基于内容的图像检索研究

 

1　常见的图线检索系统介绍

　　从上世纪90年代以来，基于内容的图像检索技术就已经成为了热门的研究方向，当前有多种比较著名的图像检索系统，以下做简要的分析概述。

　　1.1　Virage图像检索系统

　　由Virage公司基于内容开发的，支持颜色、纹理、结构等可视化信息的查询，也可以是上述的各特征信息的任意组合，根据用户自己的喜好调整这些元素的组合。

　　1.2　QBIC图像检索系统

　　QBIC是IBM基于内容开发的图像检索系统，其系统的框架具有开创性，对其后的图像检索系统有深远的影响，基于选择的颜色、例子图像、用户构造的略图、纹理等查询，颜色特征有平均坐标进和K个元素的直方图，纹理特征在对比度、粗糙度和方向等进行结合，形状包括圆形度、面积、偏心度、主轴偏向等，QBIC的图像检索是第一个商品化的基于内容的图像检索系统，虽然功能有待完善，但影响深远。

　　1.3　RetrievalWare图像检索系统

　　是由Excalibur公司开发的基于内容的检索系统，其重点在于图像检索系统中的神经网络化，通过对图像特征的形状、纹理、亮度、颜色、颜色分割等进行特征查询，并且可以迎合用户的侧重，对上述的特征量进行组合，类似于Virage检索，其最大的区别在于使用了神经网络的技术。

　　1.4　VisualSEEK和WebSEEK图像检索系统

　　VisualSEEK是面向视觉特征的搜索工具，而WebSEEK则是面向文本/图像的搜索工具。WebSEEK面向Web，主要包含三个模块，主题分类和索引模块、图像/视频收集模块、搜索浏览和检索模块，主要是基于视觉内容和关键字的查询；VisualSEEK研究空间和图像区域的关系，从压缩域中抽取视觉特性，如基于小波变换的纹理特征、颜色集等；同时，采用二叉树的索引方式又可以提升检索的速度。

　　1.5　MARS图像检索系统

　　这种图像检索系统与其他几类有着明显的区别，其融合了信息检索、计算机视觉和数据库管理系统多个交叉领域，其特点是检索与索引联结、带ranked的精确检索匹配、人机结合等。MARS的关键不在于寻找单一的特征表达，而是将视觉特征的不同元素组合，可以动态的使用不同用户的需求，并在检索中提出反馈机构，包括自动在线匹配、自动特征适应和查询矢量优化等，检索的机制非常独到。

 

2　内容分析

　　2.1　颜色特征

　　作为图像内容中最为直观的要素，颜色是用户获取信息最快捷的方式，利用颜色进行图像检索其核心思想是在颜色空间中对颜色出现的频数进行分析，涉及到颜色空间量化、颜色空间的选取、颜色直方图定义、颜色空间的距离定义等。在检索系统总，为了能够正确的辨别和使用颜色，需要建立颜色的模型。一般将颜色在3D坐标系中用空间点表示出来，在不同的场景中，图像的颜色表示方法也有较大的区别。以RGB模型为例，基于笛卡尔坐标系统，坐标轴分别为R、G、B，从原点到离原点最远定点间的连线上有黑白分布的灰度值，并且将颜色值都进行了标准化，每幅图像都包括三个独立的基色平面，可以方便的显示图像，以图1为例。

　　 

   而采用颜色直方图可以有效的将图像信息刻画出来，从概率上而言，颜色直方图反映颜色通道的联合概率，其特点是图像中包含了某种颜色出现的概率，并将之数值化，但不包含像素的空间信息。对于任意的一幅图像都可以有对应的直方图。颜色特征是最可靠的视觉元素，直方图也是最为常用的表述颜色特征的方式，不但简单便捷，而且对变比例、平移和旋转等具有固定性，直方图将整个图像划分为若干个区域，每一个区域中提取对应的颜色特征，然后经过区域之间的加权和，对应区域的相似度。人们在比较两幅图时并不是比较对应区域的相似性，而是A图中的某一子块在B图中是否也出现了，采用交叉相似的度量手段，提取图像中最为接近的子块，最终加权和作为两幅图像的最终相似度。

