基于内容图像检索的关键技术
基于模式识别的图像内容分析与图像检索技术研究
基于模式识别的图像内容分析与图像检索技术研究摘要：随着图像数据的快速增长和应用场景的不断扩大，图像内容分析与图像检索技术变得越来越重要。
基于模式识别的方法在图像内容分析和图像检索中发挥了关键作用。
本文综述了基于模式识别的图像内容分析与图像检索的研究现状和发展趋势，重点讨论了关键技术和常用方法，并对未来的研究方向进行了展望。
1. 引言图像内容分析与图像检索是计算机视觉领域中的重要研究方向。
随着数字图像的广泛应用，特别是社交媒体和互联网的普及，大量的图像数据被产生和共享。
如何从这些海量的图像数据中高效地提取和理解有用的信息，对于图像处理、智能搜索和机器视觉等领域具有重要意义。
基于模式识别的图像内容分析与图像检索技术能够自动分析和理解图像内容，实现图像的自动标注和检索，因此备受研究者的关注。
2. 图像内容分析图像内容分析是指使用计算机对图像进行处理和分析，提取出图像中的有用信息。
这一技术在图像处理、图像理解和机器视觉等领域起着关键作用。
基于模式识别的图像内容分析方法通常包括以下几个步骤：图像预处理、特征提取、特征选择和模式识别。
其中，图像预处理是为了消除噪声和增加对比度，特征提取是为了从图像中提取出表达图像语义的特征，特征选择则通过选取最重要的特征来提高分类性能，最后，模式识别将学习到的模型应用于新的未知图像。
近年来，深度学习技术在图像内容分析中取得了显著的进展。
深度学习模型，如卷积神经网络（CNN）和循环神经网络（RNN）等，能够从图像中学习到更高层次的抽象特征，取得了在图像分类、目标检测和语义分割等任务上的突破性成果。
此外，图像内容分析中的其他关键技术，如图像分割、目标识别和场景理解等也得到了广泛研究和应用。
3. 图像检索图像检索是指通过查询的方式从图像数据库中检索出与查询图像相似的图像。
图像检索广泛应用于电子商务、图书馆管理和艺术研究等领域。
基于模式识别的图像检索方法通常分为两类：基于内容的图像检索和基于上下文的图像检索。
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系统设计
基于内容的图像检索系统设计摘要：随着多媒体技术的发展，传统的基于文本的信息检索技术已经不能满足需求，基于内容的图像检索技术成为当今的研究热点。
图像的特征提取，相似性匹配是基于内容图像检索系统设计的关键技术。
本研究在对图像检索关键技术研究的基础上，利用Visual Basic程序设计语言和Access数据库实现图像数据库的建立和检索。
结果显示，所设计的基于内容的图像检索系统可以有效地利用图像的颜色、纹理特征从图像数据库中检索出相似的图像。
关键词：颜色；特征提取；纹理；基于内容图像检索1 图像数据库的建立Access是由微软发布的关联式数据库管理系统，常被小型企业、大公司的部门和开发人员专门用来制作处理桌面系统。
具有存储方式简单，界面友好，处理多种数据信息，支持广泛，易于扩张等特点。
因此，本研究利用access来建立小型的图像数据库。
Data控件是Visual Basic提供的用来执行大部分数据库访问操作。
能自动处理一些事件包括空记录集，添加新纪录，编辑和更新现有纪录，处理某些类型的错误。
图像数据是图像元灰度值的纪录，以行列数据矩阵表示，一般信息量比较大。
直接读取图像的信息存入数据库中，不但增加了数据库的容量，而且增加了计算机的负担。
经研究发现，建立图像地址库，可有效提高计算机的计算效率。
当需要提取图像时，再根据图像的地址，对图像进行检索，平时，只需对图像的基本信息进行管理。
数据库的基本功能包括:增加删除图像、图像统计、图像的显示等。
2 关键技术问题基于内容图像检索系统的5个基本组成部分中，用户接口和图像查询模块由Visual Basic编程实现。
要求用户接口界面直观易懂、交互性较好，图像查询模块能提供多种查询方式。
有效的特征提取和特征匹配技术对图像检索系统的实现至关重要。
要求一方面降低数据处理量，另一方面提高匹配精度。
2.1 图像特征提取2.1.1 直方图特征颜色的模型有RGB、HIS、YUV模型等。
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。
cbir地原理和基础
cbir地原理和基础
CBIR，即基于内容的图像检索，是一种用于图像检索的技术。
它的原理和基础主要基于图像特征的提取和匹配。
具体来说，CBIR首先从待检索的图像中提取出各种特征，如颜色、纹理、形状和空间关系等。
