5.1.3 The Index of Charater .23 5.1.4 The Client of Feedback .24 5.2 Ab
15、stract Character in Color Space . 25 5.3 The Process of Charater Matching . 29 Chapter 6 Problems and Prospect of Image Retrieval Based on Content . 30 6.1 Problems of Technology of Image Retrieval Based on Content . 30 6.2 Prospect of Technology of Image Retrieval Based on Content . 31 Chapter 7 Su
16、mmary . 32 Acknowledgement . 33 References . 34 厦门大学本科毕业论文 1 第一章 引言 随着多媒体、网络技术的迅速发展，图像信息的应用日益广泛，对规模越来越大的图像数据库、可视信息进行有效的管理成为迫切需要解决的问题。图像所含的信息量很大，俗语一图值千字就说明了这个事实，但是由于图像信息数据量大，抽象程度低，因此信息膨胀带来的问题很严重。 传统的图像检索基于文本 方式， 使用关键字或自由文本 描述图像数据库种的每幅图像，采用文本匹配检索。但 目前计算机视觉技术还不成熟，达不到对图像的描述性关键字和语义信息的自动提取，而人工提取一方面对图像的注解所
17、需工作量太大，且图像注解带有的主观性和不精确性可 能导致检索的失败；另一方面，图像的某些可视信息，例如：纹理，形状等，很 难用文本描述。所以，灵活、高效、准确的图像检索策略是解决这些问 题的关键技术之一。 进入 90 年代，随着信息处理技术日益发展和深化，相应标准的出台为图像信息的加工、处理和检索提供了条件。另外随着信息需求的不断增加和日益迫切，原有的图像检索系统已远远不能满足要求，由手工进行图像注解这一方法所带来的困难也变得十分尖锐。为了克服这些困难，研究者们提出了基于内容的图像检索（ CBIR Content Based Image Retrieval）方法。 CBIR 是 1992 年出
18、现的概念，它的目标是为了解决图像的检索问题。 CBIR在提出后得到了迅速的发展，现已扩展到基于内容的多媒体信息检索。 CBIR 的思想很适用于多媒体数据库，因此，它的出现为多媒体数据库的发展开创了一条新的道路。其思路是：把图像的可视特征，例如颜色、纹理结构、轮廓、位置关系等作为图像的内容来进行匹配、查找。利用已有的算法，特征抽取和匹配完全可以由机器自动完成，这就克服了手工注释的低效和二义性。事实上，可视特征是对图像内容的压缩、抽象，与人类的观察角度具有相当程度的相似性，因此CBIR 的 查询结果能够满足用户的一定要求。 CBIR 不同于以往的基于文本的检索方法 ,它是 根据图像的颜色、形状、纹
19、理等特征来查询图像 ,融合了计算机图像处理 ,模式识别、数据库等关键技术。 厦门大学本科毕业论文 2 第 二 章 图像检索技术的发展 2.1 传统的基于文本的图像检索技术 早在 70 年代，数据库专家就开始研究如何对图像数据进行有效管理，其主要方法是对图像文件建立关键词或文本标题以及一些附加描述信息，然后将图像的存储路径和图像关键词之间建立联系。简而言之，基于文本的图像检索的基本思想是，用文本作为关键字索引，利用基于文本的数据库管理 系统（ DBMS）管理图像的文本信息。基于文本的图像检索技术是最早应用于图像检索的一种检索方式，也是目前主要的方式，如医学影像数据库等。 随着互联网及多媒体计算机
20、技术的迅速发展，数字图像的应用和传播日益广泛，传统基于文本的图像检索技术的缺点也就暴露在我们面前： （ 1）文本检索依赖的关键字不能够自动产生，从而不利于对信息系统的管理计算机化。 （ 2） 图像加注文本信息仍由手工完成 ， 随着图像数据来源日益广泛 ， 这种方法显得费时费力 ，而且还导致关键字的不准确性，这是由人的主观因素产生的，因为不同的人，对于不同的事物会有自 己描述，即使同一个人，在不同的环境下，对同一个事物的描述也会不尽相同，具有很强的主观性，缺乏通用性和一致性。 （ 3） 文本描述信息是非常主观的 ， 不同的人对同一幅图像数据可能有不同的理解 ， 因此当用户在查询时输入的关键词和数
21、据库中的关键词不一致或这些关键词根本不存在时 ， 将导致查询的失败 ； （ 4）“ 一幅画胜过一千句话 ”， 只靠几个关键词很难将图像所反映的内容描述清楚 。另一方面，如果为了很好的描述图像内容而选用太多的关键字时，关键字也就失去了其原本的作用； （ 5） 由于媒体信息是发表在 Internet 网络环境中 ， 不同 国家不同民族很难用同一语言对图像进行标注 ， 而且对图像语义理解的差异很大 。 （ 6）不符合人类的视觉感知原理，因为人的感知并不都能用文字加以准备表达的，特别是那些对于描述者来说根本没有先验知识的事物，就更难用文厦门大学本科毕业论文 3 字进行表达。对事物的文字表达，本身就是人
22、对事物进行识别的结果，而目前对事物的自动识别还只是比较初级的研究阶段。 2.2 基于知识和视觉特征的图像管理 事实上 ， 对图像视觉特征进行管理在 70 年代就曾经引起了人工智能和模式识别等领域的关注 ， 并取得了一定成就 。 这时的图像数据库主要是应用在某一特定的领域 ， 往往 和其它信息系统结合在一起使用 ， 主要设计地理信息系统 、 病人 X 照片的归档 、 检索和诊断系统 、 以及人脸识别和指纹识别系统 。在 70 年代到 80 年代初 ， 张系国教授采用关系数据库子系统和图像存储子系统集成设计了图像数据库系统 GRAIN， 对图像数据进行查询 ， 主要包括属性检索 、 结构检索 、
23、相似检索以及这几种方式的综合检索 。 REDI 是普渡大学傅京孙教授完成的 ， REDI 是一个综合数据库系， 它与一个图像数据理解系统之间保留有接口 ， 该系统通过图像处理和模式识别方法提取出图像的结构信息和特征 ， 查询操作采用关系查询语言 ， 它涉及到空间关系 和常规的查询 。 在随后张系国教授又提出了用二维符号串来表达一幅逻辑图像的空间关系 ， 并将此方法用于图像检索系统中 。 当时的图像数据库的典型应用是地理信息系统 。 随后一些人工智能研究者在研究和开发专家系统的过程中 ，采用图像数据来加强对问题的理解能， 运用了图像的一些模式特征 ， 并对这些特征进行了一定的语义解释 。 在现在
24、的指纹识别系统和人脸的照片管理系统中已经取得了较成功的运用 ， 这类具体系统已不胜枚举 。 这个时期的图像数据库规模小而且仅应用在特定的领域 ， 检索方面也都以精确模式匹配为主 。 2.3 基于内容的图像检索技术 随 着多媒体、网络技术的迅速发展，图像信息的应用日益广泛，对规模越来越大的图像数据库、可视信息进行有效的管理成为迫切需要解决的问题，灵活、高效、准确的图像检索策略是解决这一问题的关键技术之一。 传统的图像检索基于文本方式，使用关键字或自由文本 描述图像数 据库中的图像，采用文本 匹配检索； 但目前计算机视觉技术还不成熟，达不到对图像的描述性关键字和语义信息的自动提取，而人工提取一方面费时，另一方面带
