语义图像检索研究进展
基于语义的中药图像检索技术的研究
表 １ 语 义 图像 分 类 结 果
到中药 图像 的类 别从 而 知道 了该 中药 图像 所显 示
的 中药 内容 ， 即此 幅图像 的语 义 ， 样 就可 以推断 这 这 幅 图像 的语义 内容 ． 如 ： 例 通过 对一 幅 中药 图 像 分析 ， 就可 以统计 出此 药 物 的所 属类 别 ， 特点 其 是 以什 么为 主． 中医药 的数 字化提 供基础 ． 为
｛ 收 稿 日期 ：０ １ ＿７ ２ １ ４ｏ
作者简介： 翟广字（ ９ ８） 男 ， 】７ 一 ， 山东 淄博人 ， 讲师 ， 硕士生
第 ３期
翟 广 宇 等 ： 于 语义 的 中药 图像 检 索 技 术 的研 究 基
・ ３・ ４
物的一片 叶子 ， 些 中药 图像 中需 要 对 中药 的特 有
ｉ ：１ － Ｅ ＝１ Ｊ
函数 Ｈ用于计 算帧 中像素点 的色调 值 ．
经过 预处 理 阶 段 提 取 出的 完 整 图像 ， 以在 可
判 决 函数 为 ：
）＝ｓ ［ ｉＫ ｘ ） ｂ】 （ ） ｇ ∑ｏ （ ， ＋ 。． １ ｎ ｌ ｙ ０
Ｓ Ｍ最 初 是 为 ２类 分 类 问题设 计 的 ， 以需 Ｖ 所
高级 语义 层 对 中 药种 类 信 息 进 行 规 约 ． 同 的 中 不
药种 类具有不 同的外形 特 征 、 色特 征 、 置 特征 颜 位 等语 义特 征差 异 ． 采用 领 域 知 识 规 则 介 入 分 类 特
要 的 ｋ ｋ一１ ／ 分类 器 ， 中 ｋ为 类别 数． （ ） ２个 其 每一 个 Ｓ Ｍ 分类 器 以元 分类 器 形式 存 在 ， 练 时将 所 Ｖ 训 有 的其 它类别 作为 反例去训 练支持 向量机 ＿ ． ４ Ｊ
基于内容的图像检索研究进展
对颜色 进行检 索主 要从图像 颜 色分 布 、 互关 系 、 成 出发 ， 相 组 主要 是利用 颜色 空 间 直方 图 进 行 匹配 。常 见 的颜 色 坐标 空 间有
低 效和二 义性 。总之 ， 基于 内容的 图像 检 索技 术融 合 了图 像 理解 技术， 从而 可 以提供 更加有 效的检 索途径 。 基于 内容 的图像 检 索 的发 展 过 程 可 以 用表 １ 表 示 Ｊ ０ 来 。２ 世纪 ７ 年代 主要 研究 图像 文 件 的管 理 ；０ 纪 ７ ０ ２世 ０年 代 到 ８ ０年 代 是采 用关键 词等 描述 方法为 主 ， 同时 出现 了面 向特 定应 用 领 域 的小规模 的图 像数 据库 系统 ：０世纪 ９ 年 代 以后 ， ２ ０ 人们 转 向研 究 面向网 络环 境 的支 持 基 于 内容 检 索 的 大 规 模 图 像 数 据 库 系 统 ；
维普资讯
基 于 内容 的 图像 检 索研 究进 展
＊
Ｒｅ ｅ ｒ ｈ ｏ ｖ ｌ ｐ ｅ ｔ ｏ ｎｔ ｎｔ —ｂ ｓ ｄ Ｉ ａ ｅ Ｒｅ ｒ ｅ ａ ｓ ａ ｃ ｎ Ｄｅ ｅ ｏ ｍ ｎ ｆ Ｃｏ ｅ — ａ ｅ ｍ ｇ ｔ ｉ ｖ ｌ
２０ ０ ０年以后 ， 则进入 到标 准化发 展阶段 。
衰 １ ＣＩ Ｂ Ｒ的 研 究 阶 段
ｌ Ｃ Ｉ Ｂ Ｒ概 述
图像检 索的 传统 方 法 是 基于 文 本 的。 使用 关 键字 注释 是 最 易常 用的 方法 ， 对图像 的检 索变 成了 对关 键字 的 查找 。这种 方 法
量环 境下多 媒体 信息库 的检 索要求 。
