圖像檢索技術(shù)研究【優(yōu)秀畢業(yè)課程設(shè)計(jì)】

《圖像檢索技術(shù)研究【優(yōu)秀畢業(yè)課程設(shè)計(jì)】》由會(huì)員分享，可在線閱讀，更多相關(guān)《圖像檢索技術(shù)研究【優(yōu)秀畢業(yè)課程設(shè)計(jì)】（31頁(yè)珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

I 摘 要 在網(wǎng)絡(luò)和多媒體技術(shù)越來(lái)越發(fā)達(dá)的今天，信息檢索技術(shù)成了現(xiàn)在計(jì)算機(jī)領(lǐng)域的重要內(nèi)容，而圖像檢索技術(shù)正是這其中的重要內(nèi)容之一。網(wǎng)絡(luò)資源的極大豐富以及圖像檢索技術(shù)不斷發(fā)展成熟，使得圖像檢索技術(shù)的應(yīng)用領(lǐng)域不斷擴(kuò)大，這為圖像檢索技術(shù)的繼續(xù)研究提供條件。 以此同時(shí)， 隨著網(wǎng)絡(luò)傳送速度與計(jì)算機(jī)信息處理速度的提高，網(wǎng)頁(yè)中對(duì)多媒體信息的使用變得十分普及，特別是圖像信息，己經(jīng)成為表示網(wǎng)頁(yè)內(nèi)容不可缺少的組成部分。在實(shí)現(xiàn)對(duì)網(wǎng)頁(yè)中文本信息提取的同時(shí)，如何再為用戶抽取所需的圖片資料，是信息檢索中一個(gè)重要的方面。于是各種基于 圖像檢索系統(tǒng)應(yīng)運(yùn)而生。它們采用不同的工作方式，極大地方便了用戶對(duì)網(wǎng)上圖像進(jìn)行檢索。 本文首先介紹各種圖像檢索技術(shù)的工作原理、研究現(xiàn)狀、相關(guān)圖像檢索引擎與發(fā)展趨勢(shì)；然后，對(duì)幾種比較熱門的圖像檢索算法進(jìn)行研究和對(duì)比。 關(guān)鍵字 : 圖像檢索 檢索引擎 文本處理 信息檢索 相似度 相關(guān)反饋 I 目 錄 1 前言 . 1 題來(lái)源 . 1 有的圖像檢索技術(shù) . 2 索引擎的工作原理 . 2 像檢索引擎的檢索途徑 . 3 幾個(gè)基本引擎的分析 . 4 索引擎的基本要點(diǎn) . 5 像檢索的發(fā)展方向 . 6 2 基于顏色的圖像檢索 . 7 色特征提取 . 7 似度計(jì)算 . 10 驗(yàn)結(jié)果 . 10 3 基于紋理的圖像檢索 . 10 理特征提取 . 10 相似度計(jì)算 . 13 驗(yàn)結(jié)果 . 13 4 綜合顏色和紋理特征的圖像檢索 . 14 合特征檢索的思想 . 14 關(guān)反饋 . 15 驗(yàn)結(jié)果及結(jié)論 . 15 5 基于 圖像檢索 . 17 本與圖像之間的關(guān)系 . 17 示圖像內(nèi)容的文本標(biāo)記 . 17 本的權(quán)值比較 . 18 像信息檢索 . 18 索模型與相似度 . 18 詞技術(shù)和匹配方法 . 20 索反 饋 . 22 驗(yàn)結(jié)果 . 24 6 總結(jié) . 25 參 考 文 獻(xiàn) . 27 . 28 致 謝 . 錯(cuò)誤 !未定義書簽。 仲愷農(nóng)業(yè) 工程 學(xué)院畢業(yè)論文 (設(shè)計(jì) )成績(jī)?cè)u(píng)定表 . 錯(cuò)誤 !未定義書簽。 1 1 前言 題來(lái)源 據(jù)統(tǒng) 計(jì) ，人類接受的外 部信息， 70%以上來(lái)自視覺(jué)，圖像作為一種內(nèi)容豐富，表現(xiàn)直觀的多媒體信息被大量廣泛 地 使用，如何有效管理、檢索圖像信息成為迫切需要解決的問(wèn)題。傳統(tǒng)的基于文本的檢索無(wú)法滿足海量環(huán)境下多媒體信息庫(kù)的檢索要求。為了克服基于文本方法的局限性，出現(xiàn)了基于內(nèi)容的圖像檢索。 隨著多媒體技術(shù)及 絡(luò)的迅速發(fā)展，圖像來(lái)源不斷擴(kuò)大，大容量高速存儲(chǔ)系統(tǒng)為圖像的海量存儲(chǔ)提供了基本保障，各行各業(yè)對(duì)圖像的使用越來(lái)越多，圖像信息資源的管理和檢索也就顯得越來(lái)越重要。 但由于 身結(jié)構(gòu)上、管理上的問(wèn)題，想要在 確、快速、全面地找到自己所想要的圖像，卻變成了件非常不容易的事。 由于 容沒(méi)有結(jié)構(gòu)；網(wǎng)上信息量龐大且還在不斷的增加。因此，網(wǎng)絡(luò)產(chǎn)生了檢索引擎。雖然這些給網(wǎng)絡(luò)用戶提供了不少的幫助，但由于偏離準(zhǔn)確、快速、全面地檢索自己所要的圖像還相當(dāng)遙遠(yuǎn)，所以對(duì)圖像檢索還要作很大的研究。 根據(jù)國(guó)內(nèi)外現(xiàn)有的 檢 索引擎和國(guó)際上的有關(guān)研究小組的種種資料表明，現(xiàn)有的網(wǎng)絡(luò)資源和 檢 索引擎有如下特點(diǎn)： (1)索引的數(shù)據(jù)種類豐富，如文字、圖像、聲音等多媒體。數(shù)據(jù)的存取協(xié)議也是多種多樣的，如 (2)索引數(shù)據(jù)量大，以致不可能有某個(gè)數(shù)據(jù)庫(kù)能包括整個(gè) 索引，目前最大的檢索引擎，其中的索引也只不過(guò)覆蓋了 一小部分； (3)資源消耗太大，系統(tǒng)需要將 件傳送至本地然后分析，大量占用昂貴的網(wǎng)絡(luò)帶寬和 加被檢索結(jié)點(diǎn)的負(fù)擔(dān)。