1　常見的圖線檢索系統(tǒng)介紹

　　從上世紀(jì)90年代以來，基于內(nèi)容的圖像檢索技術(shù)就已經(jīng)成為了熱門的研究方向，當(dāng)前有多種比較著名的圖像檢索系統(tǒng)，以下做簡要的分析概述。

　　1.1　Virage圖像檢索系統(tǒng)

　　由Virage公司基于內(nèi)容開發(fā)的，支持顏色、紋理、結(jié)構(gòu)等可視化信息的查詢，也可以是上述的各特征信息的任意組合，根據(jù)用戶自己的喜好調(diào)整這些元素的組合。

　　1.2　QBIC圖像檢索系統(tǒng)

　　QBIC是IBM基于內(nèi)容開發(fā)的圖像檢索系統(tǒng)，其系統(tǒng)的框架具有開創(chuàng)性，對其后的圖像檢索系統(tǒng)有深遠(yuǎn)的影響，基于選擇的顏色、例子圖像、用戶構(gòu)造的略圖、紋理等查詢，顏色特征有平均坐標(biāo)進(jìn)和K個元素的直方圖，紋理特征在對比度、粗糙度和方向等進(jìn)行結(jié)合，形狀包括圓形度、面積、偏心度、主軸偏向等，QBIC的圖像檢索是第一個商品化的基于內(nèi)容的圖像檢索系統(tǒng)，雖然功能有待完善，但影響深遠(yuǎn)。

　　1.3　RetrievalWare圖像檢索系統(tǒng)

　　是由Excalibur公司開發(fā)的基于內(nèi)容的檢索系統(tǒng)，其重點(diǎn)在于圖像檢索系統(tǒng)中的神經(jīng)網(wǎng)絡(luò)化，通過對圖像特征的形狀、紋理、亮度、顏色、顏色分割等進(jìn)行特征查詢，并且可以迎合用戶的側(cè)重，對上述的特征量進(jìn)行組合，類似于Virage檢索，其最大的區(qū)別在于使用了神經(jīng)網(wǎng)絡(luò)的技術(shù)。

　　1.4　VisualSEEK和WebSEEK圖像檢索系統(tǒng)

　　VisualSEEK是面向視覺特征的搜索工具，而WebSEEK則是面向文本/圖像的搜索工具。WebSEEK面向Web，主要包含三個模塊，主題分類和索引模塊、圖像/視頻收集模塊、搜索瀏覽和檢索模塊，主要是基于視覺內(nèi)容和關(guān)鍵字的查詢；VisualSEEK研究空間和圖像區(qū)域的關(guān)系，從壓縮域中抽取視覺特性，如基于小波變換的紋理特征、顏色集等；同時，采用二叉樹的索引方式又可以提升檢索的速度。

　　1.5　MARS圖像檢索系統(tǒng)

　　這種圖像檢索系統(tǒng)與其他幾類有著明顯的區(qū)別，其融合了信息檢索、計算機(jī)視覺和數(shù)據(jù)庫管理系統(tǒng)多個交叉領(lǐng)域，其特點(diǎn)是檢索與索引聯(lián)結(jié)、帶ranked的精確檢索匹配、人機(jī)結(jié)合等。MARS的關(guān)鍵不在于尋找單一的特征表達(dá)，而是將視覺特征的不同元素組合，可以動態(tài)的使用不同用戶的需求，并在檢索中提出反饋機(jī)構(gòu)，包括自動在線匹配、自動特征適應(yīng)和查詢矢量優(yōu)化等，檢索的機(jī)制非常獨(dú)到。

 

