基于内容的模糊图像检索技术研究
基于内容的图像检索
基于内容的图像检索
基于内容的图像检索（Content-Based Image Retrieval, CBIR），也称为内容视觉检索，是一种能够从图像库中自动找到和用户提供的图像或者用户视觉描述相似的图像的技术。
它可以利用图像中存在的特征和类别，进行快速准确的信息检索。
基于内容的图像检索的原理是，首先将图像进行处理，形成和其中的特性相关的特征向量，然后将提取到的特征向量传入到模型中，计算和检索图像之间的相似性，从而进行图像内容检索。
基于内容的图像检索技术有很多优势，包括精确性和可处理信息量大等特点。
相比于表面检索技术，基于内容的图像检索技术不仅可以检索出更高质量的图像，还可更好地提高搜索效率。
此外，基于内容的图像检索技术还可以根据不同的图像特征，进行更加详细和准确的检索，从而实现更快的检索速度。
基于内容的图像检索技术的典型应用是基于用户上传的图像或口头描述，进行图像模糊检索或类似图像检索，从而使用户能够快速检索到自己想要的内容信息。
同时，基于内容的图像检索技术还可以用于商业图像检索、监控视频搜索等多种不同的任务。
总的来说，基于内容的图像检索是一种发展很快的技术，它已经被广泛应用在信息检索、图像检索、人工智能等方面。
它能
够提高信息检索的准确性和效率，为用户提供快速、准确、全面的搜索服务。
基于内容的图像检索关键技术
③ 颜色聚合向量 。它是颜色直方 圆的一种演变 。对传统 的全局 颜色直方图做细致分类 ．以描述颜色空问的分布特征。其主要思 想是 将属于 直方 图每—个ｂ 的像素进 行分为两 部分 ：如果ｉｏ 内的某些 ｉ ｎ ￣ｉ ｎ 像素所 占据的连续区域的面积火于给定的阈值 ，强该区域内的像 素作 为聚合像 素 ，否则作为非聚合像 素。例如 ： ｎ 与 Ｂｉ ｉ 分别代袭直方图
技术的研 究发展方向 。 １ 基于内容的图像检 索技术的概念及基本工作原理
主要采川ｉ Ｉ像理解技 术得到 的视觉特征 （ 酊立割 如颜色 、纹理 、形状 、 空 位置关 系等 ） 来进行描述 。 （ 】 １ 颜色特征的提 取＝颜色是描述 图像内容的最直接的视觉特 征之 一 ，利． Ｉ 颜色特征 来检索是一种常，的方法 。颜色特征也是 叫室 像 Ｈ 在Ｉ像检索 中应 用最 为广泛 ，主要原Ｉ在于颜色往往和ｌ像中的物体 璺 Ｉ 鲴 和场景有着密切的联系 。在ｌ 象 索中 ， 用的 颜色特征有 ： 璺 检 ¨ 常
南 缸科 技 ２ １年第４ ０１
技 术 创 新
基 于 内容 的 图像 检 索关 键技 术
陈 仕 先 尹 丹
（ 州师范人学职业技 术学院 ） 贵 摘 要 随着数 据库 、 多 媒体 、Ｉｃ ｅ Ｉ ｍ ｔ 术的迅猛发展 ，越 来越 多的图像 数据 已 人们广泛应用 如何快速有效地 实现 图像检 １ ｔ 等技 被 索 ，已成为 当前数字 图像领域急需 解决的 问题 。基 于内容的 图像检 索已成 为国内外研 究的热点之 一 文章 简要 彳 绍了基 于内容的图像 卜 检紊技术的概 念及其 工作原理 ，重． 最描述 了基于内容的图像检 索的几项关键技 术… 图像特征的提取、 匹配及相似检索技 术： ． 关键词 基 于内容 图像检 索 关键技术
基于内容的图像检索技术
D S IG N N WS []6技术专题图像技术随着信息社会的到来和Int er ne t 技术的普及,人们越来越频繁地接触到图像和视频信息。
同时,每天还有大量信息在不断产生,如卫星、医疗、安全等方面。
因此,对这些信息地有效组织、管理和检索便成为需要解决的问题。