另外由于現(xiàn)有的檢索引擎一般是集中式的，所以檢索引擎服務(wù)器本身的硬件配置也極高，才能處理龐大的數(shù)據(jù)量和及時(shí)地響應(yīng)用戶的查詢請(qǐng)求； (4)不能有效解決索引失效問(wèn)題，很多時(shí)候，檢索引擎會(huì)返回?zé)o效的查詢結(jié)果； (5)各 檢索工具各行其事，不能相互協(xié)作，在一定意義上講是一種資源的浪費(fèi)。 二十一世紀(jì)是一個(gè)多元化的信息社會(huì)，對(duì)圖像的需求將是前所未有的巨大的，圖像數(shù)據(jù)庫(kù)也將得到長(zhǎng)足的發(fā)展。因此，圖像檢索系統(tǒng)具有廣闊的應(yīng)用前景。 2 有的圖像檢索技術(shù) 近年來(lái)隨著用戶對(duì)網(wǎng)上圖像檢索要求的不斷增長(zhǎng)，各種圖像檢索引擎應(yīng)運(yùn)而生，它們各自以不同的工作方式為用戶提供各種檢索途徑，使網(wǎng)上圖像信息的檢索變得非常簡(jiǎn)單，盡管還不很完善，卻已經(jīng)可以滿足用戶的大多數(shù)要求 。 最基本的 檢 索引擎的結(jié)構(gòu)，是由 停地從 上收集數(shù)據(jù)，存放在 檢 索引擎的數(shù)據(jù)庫(kù)中。用戶通過(guò) 檢 索引擎服務(wù)器上的 口，提出 檢 索請(qǐng)求， 過(guò) 其它技術(shù)訪問(wèn)數(shù)據(jù)庫(kù)，并將用戶的 檢 索請(qǐng)求轉(zhuǎn)換成相應(yīng)的數(shù)據(jù)存取語(yǔ)句，送給數(shù)據(jù)庫(kù)引擎處理，并把查詢結(jié)果通過(guò)網(wǎng)頁(yè)顯示給用戶。 網(wǎng)絡(luò) 檢 索的基本原理是通過(guò)網(wǎng)絡(luò)機(jī)器人定期在 頁(yè)上爬行，然后發(fā)現(xiàn)新的網(wǎng)頁(yè)，把它們?nèi)』貋?lái)放到本地的數(shù)據(jù)庫(kù)中，用戶的查詢請(qǐng)求可以通過(guò)查詢本地的數(shù)據(jù)庫(kù)來(lái)得到。 一般來(lái)說(shuō)網(wǎng)絡(luò)信息檢索的實(shí)現(xiàn)機(jī)制一般有兩種：一是通過(guò)手工方式對(duì)網(wǎng)頁(yè)進(jìn)行索引，它的缺點(diǎn)是 覆蓋率比較 低，同時(shí)不能保證最新的信息。查詢匹配是通過(guò)用戶寫入的關(guān)鍵字和網(wǎng)頁(yè)的描述和標(biāo)題來(lái)進(jìn)行匹配，而不是通過(guò)全文的匹配進(jìn)行的；二是對(duì)網(wǎng)頁(yè)進(jìn)行自動(dòng)的索引，這種能實(shí)現(xiàn)自動(dòng)的文檔分類，實(shí)際上采用了信息提取的技術(shù)。但是在分類準(zhǔn)確性上可能不如手工分類。 在現(xiàn)在所有運(yùn)行的檢索工具來(lái)說(shuō)，一般都有一個(gè) 期的訪問(wèn)一些站點(diǎn)，來(lái)檢查這些站點(diǎn)的變化，同時(shí)查找新的站點(diǎn)。一般站點(diǎn)有一個(gè) 件用來(lái)說(shuō)明服務(wù)器不希望 問(wèn)的區(qū)域， 必須遵守這個(gè)規(guī)定。如果是自動(dòng)索引的話， 要對(duì)該頁(yè) 面根據(jù)其內(nèi)容進(jìn)行索引，根據(jù)它的關(guān)鍵字的情況把它歸到某一類中。頁(yè)面的信息是通過(guò)元數(shù)據(jù)的形式保存的，典型的元數(shù)據(jù)包括標(biāo)題、 址、一個(gè)該頁(yè)面的簡(jiǎn)要的介紹，關(guān)鍵字或者是索引短語(yǔ)、文件的大小和最后的更新的日期。盡管元數(shù)據(jù)有一定的標(biāo)準(zhǔn)，但是很多站點(diǎn)都采用自己的模板。文檔提取機(jī)制和索引策略對(duì) 索引擎的有效性有很大的關(guān)系。高級(jí)的檢索選項(xiàng)一般包括：布爾方法或者是短語(yǔ)匹配和自然語(yǔ)言處理。一個(gè)查詢所產(chǎn)生的結(jié)果按照提取機(jī)制被分成不同的等級(jí)提交給用戶。最相關(guān)的放在最前面。每一個(gè)提取出來(lái)的文檔的元數(shù)據(jù)被顯示給用戶。同時(shí)包括該 文檔所在的 址。 另外有一些關(guān)于某一個(gè)主題的專門的引擎，它們只對(duì)某一個(gè)主題的內(nèi)容進(jìn)行檢索和 3 處理，這樣信息的取全率和精度相對(duì)就比較高。 目前，圖像檢索引擎主要通過(guò)以下兩種方法識(shí)別圖像： (1)自動(dòng)查找圖像文件。通過(guò)兩個(gè) 簽，即 檢測(cè)是否存在可顯示的圖像文件， 示 “顯示下面的圖像文件 ”，導(dǎo)向的是嵌入式圖像；而表示 “下面是一個(gè)鏈接 ”，導(dǎo)向的是被鏈接的圖像。檢索引擎通過(guò)檢查文件擴(kuò)展名來(lái)判斷其導(dǎo)向的是否為圖像文件，如果文件擴(kuò)展名是 是一 個(gè)可顯示的圖像。 (2)人工干預(yù)找出圖像。進(jìn)行分類，由人工對(duì)網(wǎng)上的圖像及站點(diǎn)進(jìn)行選擇。這種方法可以產(chǎn)生準(zhǔn)確的查詢體系，但勞動(dòng)強(qiáng)度太大，因此要限制處理圖像的數(shù)量。 由于圖像不同于文本，需要人們按照各自的理解來(lái)說(shuō)明其蘊(yùn)含的意義，因此圖像檢索比文本的查詢和匹配要困難得多。 像檢索引擎的檢索途徑 傳統(tǒng)的圖像檢索技術(shù)是基于關(guān)鍵字的精確匹配檢索，系統(tǒng)內(nèi)的圖像用關(guān)鍵字標(biāo)識(shí)，檢索線索是與標(biāo)識(shí)相一致的關(guān)鍵字，即輸入是關(guān)鍵字，輸出是圖像。