基于内容的图像检索技术研究

阐述基于内容的图像检索研究中存在的问题,并介绍其基本原理、检索方法、关键技术以及研究的进展和趋势.     

基于内容的图像检索技术研究

随着多媒体技术和网络技术的迅速发展,基于内容的图像检索已成为一个研究热点。文章首先概括介绍了基于内容图像检索的产生、发展,然后介绍了特征提取及其相似性度量、相关反馈等技术,最后对基于内容的图像检索发展方向进行了分析。     

基于内容的图像检索技术探索

基于内容的图像检索(CBIR)是目前国内外的一个研究热点,文章介绍了基于内容图像检索的关键技术、系统体系结构等核心内容,论述了图像检索涉及到的图像特征提取和相似性度量等技术,并就各种特征提取方法进行综合分析、比较。最后指出了目前CBIR的研究现状、存在问题及发展方向。     

小波分析在基于内容的图像检索技术中的应用

简要介绍了小波分析的基本理论及基于内容的图像检索技术,重点阐述了小波分析在图像的特征提取(纹理、目标形状等)上的应用,并展望了基于内容的图像检索技术今后的主要研究方向。     

遗传算法在基于内容的图像检索中的应用

利用遗传算法对图像的统计特征进行了特征选取，并应用于颅脑CT图像检索中。实验结果表明，该方法能够有效地选取特征，提高检索精度，改善检索效果。     

基于内容的图像检索系统的设计与实现

本文描述了基于内容的图像检索系统@IMAGE的设计和实现。该系统综合运用了多媒体、媒体存储、数据组织和表示方法、图像检索技术等。也介绍了基于图像颜色、形状和纹理的检索算法。给出了@IMAGER系统结构、实现技术和功能。     

基于内容的图像检索系统

文章介绍了基于内容的图像检索技术及其优势，并举了几个例子。     

基于内容的图像检索技术综述与展望

伴随着多媒体技术、网络技术和信息数字化处理的高新技术的飞速发展,人们接触到越来越多的各种形式的图像信息,如何对如此大量的图像信息进行组织、管理和检索运用成为一个重要的研究课题。由于图像数据具有数据量大,数据结构复杂、模式多样等特征,传统的基于数值、字符等关键字的信息检索技术已经无法满足要求,基于内容的图像检索技术（CBIR,Content—Based Image Retrieval）应运而生,成为一个当前多媒体、信息检索等诸多领域广泛关注的研究问题。本文对内容的图像检索问题进行了综述,并展望了其未来的研究方向。     

基于内容的图像检索与MPEG-7

本文对基于内容的图像检索的研究现状以及关键技术进行了分析,介绍了MPEG-7标准的相关内容,并在此基础上提出一种基于MPEG-7标准的图像检索系统模型.     

数字图书馆中基于内容的图像检索技术

随着多媒体技术的飞速发展,多媒体信息的日益丰富,多媒体信息检索技术已成为当前研究的热点.本文着重介绍了基于内容的图像检索技术及其发展,分析了图像信息的多种特征提取方法,最后,给出了一个基于综合特征提取的图像检索系统实例.     

基于内容的图像检索介绍

基于内容特征的图象检索(CBIR)是目前国内外研究的一个热点。本文简要介绍了基于内容的图像检索技术的发展过程及主要原理,重点论述了基于内容的图像检索常用关键技术——图像视觉特征的描述和提取。     

基于内容的图像检索介绍

基于内容特征的图象检索（CBIR）是目前国内外研究的一个热点。本文简要介绍了基于内容的图像检索技术的发展过程及主要原理，重点论述了基于内容的图像检索常用关键技术——图像视觉特征的描述和提取。     

基于内容的图像检索研究

基于内容的图像检索是图像检索中较高层次的检索,文中对CBIR的各种特征提取方法进行了分析比较,最后指出了当前的研究热点和今后的发展方向。     

Statistical Shape Features for Content-Based Image Retrieval

In this article the use of statistical, low-level shape features in content-based image retrieval is studied. The emphasis is on such techniques which do not demand object segmentation. PicSOM, the image retrieval system used in the experiments, requires that features are represented by constant-sized feature vectors for which the Euclidean distance can be used as a similarity measure. The shape features suggested here are edge histograms and Fourier-transform-based features computed from the image after edge detection in Cartesian or polar coordinate planes. The results show that both local and global shape features are important clues of shapes in an image.     

Approximating Content-Based Object-Level Image Retrieval

Object-level image retrieval is an active area of research. Given an image, a human observer does not see random dots of colors. Rather, he/she observes familiar objects in the image. Therefore, to make image retrieval more user-friendly and more effective and efficient, object-level image retrieval technique is necessary. Unfortunately, images today are mostly represented as 2D arrays of pixels values. The object-level semantics of the images are not captured. Researchers try to overcome this problem by attempting to deduce the object-level semantics through additional information such as the motion vectors in the case of video clips. Some success stories have been reported. However, deducing object-level semantics from still images is still a difficult problem. In this paper, we propose a color-spatial approach to approximate object-level image retrieval. The color and spatial information of the principle components of an object are estimated. The technique involves three steps: the selection of the principle component colors, the analysis of spatial information of the selected colors, and the retrieval process based on the color-spatial information. Two color histograms are used to aid in the process of color selection. After deriving the set of representative colors, spatial knowledge of the selected colors is obtained using a maximum entropy discretization with event covering method. A retrieval process is formulated to make use of the spatial knowledge for retrieving relevant images. A prototype image retrieval tool has been implemented on the Unix system. It is tested on two image database consisting of 260 images and 11,111 images respectively. The results show that the color-spatial approach is able to retrieve similar objects with much better precision than the sole color-based retrieval methods.     

基于内容图像检索中的特征性能评价

在基于内容的图像检索中，不同图像特征反映了图像各个侧面的内在特性，因此，在使用图像特征进行检索时存在多种相似性度量方法．特征以及特征间相似性度量方法的选取是当前CBIR研究的一个重要课题．评估了CBIR系统中使用的图像特征在不同相似性度量方法下及多种特征在不同图像库上的检索性能，为CBIR系统的设计和实现提供一定的依据．通过实验发现，图像特征的检索性能不仅同相似性度量方法有关系，同时与图像库也有密切的关系．     

基于内容的图像检索方法的探讨

该文在对图像特征分析及相似检索方法研究分析的基础上,提出了一种基于色调局部累加直方图与纹理特征结合的相似性匹配度量算法。该算法不但缩短了查询时间,而且通过实验证明,该算法有较高的检索率。     

基于内容的医学图像检索技术

建立一个高效、准确的医学图像检索系统是目前具有挑战性的任务.文中在简述基于内容的医学图像检索模型后,着重探讨和分析了检索模型中图像特征提取、特征选择与融合、相似度匹配、图像预过滤、相关反馈等核心技术和相关算法,以及一些最新的应用.最后对基于内容的医学图像检索技术进行了展望.     

SVM用于基于内容的自然图像分类和检索

在传统的基于内容图像检索的方法中，由于图像的领域较宽，图像的低级视觉特征和高级概念之间存在着较大的语义间隔，导致检索效果不佳．该文认为更有现实意义的做法是，缩窄图像的领域以减小低级特征和高级概念间的语义间隔，并利用机器学习方法自动建立图像类的模型，从而提供用户概念化的图像查询方式．该文以自然图像领域为例，使用支持向量机(SVM)学习自然图像的类别，学习到的模型用于自然图像分类和检索．实验结果表明作者的方法是可行的．