为了克 服基 于文本 方法 的局 限性 ， ０ 纪 ９ ２世 ０年 代 出现 了 基 于 内容的 图像 检 索 （ ｏ ｔ ｔ ａ ｄ Ｉ ａｅＲ ｔ ｅａ， 称 Ｃ Ｉ ） Ｃ ｎｅ —ｂｓ ｍ ｇ ｅ ｉ ｌ简 ｎ ｅ ｒｖ ＢＲ 。
图像检索研究进展
。
图像检索是多媒体信息检索的一个重要组 成部分 ， 同时
本描述是一种定性 的描述 ， 描述 能力有 限。图像 中则往往 含
有 大 量 需 要 定 量 描述 的信 息 ， 且 许 多 图 像 的 特 征 难 以用 文 而 本描述表达。同时， 本 描述还 具有一 定 的主观性 ， 文 由于 图 像 内容 的丰 富性 以及 不 同 人 理 解 和 兴 趣 的差 异 ， 致 内容 描 导 述 具 有 很 大 的 主 观 性 ， 此 ， 于 文 本 的 图像 检 索 有 时 会 产 因 基 生歧义 。
维普资讯
第 ８卷 第 ２期 ２０ ０ ８年 ６月
南 京 工 业 职 业 技 术 学 院 学 报
Ｊｕｎｌ ｆ ａｊ ｇＩｓ ｔ ｅｏ ｄ ｓｙＴ ｃｎｌｇ ｏ ｒａ ｏ Ｎ ｎ ｎ ｔｕ ｆ ｎ ｕｔ ｅｈ ｏ ｙ ｉ ｎ ｉｔ Ｉ ｒ ｏ
进展 。
（ ）文本描述难 以实现基 于 图像 视觉特 征 的相 似性检 ２
索 。基于文本 的图像检索方 法， 本质上就是 计算检索请求条
件与媒体文本描述之间的相似度 ， 这就涉及 到 目前尚未解决 的 自然语言理解 问题 ， 尽管 目前实现的 系统 中主要采用 同义 词词典来使 问题得 到简化 ， 但是 ， 同时 也使检 索的表 达能力
２ ２ 基 于 内容 的 图像 检 索 ．
由于图像数据规模不断膨胀 ， 为了克服基于文本 的图像
检 索方 法 的 局 限 性 ， 出 了 基 于 内 容 的 图 像 检 索 技 术 （ ｏ— 提 Ｃｎ ｔｎ ＢｓｄＩ ａｅＲ ｔｅａ， ＢＲ ， 种 技 术 融 合 了图 像 理 解 ｅｔ ａｅ ｍ ｇ ｅｒｖｌＣ Ｉ ） 这 ｉ 技 术 ， 而 可 以有 效 提 高 检索 效 果 。 从
图像检索技术研究进展
２ １ 早期 的 Ｔ Ｉ ． ＢＲ
早在 ２ 纪 ７ Ｏ世 Ｏ年代 ，各 国 的科研 人 员 就开 始 研究 如何 有效 的管 理 图像 数 据 ，当时采 用 的技术 主
要是 基 于文 本 的 图像 检 索 技 术 （ ＢＲ，ｔ ｔ ａｅ Ｔ Ｉ ｅ —ｂｓｄ ｘ ｉ ａｅｒ ｒ ｖ１，是 指 利 用 手 工 输 人 文 本 的 方 式 为 ｍ ｇ ｔｅａ） ｅｉ
文献标识码 ：Ａ
文章编号 ：１０ —０５ （０７ ４ ０５ ３ ０ １ ０Ｘ ２ ０ ）０ —０２ —０
Ｄ ｖｌｐ ｎ ｆｍａｅＲ ｔｉ ａ Ｔ ｃｎｑ ｅ／ ｕＱ ａ ， ｎ ｉｏｇ ＱｕＺ ａｗ ｎ （ ｏｈａｔ ｏｅ ｒ Ｕ ｉ ｒｔ， ａ— ｅｅ ｍｅｔ ｇ ｅ ｅ ｌ ｅｈ ｉ ｓＨ ｕｎ ＷａｇＮｈｎ ， ｉ ｈｏ ｅ Ｎ ｒ ｅｓ Ｆｒ ｔ ｎｖ ｓｙ Ｈ ｒ ｏ ｏＩ ｒｖ ｕ ｔ ｓｙ ｅｉ
（ 北 林 业 大 学 ，哈 尔滨 东 １０４ ） ５００
摘
要 ：对图像检 索技 术的发展 进行 了深入地 分析 ，详 细论述 了每 个阶段 的技 术特 点，介 绍 了现 有的各 种
图像检 索技 术 ，包括基 于文本 的图像检 索、基 于 内容 的图像检 索和基 于语义 的 图像检 索 ，指 出 了 目前研 究 中存
１ 引 言
关键 字 的工作量 过 大 ，标 识海 量 图像数 据 的关 键字
是 不切 实 际 的 ，而且 手工 标识 不可 避免 地会 带有个