它又包括兩種途徑： (1)基于圖像外部信息進(jìn)行檢索。即根據(jù) 圖像的文件名或目錄名、路徑名、鏈路、 是目前圖像檢索引擎采用最多的方法。在找出圖像文件后，圖像檢索引擎通過(guò)查看文件名或路徑名確定文件內(nèi)容，也可以通過(guò)查看圖像的標(biāo)題來(lái)匹配檢索詞。 (2)基于手工標(biāo)注的檢索。手工對(duì)圖像的內(nèi)容（如物體、背景、顏色等）進(jìn)行描述并分類，將其標(biāo)注為一系列關(guān)鍵字，并建立索引。檢索時(shí)，將主要在這些描述詞中檢索用戶輸入的關(guān)鍵字。這種查詢方式是比較準(zhǔn)確的，一般可以獲得較好的查準(zhǔn)率，但需人工參與，勞動(dòng)強(qiáng)度大，因而限制了可處理的圖像數(shù)量。另外，由 于圖像所包含的信息量龐大，不同用戶對(duì)于同一張圖像的看法又不盡相同，導(dǎo)致了對(duì)圖像的標(biāo)注缺乏統(tǒng)一標(biāo)準(zhǔn)。 2. 圖像可視屬性的檢索 而基于圖像內(nèi)容的檢索主要是由圖像分析軟件自動(dòng)抽取圖像的顏色、形狀、紋理等特征，建立特征索引庫(kù)，其輸入為用戶要查找的圖像的大致特征描述或示例，通過(guò)一定相似性匹配規(guī)則，輸出為與之具有相近特征的圖像，按相似程度排列，供用戶選擇，從而把在傳統(tǒng)圖像檢索技術(shù)中一般用戶難以完成的圖像特征描述、提取與識(shí)別等難題，交由系統(tǒng)去解決。 4 這是一種基于圖像本身特征層次的檢索，特別適用于檢索目標(biāo)明確的查詢要求， 但目前這種較成熟的檢索技術(shù)主要應(yīng)用于圖像數(shù)據(jù)庫(kù)的檢索。在圖像檢索引擎中應(yīng)用這種檢索技術(shù)還有一定困難，但己有部分圖像檢索引擎嘗試了這種檢索方法。 (1)一個(gè)簡(jiǎn)單但是功能強(qiáng)大的索引，它的一個(gè)優(yōu)點(diǎn)是有一個(gè)面向主題檢索的可擴(kuò)展的分類。你可以把你的檢索短語(yǔ)和相似的分類目錄的主題短語(yǔ)相互參照，而那些主題短語(yǔ)會(huì)自動(dòng)加到你的查詢中去。使你的檢索有更好的主題相關(guān)性。同時(shí)它也支持對(duì)圖像的查詢。它能夠漫游 等。不支持布爾操作，但是可以使 用符號(hào) +和 -。 (2)一個(gè)大容量的，基于 引的 能幫你在 聞組，圖像，視頻音頻片段。 支持多種語(yǔ)言和簡(jiǎn)單的自然語(yǔ)言查詢。 蓋面約為 上可索引的網(wǎng)頁(yè)的 30% (3)立于 1998 年，自稱是第一個(gè)基于 多媒體檢索引擎。雖嚴(yán)格講，它并非是一個(gè)圖像檢索引擎，但可以將檢索限制在圖像檢索上。 它的工作原理是在文件名、路徑名或 簽中檢索檢索詞。主要使用 關(guān)鍵詞檢索，可以用 或 來(lái)增加或排除關(guān)鍵詞，使用盡可能少的關(guān)鍵詞會(huì)更有效。在高級(jí)檢索中，可以將檢索結(jié)果圖像限制在 格式中。檢索結(jié)果顯示簡(jiǎn)圖、圖像類型（如 圖像大小、最后被查找的日期、檢索詞的匹配數(shù)量、標(biāo)引使用的關(guān)鍵詞、成功下載的可靠程度等，并同時(shí)給出圖像文件的 源站點(diǎn)的 主要缺陷是標(biāo)引深度不足，查準(zhǔn)率較低，但查全率較好。 (4) 這是由 織開發(fā)的一個(gè) 真正人工建立的完全的關(guān)鍵詞式索引 。 面的教師負(fù)責(zé)選擇圖像豐富的站點(diǎn)，然后對(duì)每幅選定的圖像內(nèi)容進(jìn)行描述，給出關(guān)鍵詞。因此它的最大特點(diǎn)就是人工干預(yù)，關(guān)鍵詞檢索是主要的檢索手段。 檢索結(jié)果將顯示一個(gè)簡(jiǎn)短的標(biāo)題、有關(guān)圖像的說(shuō)明（如彩色或黑白）、文件的大小、文件類型及象素多少等，但不顯示簡(jiǎn)圖。單擊該標(biāo)題可得到原圖像，但需由該 溯才能找出源站點(diǎn)。 由于人工干預(yù)檢索過(guò)程，它的查準(zhǔn)率極好，但這也限制了它的查全率。它的檢索范圍很有限，只包括 人工選擇的部分站點(diǎn)。 5 (5)所收錄的圖像進(jìn)行了 詳盡的內(nèi)容描述，并支持短語(yǔ)檢索，從而使其查準(zhǔn)率大大提高。它根據(jù)文件擴(kuò)展名識(shí)別圖像，在描述詞、文件名、目錄名或 段中查詢檢索詞。結(jié)果顯示的信息極為豐富，包括簡(jiǎn)圖、圖像大小、最后檢索日期、圖像文件名、圖像內(nèi)容描述詞、圖像所在頁(yè)面等。點(diǎn)擊簡(jiǎn)圖將得到原圖及更多的信息，如著作權(quán)人和更多的相關(guān)圖像。 比較而言它的檢索效果很好，速度也很快。 索引擎的基本要點(diǎn) (1)索引文檔的容量：現(xiàn)在最大的檢索引擎可能包含了超過(guò) 100,000,000 個(gè)鏈接，但這也只是整個(gè) 上的一小部分。因?yàn)槭占Y料的 只能從“已知”的鏈接開始收集網(wǎng)頁(yè)資料，而只有一小部分 頁(yè)和這些“已知”的網(wǎng)頁(yè)有連接；現(xiàn)在還沒(méi)有一個(gè)檢索引擎能夠隨網(wǎng)頁(yè)內(nèi)容的更新比較及時(shí)地更新索引； (2)覆蓋面：地理覆蓋面和主題覆蓋面； (3)索引更新頻率：不同的檢索引擎，索引更新頻率相差很大，有的是幾周，有的是一年。索引更新頻率有兩種定義，一種比較少用的定義是新的網(wǎng)頁(yè)能被收錄進(jìn)索引數(shù)據(jù)庫(kù)中，另一種是同一頁(yè)多少時(shí)間才被檢查一次，有必要時(shí)更新索引。