内容的图像检索系统中的关键技术

介绍了基于内容的图像检索技术的研究现状和应用现状。阐述了基于内容的图像检索系统的通用框架中的查询模块、描述模块、匹配模块、提取模块、验证模块的作用。并对图像检索系统所涉及关键技术特征提取中的颜色、纹理、形状和物体间方位关系,以及颜色检索中的图像间的相似度,纹理是与物体表面材质有关的图像特征．高维索引中的维度压缩方法,KL变换和列向聚类,多维索引技术中的K—d树,R树及其变种R＋树、R＊树,四叉树等等,以及聚类法、神经网络法进行了分析和研究。给以后实现基于内容的图像检索系统提供了理论基础。     

基于内容图像检索技术在教学资源库中的应用

结合基于内容图像检索技术的原理与特点,探讨基于内容图像检索技术在教学资源库建设中的应用,并以实际的牛肉图像资源库为例叙述了基于牛肉图像内容检索在图像教学资源库中的应用。     

基于内容的图像检索技术

讨论了基于内容的图像检索的关键技术，论述了每个阶段的研究特点，对基于内容的图像检索的主要研究技术进行详细和全面的论述，介绍了典型的基于内容的图像检索原型系统，通过综述指出了目前研究中存在的主要问题并指出了今后的研究方向。     

基于内容的图像档案检索

基于内容的图像检索技术是指利用图像内容对图像进行检索的技术.图像的内容包括图像的颜色特征、形状特征、纹理特征等.本文针对图像档案检索的问题,介绍了基于内容图像检索技术的概念,并给出了基于内容的图像档案检索系统的实现方案.     

基于内容的图像检索技术简析

基于内容的图像检索技术是新一代多媒体计算机的核心技术。本文介绍了基于内容的图像检索系统的关键技术,分析了现有的图像检索技术的缺陷,并提出了将来的研究方向。     

基于内容图像检索的相关反馈技术

随着基于内容图像检索成为研究的热点,相关反馈技术的引入也受到人们的重视,并作为图像检索的有效改进技术.基于文本的图像检索和近期发展迅速的基于内容的图像检索技术,对相关反馈技术做了简要介绍,并对图像检索的发展进行了展望.     

论基于内容的图像检索技术

随着图书馆收藏的图像资料迅速增多,人们迫切需要提供一种能在大量图像数据库中快速检索到所需图像资料的计算机图像检索系统,基于内容的图像检索技术就是这样一种检索技术.它利用图像的颜色、纹理、形状和其他特征对图像进行查询,在浩如烟海的图像数据库中迅速检索到用户所需的图像资料,是一种很有前途的图像检索技术,有着广阔的应用前景.     

基于内容特征的多媒体数据库检索方法研究

基于内容的检索突破了传统的基于关键词检索的局限,直接对图像、视频、音频进行分析,抽取特征,使得检索更加接近媒体对象。借鉴基于关键字的检索技术,用基于特征向量二叉排序树来组织图像的特征数据库,以提高检索的效率。     

基于内容的图像检索技术探讨

本文比较了传统的多媒体信息检索方法和基于内容的检索方法的异同,论述了基于内容的图像检索技术的特点、技术、方法,并指出了多媒体信息检索时需要解决的几个关键问题。     

利用熵和分形压缩编码的图像检索新方法

图像的抽象描述和特征提取是基于内容的图像检索系统中需要解决的关键问题之一,文章提出了一种图像信息熵和分形编码相结合的图像检索方法．首先,计算图像库中的各幅图像的信息熵,比较设定的阈值对图像库进行预分类;其次．利用Jacquin方法计算得到查询图像的分形IFS编码,应用到图像库同类的图像进行分形迭代解码;最后,计算解码图像与查询图像的相似距离得到检索结果．实验结果表明,与直接像素值相似匹配方法相比,该法在基本保证图像检索效率的前提下,极大地提高了检索时间．     

基于内容图象检索的相关反馈机制

图象数量的爆炸性增长,使得基于内容的图象检索成为一个研究的热点,而以计算机为中心的图象检索方式又有一定的局限性,因此在图象检索中引入相关反馈机制越来越显示出它的重要性.本文简要介绍了基于内容图象检索中相关反馈的工作过程以及一些常用的相关反馈检索机制,它将人也作为检索系统的一个部分,根据用户的反馈重新查询,从而提高检索精度.     

