基于内容的多特征图像检索中的关键技术

本文主要讨论了基于内容的多特征图像检索中的几个关键技术：多特征综合检索的相似度计算，多特征之间如何融合，特征之间权值的调整及相关反馈。     

基于内容的静态图像检索

本文概括了基于内容的图像检索的现状，基于内容的图像检索的必要性。本文也描述了现行的基于内容的图像检索的主要技术，一些商业图像检索系统的特点，检索系统的性能，以及这个领域今后的发展方向。     

基于内容的图像检索技术研究进展及其在数字图书馆中的应用

基于内容的图像检索技术是对图像的物理内容为加工对象的检索技术之一,主要实现方式包括基于颜色、纹理、形状、空间位置和语义等。其中基于颜色的图像检索发展最为成熟,而基于语义的检索则尚处于探讨、研究阶段。基于内容检索和基于文本检索在数字图书馆中可以融合共同提供检索服务。Google为这一尝试提供了在后控阶段的有效案例,而真正的实现两者的融合是在预处理阶段。两者结合在数字图书馆中的应用是可行的,相信能够提供更好的图像检索服务。     

基于WWW的图像检索技术

在阐释WWW图像信息检索基本原理的基础上，着重介绍并评价了目前图像检索领域主要的检索技术，并列举了几种较为先进的图像检索demo系统，最后对一些制约基于WWW图像检索技术发展的瓶颈问题进行了简要的探讨。     

商标图像检索技术述评

对商标图像检索的三种技术(类目检索、文本检索、基于内容检索) 加以介绍, 并重点阐述采用基于内容技术实现对纯图像、图形商标检索的原理和主要方法, 最后分析归纳了实践应用中检索商标图像的障碍及有待解决的问题。     

数字图书馆中基于内容的图像检索技术

基于内容的检索是随着多媒体技术的发展而日渐明显的多媒体数据库查询和检索方法,它根据媒体对象的语义、特征等进行检索,其主要包括图像(Image)检索、视频(Video)检索、音频(Audio)检索。本文讨论了实现数字图书馆中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与数字图书馆系统,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。     

数字图书馆中基于内容的图像检索关键技术

数字图书馆基于内容的图像检索数据库研究中 ,要研究的关键技术包括 :建立数据模型 ,基于内容的编码 ,基于图像颜色特征、纹理特征、形状特征、空间关系特征的索引 ,以及检索效果的评价标准和高维索引等。参考文献 10。     

基于深度学习CNN模型的图像情感特征抽取研究

[目的/意义]以用户情感为线索的图像检索已成为机器学习研究的热点，但图像情感特征标注的语料数据多来源于对图像低层特征的抽取，从而导致图像检索过程单一化和程式化。本文提出了一种基于深度学习的图像情感特征抽取的算法，将图像底层特征融合到图像的高层情感语义当中，为实现图像的情感语义检索提供了参考。[方法/过程]利用改进的卷积网络模型，将数据集图像的颜色、纹理作为输入，经多层运算自动提取图像的情感信息，并通过反向传播算法计算出改进后模型的情感检索准确率，构造出准确率较高且过拟合程度低的图像情感特征提取模型。[结果/结论]应用改进的卷积神经网络模型，实现了对图像情感特征的抽取，相较于原模型提升了10%的检索准确率。     

基于内容的图像检索反馈技术概述

在对现有的相关反馈算法进行总结的基础上，介绍一些有所改进的反馈算法，同时展示各种算法的基本原理和检索效果。通过对比各种算法的查全率与查准率，展示各种算法的优缺点、应用范围;介绍现有的几个使用相关反馈技术的基于内容的图像检索系统，并针对相关反馈领域的研究预测其有挑战性的发展方向。     

Folksonamy——基于文本的图像检索的新方向

Folksonamy是在web2．0的时代出现的一种新的资源组织方式，为基于文本的图像检索技术（TBIR）提供了新的发展方向。     

数字图书馆中基于内容的图像检索新进展

论述了基于内容的图像检索技术（CBIR）的新进展，提出了引入相关反馈机制、多种特征组合检索、图像聚类检索等三种改进其性能的方法。并通过实例论证了这些方法的有效性。     