然后，将这些特征与图像数据库中的特征进行比较，找出相似的特征，从而找出相似的图像。
为了实现这一过程，CBIR需要具备以下基础：
1.特征提取：这是CBIR中最关键的步骤。
好的特征能够有效地描述图
像的内容，提高检索的准确率。
常用的特征包括颜色、纹理、形状和空间关系等。
2.特征匹配：在提取出特征后，需要将这些特征与数据库中的特征进行
比较，找出相似的特征。
这一过程需要考虑到特征之间的相似性和距离度量。
3.相似度排序：在比较了特征之后，需要将相似的特征按照相似度进行
排序，以便用户能够快速找到他们需要的图像。
4.索引技术：为了加快检索速度，CBIR需要使用索引技术来对图像特
征进行索引。
常用的索引技术包括哈希索引、B树索引和倒排索引
等。
通过这些原理和基础，CBIR能够实现快速、准确的图像检索，为用户提供更好的检索体验。
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
基于内容的多媒体检索技术
基于内容的多媒体检索技术在当今数字化信息爆炸的时代，多媒体数据呈现出海量增长的态势。
图像、音频、视频等多媒体内容充斥着我们的生活，如何从这庞大的信息海洋中快速、准确地找到我们所需的内容，成为了一个迫切需要解决的问题。
基于内容的多媒体检索技术应运而生，它为我们提供了一种高效、智能的解决方案。
多媒体检索，简单来说，就是根据多媒体对象的内容特征来进行搜索和查找。
传统的基于文本的检索方式，往往依赖于人工对多媒体内容进行标注和描述，这种方式不仅费时费力，而且容易出现主观性和不准确的问题。
基于内容的多媒体检索技术则直接从多媒体数据本身提取特征，如颜色、形状、纹理、音频的频率、音色，视频的镜头、场景等，然后根据这些特征进行匹配和检索。
在图像检索方面，颜色是一个重要的特征。
比如，我们要查找一张以蓝色为主色调的图片，系统会分析图像中像素的颜色分布，将那些蓝色占比较大的图片筛选出来。
形状特征也是常用的，像圆形、方形、三角形等几何形状，或者更复杂的物体轮廓。
纹理特征则可以帮助区分具有不同材质或表面特性的图像，比如光滑的、粗糙的、有规律的、无规律的纹理。
音频检索中，频率特征起着关键作用。
不同的声音具有不同的频率分布，比如高音和低音。
音色特征能反映出声音的特质，像钢琴声和小提琴声就有明显不同的音色。
此外，音频的节奏、时长等也是重要的检索依据。
视频检索相对更为复杂，因为它融合了图像和音频的特征。
视频中的镜头切换、场景变化、人物动作等都可以作为检索的特征。
比如，我们要查找一个篮球比赛中投篮的镜头，系统会分析视频中的画面和动作，找出符合条件的片段。
基于内容的多媒体检索技术的实现离不开一系列的关键技术。
特征提取是第一步，这就好比从海量的数据中提取出关键的“指纹”。
特征的表示和存储也至关重要，要以一种高效、便于比较和计算的方式来保存这些特征。
相似性度量则用于判断两个多媒体对象的特征是否相似，从而确定是否匹配。
为了提高检索的准确性和效率，索引结构的设计也非常重要。
- 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)。
形状描述符与形状无关矩[6]。傅立叶形状描述符是采用物 体边界的傅立叶变换作为其形状的描述；形状无关矩是基 于图像区域的物体形状表示法。另外，还有有限元法、旋 转函数法和小波描述符等方法。 2.4 相关反馈技术 现在，基于内容的图像检索技术中所提取的图像特征 大多是图像的低层视觉特征 [7], 它们和图像的实际语义是 脱节的，图像低层视觉特征目前尚不能辨别出图像中所包 含的物体。因此，为了解决这个问题，一方面需要研究出 更好且有效的图像表示方法，另一方面可通过人机交互的 方式来捕捉与建立低层特征和高层语义间的关联，这就是 我们所说的相关反馈技术。相关反馈是提高系统查询效果 的一种很好的方法，相关反馈的目标是从用户和查询系统 的实际交互过程中进行学习，从而发现并捕捉用户的实际 查询意图，以此来修正系统的查询策略，从而得到与用户 实际需求尽可能吻合的查询结果。 基于内容的图像检索系统中的相关反馈技术大体可分 为 4 种类型[8]：参数调整方法、概率学习方法、聚类分析 方法以及神经网络方法。 3 图像检索性能的评价准则 查准率、查全率和响应时间是几个较好的图像检索算 法的评价准则。排除用户主观的因素，基于内容的图像检 索的准确率和图像数据库本身具有非常大的关系，同一算 法依据相同的评价方法在不同的图像数据库中，计算出的 检索准确度也会有较大的不同。 对检索有效性的评价准则我们可利用信息检索中的传 统方法，假设测试平台包括： （1）包含 M 个图像的图像集； （2）N 个基准查询的样本图像； （ 3） 图像集合中的每一个图像相对基准查询样本图像 的相关值； （4）若干行之有效的度量方法。 我们对系统发布一个基准查询的样本，图像检索系统 列出经过排序的检索结果。对每一个截止值 k，计算下面 的值： 检索出的相关数目为：