传统数据库检索采用基于关键词的检索方式,早期图像数据库如K odak Pi c t ur e Ec ha nge Syst e m(K PX )、t he Pr essL i nk L i br ar y 和t he T i m e A r chi v e C oll ect ion 沿袭了这种检索方式,采用描述性文本进行检索。
但一般来说,这种检索技术往往不能满足人们的需要。
由于图像息的内容具有丰富的内涵,在许多情况下仅用几个关键词难以充分描述,而且作为关键词图像特征的选取也有很大主观性。
于是,基于内容检索(Cont e nt B a se d Iage Ret r ie v al,C B I R )技术应运而生。
它区别于传统的检索手段,融合了图像理解技术,从而可以提供一种从巨大容量的图像库中,根据人们提出的要求进行有效检索的方法。
在基于内容的图像检索中，较常用关键技术包括从颜色、形状、纹理、空间关系、对象特征进行检索。
基于颜色特征的图像信息检索人类在对环境和物体的感知中,颜色往往起着十分重要的作用。
在许多情况下(特别是对于自然景物来说),颜色是描述一幅图像最简便而有效的特征。
颜色内容包含两个一般的概念，一个对应于全局颜色分布，一个对应于局部颜色信息。
按照全局颜色分布来索引图像可通过计算每种颜色的像素个数，并构造出颜色直方图来实现，这对检索具有相似总体颜色内容的图像是一个很好的途径。
局部颜色信息是指局部相似的颜色区域，考虑了颜色的分类与一些初级的几何特征。
颜色直方图是最常用的颜色特征表示方法。
直方图的值反映了图像的统计特征，包括平均值、标准偏差、中间值和像素个数，颜色集中的地方峰值较高。
医学图像的特征自动提取及基于模糊特征的图像检索研究的开题报告
医学图像的特征自动提取及基于模糊特征的图像检索研究的开题报告一、选题背景随着医学影像技术的不断发展，医学图像在临床治疗和科学研究中的重要性日益凸显。
医学图像中包含着丰富的信息，如医生可以通过CT 图像来观察肝脏是否有肿瘤，通过MRI图像来观察脑部是否有异常情况等。
因此，如何高效地从海量的医学图像中自动提取出有关特定疾病和部位的有用信息，对于医学科研及临床工作具有重要意义。
同时，如何利用这些信息来实现对医学图像的智能化检索，也是医学图像处理领域的一个热点问题。
二、研究目的本课题的研究目的是探索一种基于模糊特征的医学图像自动特征提取与检索方法。
具体来说，将研究如何利用图像处理技术和机器学习算法，从医学图像中自动提取出具有代表性的特征，进而实现针对特定疾病和部位的图像智能检索。
三、研究内容和方法本课题的主要研究内容和方法如下：1. 医学图像特征提取方法的研究。
将探索基于深度学习的特征提取方法，如卷积神经网络（CNN）等，并使其与模糊特征相结合，提高特征的鲁棒性和可靠性。
2. 基于模糊特征的医学图像检索方法的研究。
将探索如何利用模糊数学理论中的模糊度量和模糊匹配方法，实现医学图像的智能化检索。
3. 医学图像数据集的构建。
将从公开的医学图像数据库中选取一些代表性的数据集，用于验证所提出方法的有效性和可行性。
四、研究意义本课题的研究成果将可以对医学图像处理领域的相关研究提供一定的参考和借鉴，同时也将为医学科研和临床工作带来实际的应用价值。
其主要意义如下：1. 针对医学图像特征提取问题，提出了一种基于深度学习和模糊特征相结合的特征提取方法，可以提高特征的鲁棒性和可靠性。
2. 针对医学图像检索问题，提出了一种基于模糊数学理论的医学图像检索方法，能够实现对医学图像的智能化检索。
3. 对医学科研和临床工作具有一定的应用价值，提升医学诊断效率和准确度。
五、研究计划和进度安排本研究计划分为以下几个阶段：1. 阶段一：文献调研和数据收集。
基于内容的图像检索技术综述