近几 年 图像搜 索是 增长 速度 最快 的分类 搜 索应 用 ，全球 几 大 搜 索 引 擎 的 图像 搜 索 次 数 均 成 倍 增 长 。 因此 图像 检索 技术成 为 国内外 研究 的热点 ，也 成为 未来 信息 高速公 路 、数字 图书 馆等 重大 项 目中
基于色彩统计信息的图像语义检索模型的研究
２ 基于色彩统计信息 的图像语义 网检索模 型
２ １ 色彩统计信 息的 图像搜 索基础理论 ．
色彩统计 与其他 特征相 比 ， 图像本 身 的尺寸 、 向和视 角 的依赖 性 较小 ， 彩 信息 提取 也 相对 容 对 方 色
易．
Ｌ ｕｇ ｎ ｌ 及 Ｓｈ ｄ的研究工作展现了 Ｆｌｒ ａｋ 对图像分类的优越表现 ， ｅｎ ｄＭａｋ ａ ｉ ｃｍｉ ｉｅ ｂ ｓ ｔ ｎ 此后大量的研 究工作都开始利用基于 Ｆｌｒ ａｋ 的特征抽取方式来进行ｌ ； ｎｉ Ｖ ｒ 详细论述 了针对图像纹理 ｉｅ ｂｎ ｓ ｔ ２ Ｍａ ｋ ａ ｍａ
图像搜索引擎只是针对 图片进行最低层特征 的搜索， 没有跨过“ 语义鸿 沟”使底层特征上升至高层语 ，
义．
健字进行检 ｏｇ 但 ｅ
索， 而基于 色彩统计 信息 的图像语 义 检索使用 户查 询不再 是简单 的关键 词检索 ， 而是具 有 图像 语 义的推 理 和 匹配 ， 使检索 能力更 接近人 的理解 水平 ．
但是以上算法还不能满足基于图像语义的智能检索需求 ， 这也是计算机视觉、 模式识别领域的一个
难点 ．
１ ２ 基 于链接 的 图像搜 索算法 ．
图像链 接 的外 部 资源 主要 有 图像 周 围的 文字 、 图像 相关 度 、 图像 的 替换 文 本 （ｌ ｒ ｔ ｅｔ、 ａｅｍａｅｔｘ） 图像 ｔ
收 稿 日期 ：０ ０ １ ５ ２ １ —０ —０
通讯作者 ： 李文敬 （９ ４ ） 男（ １６ 一 ， 壮族 ）广西 邕宁人 ， ， 教授 ， 硕士生导师 ， 主要 研究 并行 计算 与 Ｐ ｔ 网技术 ｅｒ ｉ
‘
５ ４‘
广 西 师 范 学 院 学 报 ： 然 科 学 版 自
图像识别在语言学研究的贡献
图像识别在语言学研究的贡献在当今数字化和信息化的时代，各种技术的发展为不同学科领域带来了新的机遇和突破。
图像识别技术，作为一项在计算机视觉领域取得显著成就的技术，其应用范围也逐渐拓展到了语言学研究中。
它为语言学这一古老而又充满活力的学科注入了新的活力，带来了诸多独特而有价值的贡献。
一、图像识别助力语言习得对于儿童和成人的语言学习过程来说，图像一直都发挥着重要的辅助作用。
图像识别技术的出现，使得这种辅助作用得到了极大的增强。
通过识别图像中的各种元素，语言学习者能够更直观地理解和关联对应的词汇和概念。
例如，在学习外语时，图像识别软件可以对教材中的图片进行快速识别和分析，然后提供准确的词汇、发音和语法解释。
这种即时的反馈和生动的展示方式，相较于传统的文字解释，更能激发学习者的兴趣和记忆。
对于儿童来说，图像识别技术可以将绘本中的图像转化为有声的故事，帮助他们在早期建立起语言与世界的联系。
此外，图像识别还能够为语言学习软件提供个性化的学习内容。
根据学习者对不同类型图像的反应和理解程度，系统可以调整学习材料的难度和重点，实现更加精准和有效的学习路径。
二、图像识别辅助语言翻译在全球化的背景下，语言翻译的需求日益增长。
图像识别在这一领域也发挥了重要作用。