2　內(nèi)容分析

　　2.1　顏色特征

　　作為圖像內(nèi)容中最為直觀的要素，顏色是用戶獲取信息最快捷的方式，利用顏色進(jìn)行圖像檢索其核心思想是在顏色空間中對顏色出現(xiàn)的頻數(shù)進(jìn)行分析，涉及到顏色空間量化、顏色空間的選取、顏色直方圖定義、顏色空間的距離定義等。在檢索系統(tǒng)總，為了能夠正確的辨別和使用顏色，需要建立顏色的模型。一般將顏色在3D坐標(biāo)系中用空間點(diǎn)表示出來，在不同的場景中，圖像的顏色表示方法也有較大的區(qū)別。以RGB模型為例，基于笛卡爾坐標(biāo)系統(tǒng)，坐標(biāo)軸分別為R、G、B，從原點(diǎn)到離原點(diǎn)最遠(yuǎn)定點(diǎn)間的連線上有黑白分布的灰度值，并且將顏色值都進(jìn)行了標(biāo)準(zhǔn)化，每幅圖像都包括三個獨(dú)立的基色平面，可以方便的顯示圖像，以圖1為例。

　　 

   而采用顏色直方圖可以有效的將圖像信息刻畫出來，從概率上而言，顏色直方圖反映顏色通道的聯(lián)合概率，其特點(diǎn)是圖像中包含了某種顏色出現(xiàn)的概率，并將之?dāng)?shù)值化，但不包含像素的空間信息。對于任意的一幅圖像都可以有對應(yīng)的直方圖。顏色特征是最可靠的視覺元素，直方圖也是最為常用的表述顏色特征的方式，不但簡單便捷，而且對變比例、平移和旋轉(zhuǎn)等具有固定性，直方圖將整個圖像劃分為若干個區(qū)域，每一個區(qū)域中提取對應(yīng)的顏色特征，然后經(jīng)過區(qū)域之間的加權(quán)和，對應(yīng)區(qū)域的相似度。人們在比較兩幅圖時并不是比較對應(yīng)區(qū)域的相似性，而是A圖中的某一子塊在B圖中是否也出現(xiàn)了，采用交叉相似的度量手段，提取圖像中最為接近的子塊，最終加權(quán)和作為兩幅圖像的最終相似度。

　　2.2　紋理特征

　　紋理容易讓人們聯(lián)想到木質(zhì)家具、衣服花紋等，其反映了物體表面的灰度和顏色等變化，和物體本身的屬性直接相關(guān)，人們在通過識別紋理特征來區(qū)分圖像，就如同在整個森林中，不同樹木的紋理是有著區(qū)別的。但是由于紋理是非線性的變化量，難以經(jīng)過硬性規(guī)定，難以給出確切的定義。紋理特征的三個主要標(biāo)志分別是：其一，序列是由基本部分非隨機(jī)排序的；其二，某種局部的特征不斷重復(fù)排序；其三，統(tǒng)一材質(zhì)或圖像的表面其紋理特征的表現(xiàn)大體上是一致的，有大體相同的尺寸結(jié)構(gòu)，被稱為紋理基元。因而，在分析紋理特征時，應(yīng)該是按照基元規(guī)律性的排列組合而成的。紋理在圖像中時一個重要的特征，如醫(yī)學(xué)顯微圖像、衛(wèi)星遙感圖像、金相組織等都具有不同的紋理，在描述時，需要進(jìn)行分割。在紋理特征的提取和描述過程中，一般有結(jié)構(gòu)法、統(tǒng)計法和頻譜分析法。由于紋理在空間上是反復(fù)形成的，兩像素之間會存在一定的灰度關(guān)系，即灰度的空間相關(guān)特性，運(yùn)用灰度級空間相關(guān)性的規(guī)律，可以很好的對圖像紋理特征進(jìn)行描述。

　　2.3　形狀特征

　　形狀是圖像的顯著特征，同一物體可以有不同的顏色，但其形狀非常接近，如汽車，有多種顏色，但形成具有典型的特征，其輪廓或者說原理非常接近。在二維的圖像空間中，形狀是一條封閉曲線圍成的區(qū)域，形成了一種輪廓，當(dāng)前基于形狀特征的圖像檢索大多依靠外形輪廓來進(jìn)行區(qū)分。形狀特征的描述有樣條擬合曲線、直線段、傅里葉描述和高斯曲線等，在圖像檢索的過程中，通過計算形狀矩和直方圖的加權(quán)距離來區(qū)分圖像的形狀。形狀特征區(qū)域主要有區(qū)域的面積、形狀的無關(guān)矩、形狀的縱橫比等。利用形狀描述符，如偏心率、形狀參數(shù)、球狀性、圓形性等對形狀的特征進(jìn)行描述。