矩阵 分析法 、马 尔可夫分 析法 、多 Ｒ鹰 向回 ９ １ＭＲＳＡ Ｒ 模型以及 遗传算法 等。 － Ｔ ｍｕ ａ等从人类感知心理 学的角度提 出 ａ ｒ （Ｉ）基 于颜 色特 征 的检 索 纹理的 ６种视觉特性 ：粗纹度、对比 度、 颜色特 征是 图像最 直观而 叫 硅的特 征，一 啦采 用直方 图来描述 。颜 色直 方 方向性 线性 度 ，规则 度和粗糙 度。 该 纹理特 征表示 具有 实际 的视觉意 义 ，可 圈是 表示 图像 中颜 色 ＂巾 的 一种 方法 以 为 图像检 索提 供更 好的 用 户交 互性 。 它的横轴 表示 颜 色等缎 ．纵轴表 示扯 某 同时 ，南于 纹理 很少 能提 供 语义 信息 ， 个颤色等级 上具有该颜 色的溆素在 整幅 描述 比较 困难 。因此通 常作 为检索过 程 图像 中所 占的比侧 ，直方 图颜 邑空 间巾 的 辅助 手 殴或 者和其 他特 征 结合 使 用 的每一个刻度表示了颜色空 间中的一种颜 冉 对纹理的榆索都采用示例查询（ ｅｙ 殳 ｑｕ ｒ 色 。采用直 方图 计算圈像 问的 十 似性 比 日 Ｂ ｘ ｍＩ ） ｙ Ｅ ａ Ｊ 方式。用户给 出示例的垒部 ｌ ｅ 较简 单 ，但 它不能 反映 图像中 对象的 空 或部 甜区域 特 征 ，从而 找到 类 似图 像 间特 征 直方 图交叉的丰 似性 度量最 早 目 是 由 Ｓ ｉ 和 Ｂａｌｄ 于 １ ９ 年 提 出 的 ， ｗａｎ ｌ ａ ９１ 另外 为 丁缩 小纹理 的查找范 围 ，还可 所有的基于直方图的｛ 似性度量都是基于 以考察纹 理的 颜 色特 征， 以便把检 索空 目 间缩 小刊 某个 颜色范 围。 选种 概念 的 ，改进的 度量 包括 直 方圈的 （ ４）基于图像 的语 义特征的 检索 累加 测量 ，以 致在 直方圈的 相似性 度盛 现行的商用系统通常采用关系型数据 时加八窀 间位置信息和基于区域的颜 邑查 库 ，这些 系统 巾图 像的属性 包括 图像来 询。颜 色的检索 一般 应用于 色彩较 为丰 源 拍摄时 间和地 点、蝶 介类 型，分辨 富 的 自然 圈最的检 索中 。 率 、输 八设 备、压缩 方式 以及与 图片相 （ ｝ 基 于 形 状 特 征 的 检 索 ！ 和颜 色 纹 理相 比 形状特 征 显得 关的注 释信息 ，注 释信息 对于 用户来说 是非 常 自然 的描述 ，这些特 征 都属于 图 更 为直观 ．ｆ 且便 于 交互描 述 。 同时 ． 像的 语 义特征 。 般 的 图 豫 ，很 少 是 单颜 色 或 单纹 理 目前图像检索的 主要障碍是难以描述 的 ，昕以 用颜 色或纹 理进 行描 述时 ．往 斟像 的语 义信息 ，在此 背景 Ｆ提出 了一 往需 要甜匠域 ，这就 必然 要求颜 色或纹 种根据相关图像的语义和图像之间的语丑 理特 征与 形状 特征相 结合 。所 以形状特 关 系．反映 Ｉ的 图像语 义的方 法。 围像 ｇ ｌ 征庄 图像 检索过程 中显得十分 必要 之间的语 义关 系通过语 义链表 示， 多种 采用 眩特征进行检索时 ，Ｊ 通过勾 ｆ ＝ ｊ 类 型的语 殳链构 成基于语 义链 的图像 网 勒圈像的形状 或轮 廓．从圈缴库中检索出 二 形状粪似的图像；基 ］此特征的检索方法 络 。基 ］语 义链 的推理 规则主要 用干辅 二 助 智能 图像检索 ，基 于语义的 图像检 索 有两种：１分割 图像经过边缘提取后 ， ） 得到 方法 和传统方 法相比具 有以下特点 ： 目标图像的轮廓线．针对这种轮廓线进行 １】检索 结果 不是孤立 的图像列 表． 的形状特 捡素。