有的檢索引擎會(huì)對(duì)經(jīng)常更新的網(wǎng)頁(yè)和多人訪問(wèn)的網(wǎng)頁(yè)進(jìn)行更頻繁的重建索引工作； (4)采集過(guò)程：采集過(guò)程有寬度優(yōu) 先、深度優(yōu)先兩種算法；一般認(rèn)為寬度優(yōu)先對(duì)擴(kuò)大內(nèi)容的覆蓋面有利，深度優(yōu)先算法有助于提供更多的細(xì)節(jié)資料； (5)索引算法：有的檢索引擎只處理元標(biāo)記和一小部分文檔內(nèi)容，而有一些檢索引擎則是對(duì)全文進(jìn)行索引； (6)結(jié)果顯示：有的檢索引擎只顯示網(wǎng)頁(yè)的標(biāo)題，有些則有更詳細(xì)的一些信息，比如網(wǎng)頁(yè)的內(nèi)容，更新日期等； (7)查詢算法：一個(gè)優(yōu)秀的查詢算法是很重要的，最基本的布爾查詢，短語(yǔ)查詢，有的檢索引擎還提供指定屬性的查詢，比如可以指定對(duì)網(wǎng)頁(yè)的作者、主題進(jìn)行查詢。另外有的檢索引擎還采用了相關(guān)度反饋、概念查詢等算法； (8)用 戶界面：很多檢索引擎都提供了簡(jiǎn)單查詢和高級(jí)查詢兩個(gè)界面。并且提供了必要的幫助和范例。 6 像檢索的發(fā)展方向 圖像檢索技術(shù)給用戶提供了一個(gè)在互聯(lián)網(wǎng)上檢索感興趣圖像資源的有效手段， 基于文本和基于內(nèi)容是圖像檢索發(fā)展的兩個(gè)分支，不過(guò)從目前圖像檢索研究的趨勢(shì)而言，尤其結(jié)合網(wǎng)絡(luò)環(huán)境下圖像的特征 嵌入在具有文本內(nèi)容的 檔中，出現(xiàn)了三個(gè)不同的研究著眼點(diǎn)。 (1)基于文本的檢索研究 立足于文本，對(duì)圖像進(jìn)行檢索。試圖將傳統(tǒng)的文本檢索技術(shù)移植于對(duì)多媒體信息的檢索上，因?yàn)榛谖谋镜臋z索技術(shù)發(fā)展已經(jīng)成熟。如 法、概率方法、位置方法、摘要方法、分類或聚類方法、詞性標(biāo)注法等，不僅技術(shù)發(fā)展較為成熟，同時(shí)分析和實(shí)現(xiàn)的難度略小。但是因?yàn)槭芸卦~匯本身的局限，易歧義，更新慢，所以不太容易應(yīng)對(duì)網(wǎng)絡(luò)上日新月異的各類圖像。 (2)基于內(nèi)容的檢索研究 立足于圖像內(nèi)容，對(duì)圖像進(jìn)行分析和檢索。相比而言，盡管圖像檢索已經(jīng)出現(xiàn)了諸如直方圖、顏色矩、顏色集等多種表征圖像特征的方法，但是要突破對(duì)低層次特征的分析，實(shí)現(xiàn)更高語(yǔ)義上的檢索，實(shí)現(xiàn)難度大，進(jìn)展慢。不過(guò)，基于內(nèi)容的圖像檢索建立在多媒體信息的內(nèi)容語(yǔ)義上，能夠更為客觀地反映媒體本質(zhì)的特 征。 (3)基于文本內(nèi)容結(jié)合的檢索研究 結(jié)合文本和內(nèi)容， 二者雖側(cè)重不同但卻互相補(bǔ)充。如果能將二者結(jié)合起來(lái)取長(zhǎng)補(bǔ)短，則網(wǎng)絡(luò)的圖像檢索技術(shù)必有新的進(jìn)展。已有的圖像檢索引擎在信息的自動(dòng)加工和標(biāo)引方面都有待提高，需要開發(fā)出計(jì)算機(jī)自動(dòng)識(shí)別和標(biāo)引圖像的算法和技術(shù)，以完善現(xiàn)有的檢索功能，并與已有的成熟的圖像庫(kù)檢索技術(shù)相結(jié)合，這是今后應(yīng)該研究的一個(gè)課題。而且，圖像庫(kù)檢索技術(shù)也應(yīng)面向網(wǎng)絡(luò)，利用網(wǎng)絡(luò)技術(shù)進(jìn)行改造，提供新的 問(wèn)界面代替原來(lái)的應(yīng)用系統(tǒng)界面。同時(shí)將巨大的圖像庫(kù)資源利用網(wǎng)絡(luò)實(shí)現(xiàn)共享 。 (4)對(duì)基于內(nèi)容編碼技術(shù)的研 究 可以說(shuō)，三個(gè)方向都是相互影響和促進(jìn)的，任何一個(gè)方向的進(jìn)展都會(huì)促進(jìn)圖像檢索技術(shù)向前更進(jìn)一步。 目前，國(guó)際上還沒(méi)有通用的基于內(nèi)容的編碼標(biāo)準(zhǔn)。 20 世紀(jì) 90 年代初，國(guó)際上就開始了對(duì)基于內(nèi)容的圖像信息檢索方面的研究。從基本的顏色檢索，到綜合利用多種圖像特征進(jìn)行檢索，大量原型系統(tǒng)已經(jīng)推出，其中，部分已投入到實(shí)際應(yīng)用中以檢驗(yàn)其有效 7 性。同時(shí)， 準(zhǔn)作為基于內(nèi)容的多媒體編碼標(biāo)準(zhǔn)也正在制定當(dāng)中，即將成為國(guó)際標(biāo)準(zhǔn)中的一員。因此，應(yīng)盡快對(duì) 準(zhǔn)進(jìn)行研究，分析其編碼的實(shí)質(zhì)，在此基礎(chǔ)上進(jìn)一步研究基于內(nèi)容檢索的系 統(tǒng)，使我國(guó)基于內(nèi)容的圖像檢索盡快走向?qū)嶋H應(yīng)用階段。 (5)對(duì)用戶查詢接口的研究 這涉及到用戶對(duì)圖像內(nèi)容的感知表達(dá)、交互方式的設(shè)計(jì)、用戶如何形成并提交查詢等方面?，F(xiàn)代多媒體信息系統(tǒng)的一個(gè)重要特征就是信息獲取過(guò)程的可交互性，人在系統(tǒng)中是主動(dòng)的。