基于内容的图像检索系统研究

回顾了图像检索系统的发展过程, 全面综述了在图像检索, 尤其是基于内容的图像检索领域的技术和现状, 探讨了图像检索系统中的关键技术, 并介绍了一些著名的图像检索系统, 最后就图像检索系统的新成果进行了详细阐述。     

基于内容的图像检索技术的发展方向

基于内容的图像检索技术是目前图像检索中的热门技术，本文主要是针对基于内容的图像检索技术中的的局限性，从图像数据模型、有效的特征提取、高层语义和低层特征的关联、高维索引技术、多特征综合检索、压缩域图像检索技术以及用户查询接口等方面探讨了基于内容的图像检索技术的未来发展方向。     

基于内容的图像检索技术与系统

在简要指出传统图像信息检索技术存在的问题后,通过实例分析了基于内容的图像信息检索技术(Content-based Image Retrieval )的原理,并介绍了国外主要的基于内容的图像信息检索系统。     

潜在语义索引在图像检索中的应用

传统的图像检索方法利用图像的外部特征进行检索,它不能分析和处理图像的语义内容而使应用受到限制。为了解决这一问题,基于内容的图像检索技术应运而生。要将语义内容结合到检索中,就需要进行语义建模。介绍了潜在语义模型在图像的语义建模中的应用。     

面向数字文旅的图像文本跨模态检索方法

[目的/意义]图像文本跨模态检索应用对最大化利用数字文旅资源具有重要意义。然而,数字文旅领域的图像文本跨模态检索方法面临长文本挑战、数据缺失、内存资源有限等问题。为此,我们提出了一种新的基于Transformers和MobileNet V3模型的数字文旅图像文本跨模态方法。[方法/过程]首先,提出了基于自注意力机制的双层多组Transformers模型从标题、正文和评论等文本中学习具有互补性的文本特征;其次,设计了FastR-CNN和MobileNet V3模型学习图像局部细粒度特征;最后,提出了多元线性回归方法在共享子空间补全缺失数据。构建以图搜文和以文搜图的双向三元损失函数学习模型参数。[结果/结论]在标准数据集Flickr30k、自建数据集CulTour-Sha和有数据缺失的数据集Flickr30k-1与CulTour-Sha-1上的大量实验结果表明,我们的方法在召回率、内存需求和计算速度等方面优于当前几种先进的跨模态检索方法。     

基于内容的图像检索高层语义处理方法

从图像语义层次描述方式、图像语义抽取方法两个方面对利用语义进行图像检索的研究状况进行总结,提出建立语义模板用于支撑高层语义检索,同时应用多层次的相关反馈方法建立和修正图像低层特征与高层语义间的联系,缩小图像检索过程中的“语义鸿沟”,达到一定程度语义检索的目的。     

基于综合特征的图像检索技术的研究

随着计算机网络和多媒体信息的迅猛发展，基于内容的图像检索技术成为研究热点。本文通过介绍了基于颜色、形状、纹理和空间特征的图像检索，阐述了利用单一特征检索的不足，提出和分析了多种综合特征的图像检索技术。     

基于内容的检索技术在未来媒资系统中的应用

基于内容的多媒体检索技术改善了检索效率,在媒体资产管理系统中有着广阔的应用前景。本文介绍了基于内容的视频和音乐检索技术,以及其未来在媒资系统中的应用。     

采用几何特征的人造物体图像检索研究

修正传统图像信息描述方法,在人造物体图像解释过程中采用几何特征和先验知识相结合的方法,提出人造物体图像结构描述以及相应的匹配算法。通过特征点对目标图像的形状轮廓进行离散化和曲线拟合获取离散曲线段的几何特征向量,并根据特征点类型来描述曲线段之间的关系,最终还原人造物体图像结构描述的参数化模型。实验证明,该方法更能够满足人类的视觉特性,而且能够方便计算机还原出图像中的对象形状。