２ 直接针对图形寻找适 ） 而 是基于语 义的相 关图像或 图像碎片的聚 当的矢量特征 用于检索算法 但处理这种 合 ｛ 结构化枪索更为复杂． 需做 更多的预处理 。 ２ ）用ｐ可以根据 语义链确定的路径 【 ３ １基干 纹理特征的检索 湖 览图 像 ，并进 行推 理 。 纹理是 所有事 物表 面固有 的 一种特 现阶段 ，基千语义的 Ｗｅ ｂ图像检索 性 ，也是 图像检索 中一 个重要 而 叉难以 方法已经在情启 网格和知识网格 平台得到 ， 描述 的特 性。 图像可 以看成是 同纹理 实现 ，正 交的语义空 间进 一步提 高 ｒ翻 区域的组 合 ．纹 理通 常定 义为 图像 的 某 像检 索的效果 和智能 性。 种局部性 质 ，或是对 局部 域 中像素之 间关 系的一种 度量 。纹理 特征可 阳来 甜 图像中的空间信息进行 一定程度的定量描 下转 摹 １ ６ 页 ２ 述。纹 理统计特 征分 析方 法主要有 共生 图像帻索 。
基于内容的图像检索技术综述
摘要：简要介绍亍无线局域网的相关技术，分析了现阶段无线局域网面临的主要安
全问题，并有针对性地提出了相应的安全保障措施。
关键词：无线局域网；网络安全技术；ＩＥＥＥ ８０２．１ｌ
中图分类号：７ｒＰ３９３．０８
文献标识码：Ａ
ｌ 无线局域网络简介
信号的军盖范围，使ｗＬＡＮ移动性得到极大提高。
１．１无线局域网络的概念
等优点，冈此发展迅速。但由于无线局域网是基于空间进行传
达到随时随地接人局域网络的境界。
பைடு நூலகம்
播，因此传播方式具有开放性，这使无线局域网的安全设计方案
摘要：介绍了基于内容图像检索系统的基本组成，以及颜色、纹理、形状、多特征综合 等主要的图像特征提取方法，并根据查准率、查全率进行了评价。
关键词：图像检索；查准率；查全率
中图分类号：Ｇ２５２．７，
文献标识码：Ａ
有关图像检索的研究是从２０世纪７０年代开始的，主要是 幅标准样例图像来进行特ｆｉＦ提取，然后由系统在特征库中查找
６６１．
科技情报开发与经济
ＳＣＩ－ＴＥＣＨ ＩＮＦＯＲＭＡＴＩＯＮ ＤＥＶＥＬＯＰＭＥＮＴ＆ＥＣＯＮＯＭＹ
２００９年第１９卷第２８期
文章编号：１００５－６０３３（２００９）３．￥－０１０１－－０２
收稿日期：２００９—０７—１５
无线局域网应用安全的研究
刘云峰
（山两工程职业技术学院．山西太原，０３００００）
（４）颜色相关图（ＣｏｌｏｒＣｏｒｒｅｌｏｇｒａｍ）。颜色相关网反映了不同 颜色对，即像素对之间的空间相关性，也可简化为相同颜色的像 素间的空间关系。其主要是用像素对相对于距离的分布来表达 图像信息，其特征范围相对较小，计算简便，检索效果比颜色直 方图和颜色聚合向量更好。 １．２纹理特征
基于内容图像检索的关键技术研究
９ 年代初期 ，随着大规模数 字图像 ０
库 的出 现 ，上述 的 问题 变 得 越 来 越 严 重 。为了克服 这些 问题 ，基 于内容 的图 像 检索 技 术 （ｏ ｔｎ－ ａｅ ｍａ ｅｒ— ｃ ｎｅ ｔ ｂ ｓｄｉ ｇ ｅ
维普资讯
印 前 技 术
蝴黼 媾 蠢黜黼黼黼 糍 骥戮黼黼 嚣
技术专栏
刚 虎
随 萎 釜 茎
图像 正 以惊 人 的速 度 增长 。这 些 数 字 图像 中 包含 了大 量 的 有 用信 息 。这 就 要 求 有 一 种能 快 速 而 准确 地 查 找 访 问 图像 的技 术 ，也就 是 所谓 的 图像 检 索 技术。 自 ２ ０世 纪 ７ ０年 代 以 来 ，在 数
一
应该认 识 到 ，基 于内容 的图像检 索
系统 具有与传统 基于文 本 的检 索 系统 完
全 不同 的构架 。首先 ，由于 图像 依赖 其