除了提供示例和描繪查詢基本接口之外，用戶的查詢接口應(yīng)提供豐富的交互能力，使用戶在主動(dòng)的交互過(guò)程中表達(dá)對(duì)圖像語(yǔ)義的感知，調(diào)整查詢參數(shù)及其組合，最終獲得滿意的查詢結(jié)果。用戶的查詢接口應(yīng)該是直觀易用的，底層的特征選擇對(duì)用戶是透明的。這里涉及到如何把用戶的查詢表達(dá)轉(zhuǎn)換為可以執(zhí)行 檢索的特征矢量，如何從交互過(guò)程中獲取用戶的內(nèi)容感知，以便選擇合適的檢索特征等問(wèn)題。 一個(gè)優(yōu)秀的檢索引擎必須處理以下幾個(gè)問(wèn)題： (1)網(wǎng)頁(yè)的分類 (2)自然語(yǔ)言的處理 (3)檢索策略的調(diào)度和協(xié)作 (4)面向特定用戶的檢索。 因此，現(xiàn)在有很多的網(wǎng)絡(luò)檢索工具，也就是說(shuō)檢索引擎采用了智能的檢索手段來(lái)增強(qiáng)它的檢索能力，而圖片檢索正是其中的一大塊內(nèi)容。 隨著網(wǎng)上多媒體的廣泛應(yīng)用，對(duì)圖像的檢索需求將會(huì)越來(lái)越迫切。未來(lái)的圖像檢索技術(shù)將是網(wǎng)絡(luò)技術(shù)和基于內(nèi)容的圖像庫(kù)檢索技術(shù)的結(jié)合。隨著多媒體信息處理技術(shù)的日益發(fā)展和深化，圖像 信息的加工、處理和檢索標(biāo)準(zhǔn)的出臺(tái)，網(wǎng)上的圖像檢索技術(shù)將會(huì)日趨完善，而圖像檢索引擎也將成為 的新寵。 2 基于顏色的圖像檢索 色特征提取 顏色特征是一種全局特征，描述了圖像或圖像區(qū)域所對(duì)應(yīng)的景物的表面性質(zhì)。一般顏色特征是基于像素點(diǎn)的特征，此時(shí)所有屬于圖像或圖像區(qū)域的像素都有各自的貢獻(xiàn)。 8 由于顏色對(duì)圖像或圖像區(qū)域的方向、大小等變化不敏感，所以顏色特征不能很好地捕捉圖像中對(duì)象的局部特征。另外，僅使用顏色特征查詢時(shí)，如果數(shù)據(jù)庫(kù)很大 ,常會(huì)將許多不需要的圖像也檢索出來(lái)。顏色特征是在圖像檢索中應(yīng)用最 為廣泛的視覺(jué)特征，主要原因在于顏色往往和圖像中所包含的物體或場(chǎng)景十分相關(guān)。此外，與其它的視覺(jué)特征相比，顏色特征對(duì)圖像本身的尺寸、方向、視角的依賴性較小，從而具有較高的穩(wěn)定性。為了正確地使用顏色，需要建立顏色模型。 顏色特征是圖像最直觀而明顯的特征，一般采用直方圖來(lái)描述。顏色直方圖是表示圖像中顏色分布的一種方法，它的橫軸表示顏色等級(jí)，縱軸表示在某一個(gè)顏色等級(jí)上具有該顏色的像素在整幅圖像中所占的比例，直方圖顏色空間中的每一個(gè)刻度表示了顏色空間中的一種顏色。采用直方圖計(jì)算圖像間的相似性比較簡(jiǎn)單，但它不能反映圖像中 對(duì)象的空間特征 。在顏色布局描述符中，對(duì)分割好的 88 的圖像取每一塊圖像的顏色平均值，形成一個(gè)顏色平均值矩陣，然后對(duì)其用二維離散余弦進(jìn)行變換，取低頻分量作為顏色特征?？紤]到本文所選的測(cè)試圖片都是 及減少計(jì)算量，提高檢索速度的因素，本文的顏色布局描述符的提取方法如下： (1)將整幅圖像分成 44 塊，計(jì)算每一塊中所有象素 以此作為該塊的代表顏色（主顏色）。 (2)將各塊的顏色平均值進(jìn)行離散余弦變換（ 得到 國(guó)際靜止圖像壓縮標(biāo)準(zhǔn) 基礎(chǔ)。由于大多數(shù)圖像的高頻分量較小，相應(yīng)于圖像高頻分量的系數(shù)經(jīng)常為零，加上人眼對(duì)高頻成分的失真不太敏感，所以 可用更粗的量化。因此，在一般檢索中可以利用部分 (3)對(duì) 到 (4)對(duì)于 R、 G、 別從 個(gè)低頻分量，形成 12個(gè)參數(shù)，共同構(gòu)成該圖像的顏色特征向量。 圖 1 為顏色特征提取的流程圖 。 9 將 圖 片 劃 分 成 4 * 4 塊計(jì) 算 每 一 塊 的 R G B 平 均 值（ 該 塊 的 代 表 顏 色 ）將 平 均 值 進(jìn) 行 離 散 余 弦 變 換（ 得 到 系 數(shù) 矩 陣 ）對(duì) 系 數(shù) 矩 陣 進(jìn) 行 之 字 形掃 描 和 量 化 ， 得 到 系 數(shù)從 系 數(shù) 中 取 出 4 個(gè) 低 頻 分 量共 1 2 個(gè) 分 量 構(gòu) 成 特 征 向 量圖 1 顏色特征提取流程圖 10 似度計(jì)算 國(guó)際標(biāo)準(zhǔn) 此在本算法中匹配時(shí)也使用歐式距離公式，即為： i 22 )()()(),( 其中，各個(gè)分量的 i（ i=0， 1， 2， 3）個(gè) 驗(yàn)結(jié)果 本文實(shí)驗(yàn)的圖庫(kù)是從標(biāo)準(zhǔn)測(cè)試圖像庫(kù) 像庫(kù)中選取的，包括由海灘、恐龍、大象、馬、花等組成的 120 副圖片，得到利用顏色特征檢索圖片的查準(zhǔn)率和查全率為下表。 表 1 利用顏色特征的結(jié)果 類型 利用顏色 特征 的 查準(zhǔn)率 利用顏色特征 的查全率 海灘 龍 象 景 基于紋理的圖像檢索 理特征提取 圖像可以看成是不同紋理區(qū)域的組合，紋理通常定義為圖像的某種局部性質(zhì)，或是對(duì)局部區(qū)域中像素之間關(guān)系的一種度量。紋理特征可用來(lái)對(duì)圖像中的空間信息進(jìn)行一定程 11 度的定量描述。 在國(guó)際標(biāo)準(zhǔn) 邊緣直方圖。