 

3　基于內(nèi)容的圖像檢索研究

　　3.1　系統(tǒng)模塊

　　基于內(nèi)容的圖像檢索系統(tǒng)模塊有系統(tǒng)主界面、圖像處理、檢索設(shè)置、檢索結(jié)果顯示等部分組成。系統(tǒng)主界面用于顯示當(dāng)前的圖像、對圖像庫進(jìn)行操作等，可以進(jìn)行圖像的瀏覽、刪除等操作，包括圖像入庫、圖像檢索、BMP文件的存入、圖像序號顯示等功能；圖像處理基于圖像處理模塊，服務(wù)于圖像檢索，包含的功能有將顏色直方圖轉(zhuǎn)換為灰度圖像、計算灰度共生矩陣、統(tǒng)計特征值等，與專業(yè)的軟件結(jié)合使用，揚(yáng)長避短；檢索設(shè)置有當(dāng)前打開的圖像，可以進(jìn)行存儲位置、圖像的顯示比例、全局顏色直方圖、分塊顏色直方圖等設(shè)置，顯示檢索的盡速和結(jié)果瀏覽對話框；而檢索結(jié)果顯示的每一幅圖像結(jié)果下有一個信息條，從上到下的相似性逐漸降低，顯示圖像在庫中的ID和圖像實(shí)際的尺寸。

　　3.2　基于內(nèi)容的圖線檢索實(shí)現(xiàn)

　　基于內(nèi)容的圖像檢索是在特征提取的前提下，完成一個目標(biāo)的模型描述，一是建立圖像特征內(nèi)容的數(shù)據(jù)模型，而是對模型進(jìn)行描述。圖像內(nèi)容按照不同的語義級別，建立多層數(shù)據(jù)模型，第一層為存儲層，對圖像內(nèi)容特征進(jìn)行格式存儲、編碼，是最底層的信息描述；第二層為底層特征層，包含紋理、形狀、顏色等特征，針對每一種圖像特征的表示方法有所區(qū)別，按照第一層的定義進(jìn)行描述；第三層為圖像對象層，分析底層特征，運(yùn)用圖像識別技術(shù)提取獨(dú)立的圖像對象，建立語義描述和圖像的定位描述；第四層為圖像語義層，建立在圖像內(nèi)容的完整意義上的概念描述；最后一層為附加信息層，雖然信息和圖像內(nèi)容無直接的關(guān)聯(lián)，但可以進(jìn)行圖像檢索的信息、圖像制作時間等記錄。

 

4　結(jié)語

    基于文本的圖像檢索技術(shù)當(dāng)面對用戶主觀理解具有較大差異的時候，其檢索的效果往往并不理想，也不能適應(yīng)用戶對圖像檢索的某些需求，因而基于內(nèi)容的圖像檢索技術(shù)應(yīng)運(yùn)而生，通過對圖像最為直觀的特征，如顏色、形狀、紋理等進(jìn)行描述，可以較為直觀、準(zhǔn)確、快速的迎合用戶的檢索需求，基于內(nèi)容的圖像檢索也取得了長足的進(jìn)步。但此類技術(shù)在應(yīng)用中仍然有待完善，隨著技術(shù)的進(jìn)步，基于文本、基于內(nèi)容和基于語音等技術(shù)的交叉融合性越來越強(qiáng)，取得的效果明顯會優(yōu)于單一的檢索方式，各種檢索技術(shù)之間取長補(bǔ)短，成為未來發(fā)展的趨勢，研究值得深入。