视觉特 征而非文 本描述进 行索 引 ，查 询 将根据 图像视觉 特征 的相似度进 行 。用 户通过 选择具有 代表性 的一幅或 多幅 图 例来构 造查询 ，然后 由系统查找 与 图例 在视觉 内容 上比较相似 的图像 ，按相 似
研 究领 域 中的许 多技术 发展起 来 ，一大
以追 溯 到 ２ 纪 ７ 代 末 期 。 当时 ０世 ０年
流 行 的 图像 检 索 系 统 是将 图像 作 为 数
批研 究性 的或 商用 的图像 检 索系统被 建 立起 来 。这个领 域 的发 展主要 归功 于计 算机视觉技术 的进 步。
人 工 智能 技 术都 无法 自动 对 图 像 进行 标 注 ，而 必 须 依赖 人工 对 图像 做 出标
基于内容的图像检索技术
索 引 、 览 ， 索 和 提 取 ． 且 这 种 工 作 是 直 接根 据 图像 的 内容 浏 搜 而 含义 而 展 开和 进 行 的 。如 今 ， 图像 检 索 技 术 已广 泛 应 川 于 事 、 信息安全、 媒体 、 医学等各个领域 。 １ 图像 检 索 的 关键 技 术 ， 图像 检 索 的关 键技 术 包 括 ： 图像 特 征 的提 取 、 于 特 征 的相 基 似 性 计 算 、 关 反馈 以及 图像 语 义 的获 取 ． 涉 及 到 机 器 视 觉 、 相 它 模式识别、 数据库技术 以及信息检索等学科。 １ 特 征 选择 及 相 似性 计 算 、 １ 图像 检 索 中 ． 常 以 图像 特 征 的相 似 性 为检 索 依 据 ， 中低 通 其 层特 征 主要 包 括 图像 颜 色 、 理 、 状 与 结 构 布 局 等 ． 些 特 纹 形 这 的提 取 、表达 以及 相似 性 计 算 虽 比较容 易 ．但 对 于查 询 川 户来 说 ． 仅 难 以理 解 ， 使 用 起 来 也 不 直 观 ： 从 低 层 特征 中 提 取 不 且 而 阿像 的 语 义描 述 ． 基 于语 义相 似 来 查 询 同像 ． 可 以 直接 表达 再 则 对 于 网 像 的视 觉 感知 ． 也更 符 合 人 们 的 习惯 和 要 求 ． 语 义特 但 的计 算 与 匹配 非 常 复杂 ． 于各 方 面 技 术 的限 制 ， 义 检 索 仍 处 由 语 于探 索 阶 段 ． 因此 日前仅 限 于简 单语 义 ． 图 像 类 别或 基 类 别 如 知识 的 目标检 索 的研 究 ． ． １ ． 颜 色 ，１ １ 颜 色特征 是 图像 检 索 中应 用 最 广泛 的一 类 视觉 特 征 ． 冈为 其 对 于 复 杂背 景 、 图像 大小 与方 位 等具 有 较 好 鲁棒 性 。 提取 图像 的颜 色 特 征 ． 首先 要 选 择 颜 色 空 间 。 由 于 Ｒ Ｂ颜 色空 问表 示 法 Ｇ 记 录 了 图 像本 质上 的颜 色 特 性 ．且 其 直接 与人 眼 的输 入 通 道 相 匹 配 ． 此 当不 考 虑外 界 因 索的 影 响时 ． 因 是一 种 很 好 的选 掸 。 由于颜 色对 图像 或 图 像 区 域 的方 向 、 小 等变 化 不 敏 感 ， 以颜 大 所 色特征不能很好地捕捉图像中对象的局部特征 另外 ． 仪使用颜 色 特 征查 询时 ． 果数 据库 很 大 ． 如 常会 将 许 多 不 需要 的 图像 也 检 索 出来。… 颜 色 直方 图是 应用 最 多 的颜 色特 征表 示 法 ．其相 似 性 度量 方 法 主要 有 Ｓ ａ ｅ 提 出 的 直方 图交 叉法 ． ａ ｅ ｗ ｉ－ ｎ１ 等 Ｈ ｆ ＃提 出 的 Ｌ 关 ｎ 系矩 阵 法 以及 Ｓ ｉｋ 幔 出 的 累加 直方 图方 法 ｔｃｅ４ ｒ 颜 色 直 方 图 的优 点 是 不 受 图像 旋 转 和 平 移 变 化 的 影 响 ． 进 步 借 助 归一 化 还可 不 受 图像 尺 度 变 化 的影 响 ．其 缺 点 是 没有