邊緣直方圖是 基于圖像邊緣的統(tǒng)計(jì)特征，能較好地反映目標(biāo)的邊緣和紋理特征，而且運(yùn)算速度較高。因此在本文中選取邊緣直方圖來(lái)提取圖像的紋理特征。下面介紹提取的具體步驟： (1)將 個(gè)象素的灰度值可以根據(jù) 色分量按下列公式計(jì)算得到： i,j)=(i,j)+(i,j)+(i,j)。 (2)將整幅圖像分成 44 塊。 (3)分別對(duì) 16塊 1/16子圖像進(jìn)行 緣算子運(yùn)算，得到邊緣圖像。 (4)統(tǒng)計(jì)子圖像中的邊緣直方圖，該直方圖 包括 4個(gè)直方條。（橫軸為 0， 1， 2，3四個(gè)邊緣方向，縱軸為該方向上的象素?cái)?shù)占子圖像總的象素?cái)?shù)的比率） (5)將 16個(gè)子圖像的直方條綜合起來(lái)，得到包括 64個(gè)直方條的整幅圖像的邊緣直方圖。 圖 2為圖像紋理特征流程圖。 12 將 bm p 圖像 轉(zhuǎn)換 成灰 度圖將 整幅 圖像 分成 4 4塊進(jìn) 行s o be l 邊緣 算子 運(yùn)算統(tǒng) 計(jì)子 圖像 中的 邊緣 直方 圖將 16 個(gè)子 圖像 的直 方條 綜合起 來(lái)取 出圖 像的 邊緣圖 2 圖像紋理特征流程圖 下面介紹用 首先介紹一下 法 中用到的 4個(gè)核模板： 13 圖 3 法模板 圖 4 法的邊緣方向編號(hào) (1)將圖像中的象素點(diǎn)的灰度值分 別與以上四個(gè)方向的核模板相乘。 (2)比較四個(gè)乘積數(shù)值，取最大的那個(gè)數(shù)值，作為該象素點(diǎn)的新的灰度值。 (3)取適當(dāng)?shù)拈撝?T，若新的灰度值 T ，則認(rèn)為該象素點(diǎn)為邊緣點(diǎn)。 通過(guò)以上算法提取出圖像的邊緣。 相似度計(jì)算 仍然采用歐式距離公式作為相似度的計(jì)算公式，如下： 63 0 2)(),( i 其中； ， 驗(yàn)結(jié)果 實(shí)驗(yàn)平臺(tái)如 出結(jié)果如下表。 14 表 2 利用紋理特征的檢索結(jié)果 類型 利 用紋理特征 查準(zhǔn)率 利用紋理特征 查全率 海灘 龍 象 景 綜合顏色和紋理特征的圖像檢索 合特征檢索的思想 圖 5 對(duì)于以上三幅圖像，假設(shè)它們是原圖像的 1/4圖像（其余 3/4圖像與此 1/4圖像相同），如果按照本文中的利用顏色特征進(jìn)行檢索，那么將得出完全相似的結(jié)論，但是實(shí)際上這三幅圖像給人的感覺(jué)是完全不同的。因此說(shuō)單一的依 靠提取一種特征來(lái)進(jìn)行檢索，得出的結(jié)果往往是不盡如人意的。在本文中，利用顏色布局描述 符結(jié)合了顏色特征和空間關(guān)系的特點(diǎn)；利用邊緣直方圖作為紋理特征彌補(bǔ)了顏色特征缺乏空間分布信息的不足，考慮到圖像中的邊緣多對(duì)應(yīng)目標(biāo)的邊界或輪廓，邊緣 直方圖描述符在一定程度上還反映了圖像中目標(biāo)的形狀信息。 15 因此這兩種特征描述符達(dá)到了不同特征的優(yōu)勢(shì)互補(bǔ)的效果，而且，這兩種特征在提取的過(guò)程中都?xì)w一化到了 0， 1區(qū)間，可以綜合在一起進(jìn)行圖像檢索。設(shè)顏色特征的權(quán)重為 理特征權(quán)重為 且 t=1，則綜合特征的相似度計(jì)算公 式為： ),(),(),( S 關(guān)反饋 由于顏色特征的權(quán)重 理特征權(quán)重 0， 1區(qū)間 ,而在這個(gè)區(qū)間不同的權(quán)重的選擇所得出的效果肯定是有差異的 。 為了能在實(shí)驗(yàn)中得到最佳的實(shí)驗(yàn)結(jié)果，就需要對(duì)權(quán)重的值進(jìn)行多次的選擇。 在確定 20%和 80%之間取值，每 5%取一次值，并計(jì)算出每次取值的圖像檢索的查全率。同時(shí)相應(yīng)改變 而得到最佳的反饋值。 驗(yàn)結(jié)果及結(jié)論 通過(guò)上述的反饋實(shí)驗(yàn)，得出關(guān)系圖如下： 16 圖 6 權(quán)重取值反饋關(guān)系 由圖 6可見(jiàn)當(dāng) 右時(shí)，圖像的檢索查全率最高，于是選取 同樣利用上述的平臺(tái)，得出綜合利用顏色和紋理的檢索方法的查準(zhǔn)率和查全率，并以之和單獨(dú)利用顏色或紋理的檢索方法進(jìn)行比對(duì)。 表 3 六類圖片的查準(zhǔn)率 類型 利用顏 色特征 利用紋 理特征 利用綜 合特征 海灘 龍 象 景 4 六類圖片的查全率 類型 利用顏 色特征 利用紋 理特征 利用綜 合特征 海灘 龍 象 景 表中的數(shù)據(jù)可以看出，利 用綜合特征進(jìn)行圖像檢索得到的查準(zhǔn)率和查全率都要高于使用任何一種單一方法進(jìn)行圖像檢索得到的查準(zhǔn)率和查全率。通過(guò)以上的實(shí)驗(yàn)結(jié)果數(shù)據(jù)可以看出 ： 本文中綜合利用顏色和紋理特征進(jìn)行圖像檢索的效果比使用單一特征進(jìn)行 17 檢索的效果更好，更符合人的視覺(jué)要求。因此，本文提出的綜合顏色和紋理特征進(jìn)行圖像檢索的方法是有效的，有意義的方法。 5 基于 圖像檢索 本與圖像之間的關(guān)系 在文本檢索中，檢索引擎主要考慮 中相關(guān)文字信息以及它的語(yǔ)義，這些文本信息反映出網(wǎng)頁(yè)的內(nèi)容，但不完全與網(wǎng)頁(yè)中圖片的內(nèi)容一致。在 ，根據(jù) 獲反映圖片信息的文字信息，分析這些文本的語(yǔ)義具有重要的意義。如在 檔中 標(biāo)記以及其周圍的文字信息，與網(wǎng)頁(yè)中的插圖的內(nèi)容有著密切的聯(lián)系。 