　　2.2　纹理特征

　　纹理容易让人们联想到木质家具、衣服花纹等，其反映了物体表面的灰度和颜色等变化，和物体本身的属性直接相关，人们在通过识别纹理特征来区分图像，就如同在整个森林中，不同树木的纹理是有着区别的。但是由于纹理是非线性的变化量，难以经过硬性规定，难以给出确切的定义。纹理特征的三个主要标志分别是：其一，序列是由基本部分非随机排序的；其二，某种局部的特征不断重复排序；其三，统一材质或图像的表面其纹理特征的表现大体上是一致的，有大体相同的尺寸结构，被称为纹理基元。因而，在分析纹理特征时，应该是按照基元规律性的排列组合而成的。纹理在图像中时一个重要的特征，如医学显微图像、卫星遥感图像、金相组织等都具有不同的纹理，在描述时，需要进行分割。在纹理特征的提取和描述过程中，一般有结构法、统计法和频谱分析法。由于纹理在空间上是反复形成的，两像素之间会存在一定的灰度关系，即灰度的空间相关特性，运用灰度级空间相关性的规律，可以很好的对图像纹理特征进行描述。

　　2.3　形状特征

　　形状是图像的显著特征，同一物体可以有不同的颜色，但其形状非常接近，如汽车，有多种颜色，但形成具有典型的特征，其轮廓或者说原理非常接近。在二维的图像空间中，形状是一条封闭曲线围成的区域，形成了一种轮廓，当前基于形状特征的图像检索大多依靠外形轮廓来进行区分。形状特征的描述有样条拟合曲线、直线段、傅里叶描述和高斯曲线等，在图像检索的过程中，通过计算形状矩和直方图的加权距离来区分图像的形状。形状特征区域主要有区域的面积、形状的无关矩、形状的纵横比等。利用形状描述符，如偏心率、形状参数、球状性、圆形性等对形状的特征进行描述。

 

3　基于内容的图像检索研究

　　3.1　系统模块

　　基于内容的图像检索系统模块有系统主界面、图像处理、检索设置、检索结果显示等部分组成。系统主界面用于显示当前的图像、对图像库进行操作等，可以进行图像的浏览、删除等操作，包括图像入库、图像检索、BMP文件的存入、图像序号显示等功能；图像处理基于图像处理模块，服务于图像检索，包含的功能有将颜色直方图转换为灰度图像、计算灰度共生矩阵、统计特征值等，与专业的软件结合使用，扬长避短；检索设置有当前打开的图像，可以进行存储位置、图像的显示比例、全局颜色直方图、分块颜色直方图等设置，显示检索的尽速和结果浏览对话框；而检索结果显示的每一幅图像结果下有一个信息条，从上到下的相似性逐渐降低，显示图像在库中的ID和图像实际的尺寸。

　　3.2　基于内容的图线检索实现

　　基于内容的图像检索是在特征提取的前提下，完成一个目标的模型描述，一是建立图像特征内容的数据模型，而是对模型进行描述。图像内容按照不同的语义级别，建立多层数据模型，第一层为存储层，对图像内容特征进行格式存储、编码，是最底层的信息描述；第二层为底层特征层，包含纹理、形状、颜色等特征，针对每一种图像特征的表示方法有所区别，按照第一层的定义进行描述；第三层为图像对象层，分析底层特征，运用图像识别技术提取独立的图像对象，建立语义描述和图像的定位描述；第四层为图像语义层，建立在图像内容的完整意义上的概念描述；最后一层为附加信息层，虽然信息和图像内容无直接的关联，但可以进行图像检索的信息、图像制作时间等记录。

 

4　结语

    基于文本的图像检索技术当面对用户主观理解具有较大差异的时候，其检索的效果往往并不理想，也不能适应用户对图像检索的某些需求，因而基于内容的图像检索技术应运而生，通过对图像最为直观的特征，如颜色、形状、纹理等进行描述，可以较为直观、准确、快速的迎合用户的检索需求，基于内容的图像检索也取得了长足的进步。但此类技术在应用中仍然有待完善，随着技术的进步，基于文本、基于内容和基于语音等技术的交叉融合性越来越强，取得的效果明显会优于单一的检索方式，各种检索技术之间取长补短，成为未来发展的趋势，研究值得深入。