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于内容的模糊图像检索技术研究
摘要：在本文中，提出了一种模糊图箱数据模型和模糊空间的概念，给出了模糊相似性度量方法，描述了一个模糊空间中的检索过程。
关键词：基于内容模糊检索匹配数据模型
1．模糊检索的基本概念
模糊检索即根据检索对象的模糊特征来查找所需内容。
在传统的信息检索领域，最流行的查询是：精确的查询条件和与满足查询条件的结果。
而在实际使用中，有许多查询条件不能精确定义，查询结果却是一组与查询条件近似匹配的对象。
其中包含了模糊概念，这就是模糊查询。
因此，在模糊查询中，查询条件是不确切的，查询结果是近似的。
2．模糊数据库模型
关系模型是传统数据库使用最多的数据模型。
显然，传统关系模型难以适应基于内容的图像数据库的模糊查询。
为适应基于内容的图像检索，同时最大限度的利用关系数据库的优点，我们对关系模型的概念进行了
扩展。
其数据结构是一张由基本属性和超属性组成的二维表，即超关系构成。
3．模糊查询过程
模糊查询就是根据模糊特征来查找所需内容，由于检索中查询要求往往是根据人的主观性所决定。
因此很大程度上带有模糊性，我们用图1所示的查询体系结构来说明具有模糊特征的基于内容检索的基本方法。
3.1模糊查询接口
3.2模糊相似性度量
模糊相似性度量是实现模糊相似匹配的核心，常用模糊相似距离来作为检查模糊查询向量和模糊图像向量之间的相似性的度量标准。
为讨论方便，我们以模糊年龄的相似性度量为例，来定义模糊查询向量Q j,j=1,2,…,q和模糊图像向量B j,j=1,2,…,q之间的相似性度量。
Q j, B j是相同的模糊空间里的模糊子集（这里我们已经省略了上标）。
我们在多维模糊空间中对Q和B之间的距离dis定义为：
card(A)表示模糊集的基数，定义为：
4. 结束语
模糊查询与基于内容的图像检索有着密切的联系。
本文提出了一种模糊图像数据模型和模糊空间的概念，该模型将可视特征、空间特征、语义特征看作超属性，既充分利用了传统关系数据库的优点，同时又考虑了图像数据以及模糊查询的特点，能对图像特征进行操作，文中提出的模糊空间和模糊相似性度量方法能支持基于模糊特征的图像查询，较好地体现用户图像查询的应用需求。
模糊查询接口是用户输入模糊查询条件的人—机交互接口。
模糊特征的描述实际上往往由用户的主观性所决定，对于图像纹理，习惯于用“很粗”、“中等”、“弱”这样的一些模糊概念来描述；形状一般用“几何形的”、“立体形的”或“似长方形的”、“正方形的”等概念描述；颜色特征通常用“很艳”、“一般”、“暗淡”或“大红”、“紫红”、“红”这样的模糊概念来描述。
系统将复杂的多维特征经过模糊分类简化为有限的几个特征集上，数字化表示成模糊特征向量（Q j i,j=1,…,Mi,i=1,…,q）。
要使用户模糊查询描述更精确，还需进行模糊特征的调整。
当用户用模糊概念输入特征，计算机通过用相似性计算公式求得库中一些与用户输入特征相近的对象，返回给用户，然后由用户从这组相似对象中选择一个对象作为目标对象，并用模糊术语(如“更窄”、“更暗”等
调整参考对象的每个特征，这些模糊术语又被转化为一定的数值，经过相似性匹配求出更相似的对象。
假设调整后的特征值为则调整可用如下公式表示:
=+
其中, 是特征的当前值; 是特征调整后的值;是特征的标准误差;
是由用户指定的改变映射成特征的结果(如“更窄”“更宽”等模糊术语)。
查询模块经过过滤操作得到更相似的对象组，用户再次选择直至找到要查询的对象。