（2）查全率 查全率指返回结果中有效图像所占数据库中所有相似 图像的数量的比值，用来测量系统检索相关图像的能力。 查全率：
正确检索出的有关图像 R 所有有关联的图像
从大量的检索评价看出，查全率与查准率存在着一定 的关系，在某个检索系统中，当查准率与查全率达到特定 的程度后，两者将会呈现非线性的反变关系，即我们不可 能使两者同时都达到最高。 4 结束语 现代社会， CBIR 应用的领域越来越广泛，如： Web 的电子商务方面的相关应用、 数字图书馆、 公安系统领域、
────────── 收稿日期：2012-04-01 作者简介：左玉龙（1981-） ，男，山东费县人，在职硕士，助教，研究方向为计算机软件与理论。
-47-
第 34 卷第 5 期
唐山师范学院学报
2012 年 9 月
数，并构造颜色的灰度直方图来实现，这对检索具有相似 的总体颜色内容的图像是一个非常好的途径。图像局部颜 色信息是指局部相似的颜色区域，它考虑了图像颜色的分 类和一些初级的几何特征。例如 Smith 与 Chang 提出了颜 色集合（Color Set）方法来抽取空间局部颜色的信息，并 提供图像颜色区域的有效索引。 图像颜色特征是图像最直观而明显的特征，一般采用 直方图来进行描述。图像颜色直方图 是表示图像中颜色 分布的一种方法，其横轴表示图像颜色等级，纵轴表示在 某一个颜色等级上具有该颜色的像素在整幅图像中所占的 比例，直方图颜色空间中的每一个刻度表示了颜色空间中 的一种颜色。 2.2 图像纹理特征的提取 图像可以被看成由不同纹理区域的组合，纹理通常被 定义为图像的某种局部性质，或是对局部区域中像素之间 关系的度量。 纹理[3]是和物体表面材质有关的图像的内在特征，它 包括表面结构组织及和周围环境关系。一般说来，图像纹 理是在某个给定的区域中局部模式的重复出现，所以可利 用对这些局部模式以及它们之间排列规则的描述来进行纹 理的分析。通常对纹理图像特征的描述主要有两种 ：一 种是 Haralick 提出的共生矩阵法，该法从数学角度研究了 图像纹理中灰度级的空间依赖关系。另一种是 Tamura 提 出的图像视觉特征法，这种方法更多的是强调视觉效果。 表示的所有纹理性质都具有直观的视觉意义。 近年来，有大量的研究集中在应用随机场模型表达图 像的纹理特征，Markov 的随机场模型取得了很大成功，它 的 典 型 应 用 是 自 回 归 纹 理 模 型 （ Simultaneous Auto_ Regressive，简称 SAR） 。另外一种常用的纹理分析与分类 方法是小波变换（Wavelet Transform） ，小波变换表示的 是图像的纹理特征，可利用每个波段的每个分解层次上能 量分布的均值与标准方差。Gabor 过滤法能最大程度地减 少空间与频率的不确定性，而且还能够检测出图像中不同 方向和角度的边缘与线条。 由于图像纹理的描述比较困难， 一般对纹理的检索都采用示例查询的方式。用户通过给出 示例的全部或部分区域特征，从而查找到类似的图像。 2.3 图像形状特征的提取 图像中物体和区域的形状是图像表达和图像检索中的 另一重要特征。图像形状特征的表达必须以对图像中物体 或区域的划分作为基础。利用该特征进行图像检索时，用 户采用勾勒图像的形状或轮廓，从图像库中检索出形状类 似的图像。在通常情况下，图像的形状特征有两种表示的 方法，一是轮廓特征表示方法，二是区域特征表示方法。 作为前者利用的是物体形状的外边界，后者利用的是整个 形状区域。这两类图像形状特征的最为典型方法是傅立叶 -48[5] [4] [2]
要：基于内容的图像检索（CBIR）系统是目前国内外研究的一个热点问题，简要介绍了 CBIR 技术的
发展历程以及主要的原理，重点论述了基于内容的图像检索的关键技术之一 —— 图像像视觉特征的描述与提 取。并且通过具体的例子讨论了图像检索性能评价的准则。 关键词：基于内容；图像检索；视觉特征；相关反馈；检索性能 中图分类号： TP391.3 A 文献标识码： 文章编号：1009-9115(2012)05-0047-03
Vn 是序数为 n 的图像和基 其中 m 是检索结果排序的序数，
准查询图像的相关值， Vm (0,1) 。 从以上几个值可计算出两个信息检索度量的主要标 准，查准率与查全率。 （1）查准率 查准率指的是返回的结果集中有效图像所占的比值， 常用于测量系统排除无关图像的能力。 查准率：
