圖像檢索算法的研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)和存儲(chǔ)技術(shù)的不斷向前發(fā)展,圖像數(shù)據(jù)正以指數(shù)級(jí)的方式增長(zhǎng),越來(lái)越多的數(shù)據(jù)分布在網(wǎng)絡(luò)上,這對(duì)于用戶如何高效、快捷和輕松地查詢到自己想要的圖片信息是個(gè)難題。基于內(nèi)容的圖像檢索算法的提出正是為了解決海量的圖像數(shù)據(jù)難以手工標(biāo)注以及用戶需求快速地查詢到想要的語(yǔ)義信息圖像的問(wèn)題?；趦?nèi)容的圖像檢索算法利用計(jì)算機(jī)自動(dòng)的提取圖像的底層視覺(jué)特征、在特征空間上定義相似度度量準(zhǔn)則,計(jì)算查詢圖像和數(shù)據(jù)庫(kù)中源圖像之間在底層視覺(jué)特征向量上的差異,從而來(lái)描

2、述兩幅圖像之間的語(yǔ)義差異性。其在最初的一段時(shí)間取得了相當(dāng)?shù)某晒Α５怯捎趫D像的底層特征和圖像高層語(yǔ)義之間的“語(yǔ)義鴻溝”問(wèn)題,基于內(nèi)容的圖像檢索算法無(wú)法從根本上克服圖像的底層特征對(duì)圖像高層語(yǔ)義描述的不一致性。在此基礎(chǔ)上,研究者開(kāi)始尋求其他的檢索算法或者對(duì)原有算法進(jìn)行改進(jìn),逐步縮小二者之間的“語(yǔ)義鴻溝”問(wèn)題:提出了基于區(qū)域的圖像檢索、相關(guān)反饋和高層語(yǔ)義建模等方法。其中基于區(qū)域的和高層語(yǔ)義建模的方式從根本上講,還是沒(méi)有脫離基于圖像底層特征,只

3、是利用其它相關(guān)技術(shù)對(duì)基于圖像底層視覺(jué)特征的檢索算法的性能進(jìn)行了提高。而相關(guān)反饋技術(shù)的提出是區(qū)別于其它兩種的,這一方式的提出考慮了檢索過(guò)程是一個(gè)用戶參與的過(guò)程,系統(tǒng)完全可以把用戶在參與的過(guò)程中提供的信息融合進(jìn)檢索算法來(lái)提高檢索結(jié)果的精確度。但是除了圖像的像素信息之外,圖像中還有其他的信息可以用來(lái)提高對(duì)圖像語(yǔ)義信息的理解。相機(jī)元信息(Exif)記錄了圖像在拍攝的時(shí)候相機(jī)中各種參數(shù)的狀態(tài)和數(shù)值,如:閃關(guān)燈是否打開(kāi)、曝光時(shí)間、光圈長(zhǎng)度等。這些信

4、息對(duì)于圖像的語(yǔ)義信息的理解有著輔助作用,已有的研究文獻(xiàn)也證明了該觀點(diǎn)。不同的物體概念和不同數(shù)值的相機(jī)元信息相互關(guān)聯(lián),如閃關(guān)燈在室內(nèi)比在室外更容易打開(kāi)、光圈長(zhǎng)度值對(duì)于風(fēng)景圖像和物體圖像的差異很明顯。而問(wèn)題的關(guān)鍵在于研究發(fā)掘出相機(jī)元信息和圖像的高層語(yǔ)義之間的關(guān)系。本文在綜合上述信息后,提出了一種融合了相機(jī)元信息的基于區(qū)域的圖像檢索算法。該算法首先利用圖像分割算法將圖像分割成區(qū)域塊,然后在區(qū)域塊上利用MPEG-7所定義的底層顏色描述子提取底層