当我们身处异国他乡，面对不熟悉的文字标识或菜单时，图像识别技术可以快速将这些文字转换为我们熟悉的语言。
通过拍摄图片，软件能够识别并翻译其中的文字，为旅行者和商务人士提供了极大的便利。
在专业的翻译工作中，图像识别技术可以辅助翻译人员处理包含大量图形和文字的文档。
例如，对于包含图表和注释的技术手册，图像识别能够准确提取文字信息，减少翻译人员的重复劳动，提高翻译效率和准确性。
而且，图像识别技术还可以结合语境和图像内容进行更准确的翻译。
例如，在翻译一幅包含特定场景的图片时，系统可以根据图像中的元素和整体氛围，选择更合适的词汇和表达方式，避免翻译中的歧义。
三、图像识别促进多语言文化交流语言是文化的重要载体，而图像往往能够跨越语言和文化的障碍。
基于内容语义的医学图像检索综述
基于内容语义的医学图像检索综述随着医学影像技术的不断发展，医学图像已经成为诊断和治疗的重要工具。
随着医学图像数据的不断增加，如何高效、快速地检索所需的医学图像数据成为了一个挑战。
基于内容语义的医学图像检索技术应运而生，它能够从海量的医学影像数据库中准确地检索出符合特定需求的医学图像，为医生和研究人员提供了巨大的帮助。
本综述将从基本概念、研究现状和发展趋势三个方面展开对基于内容语义的医学图像检索进行综述，旨在为该领域的研究和应用提供一份全面的概述和指南。
一、基本概念1.1 医学图像检索的定义基于内容语义的医学图像检索是指利用计算机视觉、模式识别和人工智能等技术，对医学图像进行特征提取、语义理解和相似度计算，实现对医学图像内容的自动分析和理解，从而实现对医学图像的精确检索和相关性排序。
二、研究现状2.1 基于内容语义的医学图像特征提取在基于内容语义的医学图像检索中，特征提取是一个关键的步骤。
传统的医学图像特征提取方法包括形状特征、纹理特征和灰度共生矩阵等。
近年来，随着深度学习技术的快速发展，深度卷积神经网络（CNN）已经成为医学图像特征提取的主流方法，它能够自动学习到医学图像的高级语义特征，提高了医学图像检索的准确性和效率。
医学图像中包含丰富的语义信息，例如病变的位置、形状、大小等。
基于内容语义的医学图像检索需要对这些语义信息进行理解和表达。
目前，常用的医学图像语义理解方法包括基于规则的方法、基于监督学习的方法和基于深度学习的方法。
这些方法能够有效地提取出医学图像中的语义信息，为医学图像的检索和分析提供了有力的支持。
三、发展趋势随着医学影像技术的不断发展，多模态医学图像（如MRI、CT、PET等）的应用越来越广泛。
如何实现对多模态医学图像的联合检索成为了一个新的研究方向。
未来，基于内容语义的医学图像检索技术将不仅局限于单一模态的医学图像，还将面向多模态医学图像的检索，为医生和研究人员提供更加丰富的信息支持。
基于内容的图像检索技术研究现状综述
从国内的研究来看, 主要集中在基于图像颜色的查询和基于形状 的查询。例如: 清华大学曾做过关于敦煌壁画的图像检索研究, 用壁画 的主色调来判断其绘制的年代, 并且开发了一个基于内容的图像系统 Ing Retr, 可以根据主颜色、纹理、颜色直方图、颜色分布和主题词来 对图像的内容进行描述, 并采用相似索引技术加快检索速度。中国科学 院计算机技术研究所研究的多媒体 信息 检索 系统 MIRES, 可以在 In te rne t 上按内容对图像信息或文本信息进行检索。