基于信息论的图像特征选择

图像特征选择是基于内容的图像检索的关键技术之一,ReliefF算法是常用的图像特征选择算法。针对ReliefF特征选择算法的不足,利用信息论中的散度对其进行改进,在相同的时间复杂度下,使得结果的有效性得到一定的改善。提出两步法的特征选择框架,并且实现去除冗余特征的算法,在保证结果有效性的前提下大大降低了时间复杂度。     

基于NMI不变特征的二值商标图像检索方法研究

商标图像的检索在图像库系统管理和应用中得到了越来越多的重视.文中针对二值商标图像,提出一种基于NMI特征的商标图像检索方法.其特点是计算简单,精确度高,具有抗几何畸变性,对滤波、平滑、压缩等图像操作有一定的鲁棒性.试验结果表明,该方法具有一定实用价值,可用于二值商标图像检索.     

基于C#的图像颜色特征值的提取与匹配

数字图像数据特征值的提取和匹配,是基于内容的图像检索的基础,本文利用C#语言实现了一种图像颜色特征值的提取和匹配算法。     

基于内容自动扩展的多示例查询图像检索技术

为了缩短基于内容图像检索存在的"语义鸿沟",提出了一种自动扩展的多示例查询技术.该技术将传统检索使用的单一查询图像自动扩展为多个查询示例,从而包含了更多的与语义相关的图像特征.对这些查询示例进行检索,并融合检索结果,可以获得更多相关图像.扩展主要利用了一般检索算法的查准率-查全率曲线特点,对原始查询结果的图像特征距离应用K-均值聚类算法,确定多个查询示例图像.实验结果表明该方法可以显著提高原有检索算法的查全率和查准率.     

基于区域的图像检索技术

传统的基于内容的图像检索方法提取图像全局特征,缺乏高层语义信息,无法很好地满足用户的检索要求。本文深入研究基于区域的检索方法,该方法能够更好地表达用户的查询要求,在语义层次上理解图像、检索图像,是基于内容的图像检索的一种行之有效的方法。     

基于颜色和边界方向特征的图像检索

由于单一特征不足以准确地描述图像特征,提出了一种结合颜色特征和边界方向特征的图像检索方法.针对传统颜色直方图中图像对所有像素具有相同重要性的问题进行了改进,提出了像素加权的改进颜色直方图方法;然后采用非分割图像的边界方向直方图方法提取图像的形状特征,该方法相对分割方法具有简单、有效等特点,并对图像的缩放、旋转以及视角具有不变性.为进一步提高图像检索的质量引入相关反馈机制,动态调整两幅图像相似度中颜色特征和方向特征的权值系数,并给出了相应的权值调整算法.实验结果表明,上述方法明显地优于其它方法.     

Multi-core based parallel computing technique for content-based image retrieval

In this paper, we propose a parallel computing technique for content-based image retrieval （CBIR） system. This technique is mainly used for single node with multi-core processor, which is different from those based on cluster or network computing architecture. Due to its specific applications （such as medical image processing） and the harsh terms of hardware resource requirement, the CBIR system has been prevented from being widely used. With the increasing volume of the image database, the widespread use of multi-core processors, and the requirement of the retrieval accuracy and speed, we need to achieve a retrieval strategy which is based on multi-core processor to make the retrieval faster and more convenient than before. Experimental results demonstrate that this parallel architecture can significantly improve the performance of retrieval system. In addition, we also propose an efficient parallel technique with the combinations of the cluster and the multi-core techniques, which is supposed to gear to the new trend of the cloud computing.     

基于内容的细菌病毒检索系统设计

目前人类对于致病细菌、病毒的认识还停留在语义描述阶段,比较缺乏形象的、可视化的描述方式。因此也很难对病毒、细菌形成较深刻的印象。而且对于现有的致病性细菌、病毒也缺乏系统的可视化存储,这非常不利于人类对于致病性细菌、病毒的了解。在此需求下开发一个可视化基于内容的病毒检测系统可以很好解决上述问题。系统建设主要包括病毒图片获取、病毒图片特征提取、病毒库索引生成、病毒图片相似性分析对比、检索反馈及结果输出等功能模块。该系统可以通过爬虫等技术手段采集病毒图片,生成病毒库,从而对新型病毒或细菌进行基于内容的检索,从而有利于对病毒或细菌的种族、类型等进行研究和分析。