示圖像內(nèi)容的文本標(biāo)記 為了能識(shí)別嵌入網(wǎng)頁(yè)中圖片的內(nèi)容，必須仔細(xì)檢索 過(guò)對(duì) 知以下幾個(gè)方面的標(biāo)記與文本和圖像內(nèi)容有著最為密切的聯(lián)系。 (1)圖像的說(shuō)明，這些文本出現(xiàn)在圖像的周圍，用一句過(guò)多句話表示出圖像的內(nèi)容，當(dāng)圖像被置于 表格中時(shí)，同一單元或相鄰單元格內(nèi)的文字也常用與表示圖像的含義。 (2)圖像的標(biāo)題，通常用一個(gè)關(guān)鍵詞表示圖像信息。 (3)圖像的標(biāo)簽，使用一段短語(yǔ)說(shuō)明圖片的摘要信息，圖片無(wú)法顯示時(shí)用標(biāo)簽的文本取代圖片，顯示摘要信息。 (4)網(wǎng)頁(yè)的標(biāo)題，該標(biāo)題反映出網(wǎng)頁(yè)的中心內(nèi)容，作為表現(xiàn)網(wǎng)頁(yè)內(nèi)容的圖片與網(wǎng)頁(yè)的標(biāo)題之間也有著一定的聯(lián)系。 以上討論的是 文檔和嵌入網(wǎng)頁(yè)中圖像文本信息的關(guān)系，當(dāng)然還存在其他的文本與多媒體信息和圖像有關(guān)。但是作為檢索引擎要考慮的方面，既要保證抽取信息的準(zhǔn)確性，也要兼顧程序執(zhí)行中時(shí)間、空間的復(fù)雜 度。過(guò)多地引入與圖像關(guān)系不是十分緊密的內(nèi)容作為檢索的依據(jù)，會(huì)引入檢索時(shí)的躁聲干擾，降低檢索效率。 18 以上討論了網(wǎng)頁(yè)中對(duì)圖像信息的描述，在圖像的檢索中，首先是要建立描述圖片內(nèi)容特征的查詢語(yǔ)句，然后比較、區(qū)分描述信息與查詢語(yǔ)句之間的異同，獲取需要檢索的圖像。但以上信息在對(duì)圖像描述時(shí)側(cè)重于不同角度，同時(shí)與圖像信息的聯(lián)系程度也不一樣。圖像標(biāo)題和網(wǎng)頁(yè)標(biāo)題是簡(jiǎn)單的詞條，兩者中相對(duì)來(lái)說(shuō)圖像標(biāo)題更接近圖像的主題內(nèi)容。圖像的標(biāo)簽和圖像的說(shuō)明是文本信息對(duì)圖像內(nèi)容的描述，后者相對(duì)來(lái)說(shuō)更為詳細(xì)。所以在比較、 區(qū)分各類文本信息以決定是否符合檢索要求時(shí)，它們所占的權(quán)值應(yīng)該是有所不同的。根據(jù)信息的重要程度，他們所占的權(quán)值大小按次序如下： 像信息檢索 在 對(duì)圖像的檢索，也就是對(duì)圖像信息的檢索，根據(jù)圖像自身所帶的信息，選其中某一種或幾種進(jìn)行檢索，進(jìn)而檢索到相關(guān)的圖像，再經(jīng)過(guò)選取得到所需的圖像 。 而 索引擎采用何種檢索模型，它所提供檢索質(zhì)量將直接影響到檢索的效果。現(xiàn)在使用較多的是布爾檢索模 型、概率檢索模型、概率推理網(wǎng)絡(luò)模型和向量空間模型。這里采用的是近年來(lái)使用較多且效果較好的一種信息檢索模型：向量空間模型。 在用向量空間模型進(jìn)行檢索的時(shí)候，首先把描述網(wǎng)頁(yè)中的圖片的文字信息看作是有序的詞條序列，這樣把以上歸納的信息分別稱為： 應(yīng)用模型時(shí)，我首先要將這些信息向量化，把文檔映射為一個(gè)特征向量 V(d)=( 1(d)； n(d)，其中 ti(i=1,2, ,n)為一列互不雷同的詞條項(xiàng)， i(d)為 一般被 定義為 d)的函數(shù)，即 )()( i 在信息檢索中常用的詞條權(quán)值計(jì)算方法為 數(shù) )lo g ()(ii 其中 N 為所有文檔的數(shù)目， 含有詞條 文檔數(shù)目。 式有很多變種，下 19 面是一個(gè)常用的 式： ni 1.0(l o g)()o g ()()( 根據(jù)公式，文檔集中包含某一詞條的文檔越多，說(shuō)明它區(qū)分文檔類別屬性的能力越低，其權(quán)值越??；另一方面，某一文檔中某一詞條出現(xiàn)的頻率越高，說(shuō)明它區(qū)分文 檔內(nèi)容屬性的能力越強(qiáng)，其權(quán)值越大。 兩文檔之間的相似度可以用其對(duì)應(yīng)的向量之間的夾角余弦來(lái)表示，即文檔 ()()()()(c o s),( 進(jìn)行查詢的過(guò)程中，先將查詢條件 要依據(jù)布爾模型 : 當(dāng) 中時(shí)，將對(duì)應(yīng)的第 ，否則置為 0，即 1 也就是說(shuō)當(dāng)兩詞條完全相同時(shí)，這一項(xiàng)為 1，其余情況為 0?？梢钥闯鑫臋n含有完全相同的詞條時(shí)，相似度 =1；而其中無(wú)相同時(shí)的詞條時(shí)，相似度 =0。 從而文檔 的相似度為 ()()(),(根據(jù)文檔之間的相似度，結(jié)合機(jī)器學(xué)習(xí)的一些算法如神經(jīng)網(wǎng)絡(luò)算法， 以將文檔集分類劃分為一些小的文檔子集。 在查詢過(guò)程中，可以計(jì)算出每個(gè)文檔與查詢的相似度，進(jìn)而可以根據(jù)相似度的大小，將查詢的結(jié)果進(jìn)行排序。 向量空間模型可以實(shí)現(xiàn)文檔的自動(dòng)分類和對(duì)查詢結(jié)果的相似度排序，能夠有效提高檢索效率；它的缺點(diǎn)是相似度的計(jì)算量大，當(dāng)有新文檔加入時(shí)，則必須重新計(jì)算詞的權(quán)值。 