1 引言 图像是人们对客观世界事物的一种描述和记录, 图像所包含的信 息内容远远超出语言和文字所表达的范围。随着多媒体技术和网络技术 的迅猛发展以及数字图像的广泛应用, 数字图像的数据量迅速增大, 这 不仅需要对图像进行存储和传输, 还要对其进行处理和查询。从图像数 据库中查找自己所需的图像, 同时确保查全率和查准率的技术即为图像 检索技术, 图像检索技术是多媒体应用的关键技术。图像检索的目的就 是为了解决图像数据库与用户需求的匹配和选择问题。 2 国内外研究现状 2.1 图像检索的发展历史 20 世纪 70 年代 有关图像检索的研究 主要是借用文 本索引技 术, 即基于 文本的图像检索 技术 ( Te xt- b ase d Im ag e Re trie val, TBIR) 。 查询操作是基于图像的文本描述, 其方法是对图像文件建立关键词或文 本标题以及一些附加描述信息, 然后将图像的存储路径和图像关键词之 间建立联系, 传统的关系数据库就可以满足这样的要求, 但这种方法有 其不便的地方: 一是必须由人工完整地标注所有图像, 对于小图像集合 问题不大, 但对于无法计数的图像, 用这种方法显然不可行; 二是图像 所包含的信息量极其丰富, 不同用户对同一张图像的描述不尽相同, 导 致对图像的标注没有统一标准。90 年代以后, 出现了对图像的内容语 义 进行 分 析和 检索 的 图像 检索 技术 , 即基 于内 容 的图 像检 索 技术 ( Co nte nt- ba sed Ima ge Re trie val, CBIR) , 事先抽取图像数据库中所 有文件的特征, 用户检索的过程是提供一个目标图像, 系统抽取该目标 图像的特征, 然后同数据库中所有图像的特征进行比较, 并将与目标图 像特征相似的图像返回给用户。二者相比较, 基于内容的图像检索的速 度和效率上要求更高。 目前常用的基于内容的图像检索技术包括: 基于颜色特征的检索: 颜色特征是图像最直观而明显的特征, 一般采用直方图来描述。该方法 有特征提取和相似度计算简便的优点, 但不能反映图像中对象的空间特 征; 基于纹理特征的检索: 图像可以看成是不同纹理区域的组合。根据 纹理特征进行检索主要考虑粗糙性、方向性和对比性三种特征; 基于形 状特征的检索: 采用该特征进行检索时, 用户通过勾勒图像的形状或轮 廓, 从图像库中检出形状类似的图像。 2.2 基于内容的图像检索的研究现状 目前国外 已有不少应用于实 践环境的基于内容的图 像检索系 统, 下面介绍几个比较有代表性的系统: Virage : 由 Virag e 公司开发的基于内容的图像搜索引擎。它支持 基于颜色、颜色布局、纹理和结构的可视化查询, 支持上述四个查询的 任意权重组合。 Retrieva lW are: 是由 Excalib u 技术公司开发的基于内容图像检
- 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)。
语义图像检索研究进展
【摘要】本文探讨了基于语义图像检索相关技术，并且通过对语义图像检索技术的了解，我们讨论了语义图像检索存在的问题与其的发展方向。
本文的研究具有重要的理论价值，同时为语义图像检索的发展起到启迪的作用。
【关键词】语义；图像检索；研究；进展
一、前言
在当今社会发展不断快捷的今天，人们有时候需要快速地检索出自己需要的图像，但是现在的图像信息是巨大的，这时候我们就需要某项技术能够帮助人们更快的找到我们需要的图像，基于语义的图像检索技术就是检索图像的方式之一，相信通过对其的研究能够达到更好的图像检索效果。
二、基于语义图像检索相关技术
1、图像语义模型