P 正确检索出的有关图像 所有检索出的图像
k 1
Ak Vm
m0
(1)
误检的数目为：
Bk (1 Vm )
m0
k 1
(ቤተ መጻሕፍቲ ባይዱ)
漏检的数目为：
Ck Vm Ak
m 0
M 1
(3)
未检索出的非相关数目为：
左玉龙：基于内容图像检索的关键技术
Dk (1 Vm ) Bk
m 0 M 1
(4)
医学领域 CT、以及国防军事领域等，虽然我们在图像检 索领域的诸多研究方面已取得了较大进展，可是基于内容 的图像检索系统中很多具有普遍性的问题还远远没有得到 很好的解决，仍然有许多问题有待更深入的研究，比如， 图像视觉特征的提取、 人机交互的方式以及多维索引等等。 假若我们能很好地解决这些问题，必将使基于内容图像检 索技术得到更好的推广。
[参考文献]
[1] 姜兰池.基于内容的图像检索关键技术研究[D].杭州:杭 州电子科技大学,2009:18-19 [2] 梁晶 . 基于颜色特征的图像检索技术研究 [D]. 厦门大 学,2009. [3] 马继红 . 基于内容的图像检索方法与关键技术研究 [D]. 西安:陕西师范大学,2009:22-23 [4] 周明全 , 耿国华 , 韦娜 . 基于内容的图像检索技术 [M]. 北 京:清华大学出版社,2007. [5] 黄博士 . 网络环境下的图像检索技术 [J]. 中国计算机用 户,2003(12). [6] 周文昭 , 夏定元 , 等 . 基于内容的图像检索系统的最新进 展[J].计算机工程与应用,2003(26). [7] 刘倩 . 基于内容的图像检索中的相关反馈技术 [J]. 华东 交通大学学报,2003(8). [8] 章毓晋 . 图像处理和分析技术 [M]. 北京 : 高等教育出版 社,2008.
Content- Based Image Retrieval Key Techniques
ZUO Yu-long1, 2
(1. Computer Science and Technology College of Shandong University, Jinan 250100, China; 2. Feixian College of Linyi University, Feixian 273400, China) Abstract: Content- based Image Retrieval (CBIR) has been an active research area in recent years. The paper introduced the development and the theory of CBIR briefly, and discussed the important techniques of the representation and extraction of image vision feature. And through specific examples, it discussed the image retrieval performance evaluation criterion. Key Words: content-based; image retrieval; vision feature; relevant feedback; retrieval performance 随着多媒体技术及互联网的飞速发展，图像、视频等 多媒体的数据层出不穷， 图像的应用与传播也越来越广泛， 图像已经成为描述和存储信息的一种内容丰富、表现直观 的数据形式，各行业都产生了大量的图像数据库，可是图 像信息自身的无序化问题也越来越显现出来，怎样从海量 的数据中精确的查找出图像的技术显得尤为迫切，对于图 像的检索由此成为研究的热点。 1 “图像检索”的发展历程及原理 自从 20 世纪 70 年代开始，大量有关图像检索的研究 就已开始，早期主要是基于文本的图像检索技术（ Text based Image Retrieval，简称 TBIR） ，它是利用文本来描述 图像的特征。20 世纪 90 年代以后，才出现了对图像的内 容语义，例如对图像的颜色、纹理、形状等进行分析与检 索的图像检索技术，也即基于内容的图像检索 （Content based Image Retrieval，简称 CBIR） 。 基于内容图像检索的原理主要包括以下三个方面： （ 1） 首先对用户的需求进行分析和转化，形成可检索索引数据 库的提问； （2）进行图像资源的收集与加工，提取图像特