20 流程為 : 文 字 信 息 向 量 化文 檔 映 射 成 一 個(gè) 特 征 向 量查 詢 條 件 向 量 化查 詢圖 7 向量空間模型檢索流程 詞技術(shù)和匹配方法 1. 常用的切詞算法如下： (1)最大正向匹配法 基本思想是：設(shè) D 為詞典， 中的最大詞長(zhǎng)， 是每次從 取長(zhǎng)度為 子串與 D 中的詞進(jìn)行匹配。若成功，則該子串為詞，指針后移 則子串逐次減一進(jìn)行匹配。 (2)逆向最大匹配法 它的基本原理與前面的相同，不同的是分詞的掃描方向，它是從右至左取子串進(jìn)行匹配。 統(tǒng)計(jì)結(jié)果表明，單純使用正向最大匹配的錯(cuò)誤率為 1/169，單純使用逆向最大 匹配的錯(cuò)誤率為 1/245，它切分的準(zhǔn)確率上比正向匹配法有很大提高 。 (3)基于詞頻的統(tǒng)計(jì)方法 21 統(tǒng)計(jì)方法一般不依賴于詞典，而是將原文中任意前后緊鄰的兩個(gè)字作為一個(gè)詞進(jìn)行出現(xiàn)頻率的統(tǒng)計(jì)，出現(xiàn)的次數(shù)越高，成為一個(gè)詞的可能性也就越大。在頻率超過(guò)某個(gè)預(yù)先設(shè)定得閾值時(shí)，就將其作為一個(gè)詞進(jìn)行索引。這種方法能夠有效地提取出未登錄詞。 2. 匹配方法： (1)詞典存儲(chǔ)格式： 首先對(duì)存儲(chǔ)形式進(jìn)行建模，結(jié)構(gòu)是 3層樹形結(jié)構(gòu)，如下 A 1A 3A 2A 1 B 1 ( f , n 1 )A 1 C 1 ( t , n 3 )A 1 B 2 ( t , n 2 )A D 1 ( t , n 4 )F 1G 2 H 1G 2H 1 R 1 T 1圖 8 3 層樹形結(jié)構(gòu) 一層存儲(chǔ)所有單字 。第二層保存所有的雙字詞和多字詞的前兩個(gè)字（因?yàn)?，也許會(huì)出現(xiàn) 詞，但 是詞的情況），并對(duì)兩者做不同標(biāo)記 (t/f)。每一個(gè)可成詞的單字對(duì)應(yīng)一系列第二層結(jié)點(diǎn)，用來(lái)存儲(chǔ)所有以該字為詞首的雙字（包括上述兩種情況）。并且，在這里，針對(duì)每一個(gè)雙字，需要記錄以該雙字為詞首的所有詞的最大長(zhǎng)度，實(shí)際中，可以保存除去該雙字部分的最大長(zhǎng)度 (記為 n)。第三層存儲(chǔ)以某一雙字為首的所有詞。為了減少存儲(chǔ)空間，只存儲(chǔ)除去該雙字以外的部分（如上圖所示）。每一層各結(jié)點(diǎn)需按某種次序排列，可使用 分查找等方法進(jìn)行查詢。采用這種 層次的存儲(chǔ)結(jié)構(gòu)，可以很快把查詢?cè)~的工作縮小到一個(gè)很小的范圍內(nèi)，有利于分詞效率的提高。 (2)匹配方法 由于詞庫(kù)中的最大詞長(zhǎng)通常大于所切分出的詞長(zhǎng)，為了提高切分的效率，不采用逐次減一個(gè)字的方法，而是使用正向逐一增長(zhǎng)的方法。 假設(shè)對(duì)一個(gè)句子 進(jìn)行分詞處理，算法描述如下： 1) 兩個(gè)字（開始時(shí)為 在詞典中查詢 2) 不存在，則 單字詞，一次分詞結(jié)束，返回 1。 22 3) 存在，判斷 否為詞，并從詞典中獲取該詞下層節(jié)點(diǎn)漢字的最大長(zhǎng)度，設(shè)為 n 4) 若 n=0，一次分詞結(jié)束，保 存結(jié)果。 5) 否則， i=2，轉(zhuǎn) 6)。 6 ) i=i+1，若 i=n+3，轉(zhuǎn) 8)；否則，轉(zhuǎn) 7)。 7) 再取一個(gè)字（此處為 判斷第三層中是否有以 不需要恰好匹配，只要匹配開始的 。 8) 若存在，分詞結(jié)束，返回最近一次能夠恰好匹配的 Cj(保證檢索精度 80%，從圖 12中看出，當(dāng)相似度臨界值 60%。當(dāng)相似度臨界值取 檢索模型可以保證檢索精度 80%，而檢索完全度 60%。 為決定 試從 終得出 比較合理地反映出圖片與這些文本的相關(guān)性，保證檢索的準(zhǔn)確性。 6 總結(jié) 本文概括介紹了圖像檢索的現(xiàn)狀和發(fā)展方向，并對(duì)其中幾個(gè)算法進(jìn)行了分析和比較。在了解了檢索引擎的檢索原理公式和反饋原理之后 ,可以根據(jù)其理論做出相應(yīng)的檢索引 26 擎 ,并能作出比較檢索效果。但為了能更好的使用，還得去仔細(xì)更好的給文檔進(jìn)行分類，更多的對(duì)此引擎進(jìn)行反饋訓(xùn)練查詢等，使得 在畢業(yè)論文的過(guò)程中，遇到了很多的問(wèn)題。首先，圖像檢索的算法對(duì)我來(lái)說(shuō)過(guò)于深?yuàn)W，為此我看了很多的關(guān)于這方面的算法的研究，大概 能知道具體的思路了。本人的水平和技術(shù)都很有限，論文里可能存在著某些問(wèn)題和錯(cuò)誤，在這方面希望能得到老師們的體諒，本人也將繼續(xù)努力。 最后，在這個(gè)論文的編寫中，我確實(shí)學(xué)到了不少東西，在眼界和思想上都得到了一定的擴(kuò)展，尤其是關(guān)于圖像這方面，以前幾乎沒(méi)接觸過(guò)這方面的知識(shí)，現(xiàn)在也能大概知道關(guān)于這方面的發(fā)展和相關(guān)的技術(shù)。而我在今后也將更加努力的學(xué)習(xí)，擴(kuò)展自己的見(jiàn)識(shí)，提高自己的能力。 27 參 考 文 獻(xiàn) 1張量，詹國(guó)華，袁貞明 .基于 2朱學(xué)芳 .多媒體信息處理與檢索技術(shù) M，電子工業(yè)出版社， 2003： 1673陳瀅 ，徐宏炳 ，王能斌 .協(xié)作式