基于內容的圖像檢索基本理論及比較

【摘要】 隨著互聯網及多媒體技術的高速發展，傳統的文字搜索漸漸難以滿足用戶獲取信息的需求。本文介紹了幾種基礎的圖像檢索理論，通過一個簡單的多特征加權系統，比較了不同系統的檢索結果。【關鍵字】 圖像檢索 CBIR 理論一、引言基于內容的圖像檢索（Content-Based Image Retrieval，簡寫為CBIR）是通過使用圖像自身的視覺內容，比如顏色、紋理、形狀等來檢索相似圖片的"，"Introduction":""，"Columns":"新技術"，"Volume":""，"Content":"

【摘要】 隨著互聯網及多媒體技術的高速發展，傳統的文字搜索漸漸難以滿足用戶獲取信息的需求。本文介紹了幾種基礎的圖像檢索理論，通過一個簡單的多特征加權系統，比較了不同系統的檢索結果。

【關鍵字】 圖像檢索 CBIR 理論

一、引言

基于內容的圖像檢索（Content-Based Image Retrieval，簡寫為CBIR）是通過使用圖像自身的視覺內容，比如顏色、紋理、形狀等來檢索相似圖片的一種技術。CBIR的提出改變了一直以來對圖片標注關鍵詞的窘境。無論是人工標注或是采用大數據分析，用關鍵詞代替圖片的過程一定伴隨著信息的大量丟失。CBIR以圖片本身來進行檢索，避免了此種損失，是將來圖片搜索的發展方向。

二、CBIR技術簡介

一般說來，建立一個CBIR系統分為兩步：第一步，建立數據庫。使用某種方法提取圖像特征，將待檢索圖片集的特征提取出來存在數據庫中。第二步，檢索。當需要檢索時，對檢索圖片提取特征，和數據庫中特征比較。特征相似的圖片視覺上也應當相似。CBIR涉及到的核心技術主要在兩點：特征提取和相似性度量。

2.1特征提取

特征提取是CBIR的基礎。特征要能切實的反應出圖像的性質：特征相似的圖像，人眼看上去也應該覺得相似，較為通用的特征一般有顏色、紋理等。

2.1.1顏色特征

由于顏色往往和圖像中所包含的物體或場景十分相關；且顏色特征提取相對容易，對圖像本身尺寸、方向和視角的依賴性也較小[1]，顏色特征成為了圖像檢索中應用最廣泛的視覺特征。在實際的CBIR系統中，顏色往往被當作主特征使用。

2.1.2紋理特征

紋理是一種不依賴于顏色和亮度的反映圖像同質現象的視覺特征，體現了物體表面共有的內在聯系；同時，紋理還包含了物體表面組織結構排列的重要信息以及它們與周圍環境的聯系。因此，紋理特征在基于內容的圖像檢索中也得到了廣泛的應用。

2.2相似性比較

提取了特征向量之后，就要將檢索圖片和圖片集中圖片的特征向量進行比較，來判定圖像之間的相似性。常用匹配方法有以下幾種[2]。

2.2.1 Minkowsky距離

Minkowsky距離是基于LP范數定義的，其數學描述為：

三、實驗說明

圖像測試集方面，本領域并沒有一個統一的標準。這主要是因為圖像是否相似，本身就有很大的主觀性。另一方面，不同的算法對不同類型的圖片也會有著明顯不同的檢索率。本次測試集共有1000張圖片，文件名從0～999，共分十類，每類圖片為相鄰文件名的100張。測試時，從每類圖像中選擇前三張（文件名為X00，X01，X02）進行檢索，將檢索結果中得分最高的前100張圖片中出現該類別圖片數目作為該張圖片檢索得分。方案的最終得分取30張圖片得分平均值。實驗分別采用了單特征檢索與混合特征檢索。單特征檢索包含了顏色特征的RGB顏色累加直方圖、HSV直方圖、HSV直方圖（空間顏色特征）以及紋理特征的顏色值共生矩陣和Gabor紋理特征?；旌咸卣鳈z索以上述特征以3，5，5，3，2進行乘法加權進行計算。

四、結論

最終混合特征以微弱優勢勝出。單特征檢索中，符合人眼視覺特性的HSV相關特性有著不錯的檢索結果?；旌咸卣髦辛硗鈹捣N輔助特征則幫忙篩選掉了部分HSV相關特征中的錯誤結果，一定程度提升了檢索率。另外，混合結果的高分結果（排序在前）精確度遠超單特征檢索。因此，混合特征更適合實際檢索的需求。

參 考 文 獻

[1] 周明全，耿國華，韋娜.基于內容圖像檢索技術.清華大學出版社.2007.17.

[2] 孫君項，趙珊.圖像低層特征提取與檢索技術.電子工業出版社.2009.35-37.