发布时间 : 星期六 文章Web图像检索系统原型设计和实现更新完毕开始阅读df67fc2ba8114431b90dd898
颜色特征和其他特征相比具有一定的稳定性，不随物体的平移、旋转、观察距离的变化而变化，对于图像缩放、旋转、遮挡及其他形变有着更强的变化。 2、纹理特征：纹理也是图像的一个重要属性。航空、遥感照片、织物设计图案、复杂的自然风景以及动植物都有纹理。纹理特征有两个要素构成：(1)纹理基元；(2)基元的排列。纹理基元是一种或多种图像基元的组合，有一定的形状和大小。纹理由纹理基元排列而成，。基元排列的疏密程度、周期性、方向性的不同，能使图像的外观产生极大地改变。纹理可以认为是灰度(颜色)在空间以一定的形式变化而产生的图案，是真实图像区域固有的特征之一。类似于颜色，纹理也常取决于人们的感知，一般说来可以认为纹理是由许多相似接近的、互相编织的元素构成，所以直观来说纹理描述可提供图像区域的平滑、稀疏、规则性等特性。
3、形状特征：形状特征对于人类说是识别物体的主要信息，是一种重要的图像内容表达手段。按表达的形式分，可分为基于边界的和基于区域的两种类型。 边界特征包括：线型形状，多边形逼近，有限元模型和傅里叶描绘子。区域特征主要有矩不变量等。形状特征是比颜色和纹理更高层一些的特征，对形状的表达比对颜色或纹理的表达从本质上要复杂的多，图像的形状信息不随图像颜色等特征的变化而变化，是物体稳定的特征。特别对于图形，形状是它唯一重要的特征。 形状特征的各种表示方法中一个重要标准是它必须具有仿射不变性，即相对于旋转平移和尺度变换具有不变性。通常来说，形状特征有两种表示方法，一种是基于边界轮廓特征(contour-based)的，包括:傅立叶形状描述子、小波轮廓描述子、边界直方图、链编码、曲率尺度空间等，其中最典型的方法为傅立叶形状描述子。一种是基于区域特征(region-based)的，如不变矩。前者只用到物体的外边界，而后者则关系到整个对象所在的区域。
4、语义特征：图像的视觉特征在一定程度上能代表图像包含的信息，但事实上，人们判断图像的相似性并非仅仅建立在视觉特征的相似性上．更多的状况下，用户主要根据返回图像的含义，而不是颜色、纹理、形状等特征，来判别图像满足自己需要的程度．这些图像的含义就是图像的高层语义特征，它包含了人对图像内容的理解．基于语义的图像检索的目的，就是要使计算机检索图像的能力达到人的理解水平．在一般的图像内容层次模型中，语义位于最高层；其与第2层和第3层之间的差别被许多学者称为“语义鸿沟”，语义鸿沟的存在是目前CBIR系统还难以被普通用户接受的原因。在某些狭窄的专业领域，比如指纹识别和医
6
学图像检索中，将图像低层特征和高层语义建立某种联系是可能的，但是在广泛领域内，低层视觉特征与高层语义之间并没有很直接的联系。
采用颜色、纹理、形状等底层特征对图像进行的描述往往与人对图像的描述存在较大的差异，直接利用这些特征作为检索依据常得不到令人满意的结果。解决这类问题的办法是采用高层的特征即“语义特征”进行检索。由于它是从人类视觉理解出发，着眼于提取图像中符合人类视觉的概念。基于语义的检索技术难度很大，是图像检索领域的研究方向。
在语义级图像检索技术中，关键是实现语义的提取。这就要解决两个问题：语义特征具有“模糊性”，因此要提取图像的语义特征就必须解决特征的“模糊化”问题；语义特征与人的视觉理解紧密相关，所以在检索中要融入人的视觉感知，在“理解”图像的基础上检索图像。
虽然采用语义内容进行查询是最符合人的使用要求的方式，也是理想的检索 方式，但是就当前的计算机和图像理解的发展水平来看，这种完全智能化的检索方法前正处于研究阶段，与实际应用还有较大的距离。 3.2.2 体系结构
本设计以matlab为开发环境实现了一个基于内容的图像检索原型系统如图3-1所示，主要用于验证各种特征提取算法的可行性和有效性。首先对用户提交的示例图像进行特征提取，然后与图像特征库中的特征值进行匹配，最后将检索结果返回给用户。系统的关键模块包括查询模块、特征提取模块、匹配模块，实际应用中每个模块都有许多具体技术可以采用，下面主要讨论各模块的功能及相关实现技术。
7
用户界面 图像输入模块 查询接口模块 图像显示模块 特征提取模块 检索匹配模块 图像特征库
图3-1 基于内容的图像检索系统结构
3.2.3 查询模块
查询模块用于提供前端界面的有关查询接口，用户通过查询界面访问图像库从而找到满足要求的图像，检索结果也是通过这个接口返回给用户。本系统主要采用示例图像方式，即用户给定一幅与期望图像类似的图像作为查询图像。 3.2.4特征提取模块
基于内容的图像检索首先要解决的问题就是图像内容的分析和表示。图像内容的分析和表示指的是通过对图像像素的颜色属性以及像素间的相互关系进行分析，从而得到一系列数字或者描述特征，这些特征可以在一定程度下描述图像本身的内容。然后，利用这些特征可以对图像建立索引，从而达到图像检索的目的。因此，图像内容的表示问题本质上是一个图像特征的提取问题。从广义上来讲，图像的特征包括图像的底层特征和高层语义特征。底层特征用来描述图像共有的特征，主要包括颜色、纹理、形状等;后者则用来描述图像自身的内容信息，比较抽象。本设计主要基于图像底层特征的特征提取。
系统中的特征提取模块负责图像处理工作，具体实现CBIR系统中支持的各种特征提取算法，从而能从图像中提取相应的特征信息。 3.2.5匹配模块
8
查询模块将用户的查询请求通过特征提取模块转换为查询特征向量，然后调用匹配模块计算特征库中的每一个特征与待查图像特征的相似度，并按相似程度由大到小排列返回给用户所需要的图像。
基于内容的图像检索系统所使用的匹配不是精确匹配而是一种基于相似的检索，它关心的是排序，选择合适的相似性度量函数很重要。目前研究图像内容的相似性度量是指图像特征间的相似性，是图像检索研究的重要组成部分。相似性度量方法的好坏影响到图像检索的性能;而相似性度量的计算复杂性影响到图像检索的用户响应时间。一般假设图像特征矢量是距离空间中的元素(其中的元素称为点)，通过计算两点之间的接近程度来衡量图像特征之间的相似度。
9