由于人们对图像内容的理解有着不同的层次，有人从图像的颜色去理解，有人从图像的对象去理解，也有人从图像所表现出来的行为去理解，也就是说图像的语义是具有不同层次的。
王惠锋、孙正兴在他们的文章中给出了一个图像语义层次模型所示。
他们把图像的语义定义为六个层次，从上到下依次为，特征语义，是指图像低层物理特征(颜色、形状、纹理)及其之间的相互组合，如蓝色的天空、红色的太阳；对象语义，是指图像当中出现的具有一定意义的对象，如一条狗、一座山；空间关系语义，是指图像各个对象之间的空间关系，如人旁边有条狗，狗旁边有只猫；场景语义，是指所有图像中对象所在的背景环境，如学校、森林；行为语义，是指图像内容所表现出的某种行为。
2、图像语义表示
如何描述图像的语义对语义的提取以及检索的效率有着十分重要的影响。
语义的表示不仅要把图像的内容准确而客观的描述出来，对不同的内容有着不同的抽象，而且表示形式应当尽量简单、直观，同时考虑不同用户的不同需求。
目前图像语义的表示方法大概有以下几种。
（1）文本形式。
文本形式是最简单，也是最直观的图像语义表示方法。
它是用关键字对整幅图像或图像的区域进行注解，另外还可以利用WordNet[26]将关键字之间的语义关系联系起来，而且它具有一定地同义词解析以及模糊匹配的能力。
目前大多数的图像检索系统都是采用这种方法来表示图像语义的，比如IRIS 系统。
但其不足之处也相当明显，它对具有复杂丰富内容的图像显得无能为力，而且自动获取这些关键字也存在着相当大的困难。
（2）知识表示方法。
它是基于人工智能中的一些知识表示方法，如语义网
络、框架、数理逻辑以及基于Agent 表示等。
近年来，研究人员提出了采用模糊布尔模型和概率布尔模型。
3、图像语义的提取方法
语义提取的最终目标是要将图像库中的每一幅图像用一定的语义表示。
目前对图像语义的提取主要包括3个关键的处理过程:图像的视觉特征提取、图像中对象的识别以及基于域知识的推理。
图像检索中的语义内容提取算法可以分成三大类:根据图像的底层特征直接自动提取语义内容、建立基于关键字的语义网络、基于语义向量的方法。
（1）底层视觉特征到高层语义的直接映射
图像的语义通常在一个高层次上描述图像内容，无论提取到的底层特征是什么，都很难用这些特征直接推导出语义。
因此，现已提出的图像语义的提取方法多侧重于将底层的视觉特征直接映射到高层语义。
即系统提取图像底层特征，而用户加人高层知识，通过采用语义分类技术，从底层特征中不断地分类学习从而获得高层语义阅。
大多数情况下，获取图像高层语义都需要使用机器学习技术，通过有监督和无监督的学习将图像归并到某种语义类，在一定程度上获得图像的语义标注信息。
①图像的分类
由于语义相关的图像具有相似的可视特征，使得根据提取的底层特征对图像进行语义分类成为可能。
有监督的分类方法首先通过学习、训练事先给定的经过语义标注的一组样本图像，获得图像语义分类器，然后利用分离器将未标注或未归类的图像归并到某一语义类，即可获取图像的语义信息。
②图像的聚类
图像聚类是典型的无监督学习技术，它的原理是将图像集分组为多个聚类，使得位于同一聚类内的图像相似度尽可能大，而位于不同聚类的图像的相似度尽可能小，然后利用统计方法为每个聚类添加一个类标签，以获得各个图像聚类中的语义信息。
图像聚类最常用的技术是传统的k一means聚类及其变形。
（2）基于关健字的语义网络
语义网络由一组与图像库中图像链接的关键字表示，并为每个链接赋予权值W，表示此关键字与图像的相关程度。
一幅图像可以对应多个关键字，一个关键字也可以对应多幅图像。
首先通过对图像库中的一部分图像进行手工标注关键字，建立初始语义网
络。
然后对语义网络进行训练，通过相关反馈技术来完善语义网络。
随着检索次数的增多，关键字的个数也会增多，关键字与图像的链接也会增多，并利用相关反馈信息自动调整权值使关键字与图像间的相关程度更加符合实际情况，语义网络会越来越充实高效。
3、图像相似性测度
图像相似性测度是指以量化的方式来衡量两幅图像之间的相似程度，图像检索的最终目的就是寻找图像库中与查询目标相似图像的过程，因此，选择一个合适的相似性测度标准对图像的检索效果有很大的影响。
一般来说，不同类型的特征应该采用不同的相似性测度准则，需根据具体情况进行选择，所以可以把相似性测度标准粗略的划分为两类，即基于低层特征的相似性测度和基于语义的相似性测度。
三、存在的问题和研究方向
基于内容的图像检索(CBIR)系统的目标是能最大限度地减小图像简单视觉特征和用户检索丰富语义之间的鸿沟。
从前面的讨论中可以看到:解决图像检索的“语义鸿沟”，还需要很多方面的研究取得突破，主要体现在下面几个方面:图像对象建模和识别、语义抽取规则，用户检索模型和统一的性能评价标准。
当然，图像语义的研究必须考虑人对图像的理解机制，这就要涉及到心理学和人的视觉认知模型。
1、图像中的对象识别
对象建模和识别是实施图像语义处理的基础和核心问题。
理想状态下，应该先建立对象的三维模型，然后根据模型的不同视角，与分割良好的图像中的对象区域来进行匹配。
但由于现实对象的多样性，即使是同一物件对象，在不同的视角、光照、距离、背景等情况下获得的图像，其形状、大小、纹理及颜色等视觉特征都会有不同程度的变化，因此存在很大的困难。
2、语义抽取规则
从图像中提取语义信息，实际上是利用先验知识将低层视觉特征映射到高层语义。
上面提到的IRIS系统，就使用了一个复杂的外部知识库，然后基于知识库中的规则来进行自然场景的解释。
对于人来说，这样的知识已经在日常生活中日积月累获得。
但是对于一个语义检索系统，目前通常的做法是事先提供这样的知识库。
这类知识库的生成一般比较困难，通常要利用专家知识或进行大量的试验。
通过人工干预生成语义知识库工作量大，并且在不同情况下也不通用。
3、用户模型
由于语义是面向用户的，即不同的用户有不同的语义需求，如何让系统准确把握用户语义需求的内涵和粒度是系统能力的一个重要方面。
对于提交范例图像
的检索方式，这个问题更加突出。
对于不同的用户定制个性化的模型来强化用户所关心的语义层次和粒度，即在语义匹配时着重考虑用户相关的语义是一种解决办法。
另一种可行的方法是在查询时一次提交多个图像，通过多个图像的语义相关性分析，在某些情况下能够让系统辨识出用户的语义需求。
四、结束语
随着现代技术的快速发展，网络行业的发展是相当迅速的，并且取得了一定的成就。
在互联网网络上，图像的资源是极其庞大的，要从这么庞大的信息中检索出我们想要的信息是很不容易的，因此，我们更应该研究现代基于语义的图像检索技术，使图像检索变得容易、方便、快捷。
参考文献
[1]朱兴全,张宏江,刘文印,吴立德.一个结合语义和视觉特征的图像相关反债检索系统[J].计算机学报,2002,25(7):68-688.
[2]王惠锋,孙正兴,王箭.语义图像检索研究进展[J].计算机研究与发展,2002.
[3]王惠锋.墓于内容的图像检索中的语义处理方法[J].中国图像图形学报，2001.。