一種基于內(nèi)容的圖像檢索系統(tǒng)

焦華龍

CBIR是_項覆蓋計算機視覺、 色彩感知、圖像處理、圖像分類、統(tǒng)計聚類、心理學、人機交互及與特定應用相關(guān)的領(lǐng)域。 本文討論了我們開發(fā)的_個基于內(nèi)容的圖像檢索 系統(tǒng)算法實現(xiàn)。

S 1功能描述

除關(guān)鍵字和分類檢索外， 系統(tǒng)還提供以下幾種基于內(nèi)容的檢索。 實例自動檢索， 給 定_幅圖像， 找出圖像庫中與之相似的若干幅圖像， 其中相似的圖像數(shù)可以在系統(tǒng)自設(shè)。 相似性包括顏色、紋理和形狀三個方面的相似性， 可以在系統(tǒng)中設(shè)定它們的組合方式 （如 是否進行紋理判斷、是否進行若干個特征的混合等）及所采用的特征（可選特征有顏色 Hsv 直方圖、顏色位置分布直方圖、紋理共生矩陣等）， 系統(tǒng)自動提取這些設(shè)定的特征， 不需要 進行人工標記。 顏色查詢方式， 用戶可以自己設(shè)置_ 幅自己想象的圖像的顏色分布， 根據(jù) 用戶的設(shè)置找出在圖像庫中與之相似的圖像。 自設(shè)的圖像有9個小塊組成， 每_塊可以指 定_種顏色。 相關(guān)性反饋， 通過用戶設(shè)定的檢索方式進行初次檢索之后， 再根據(jù)檢索得到 的結(jié)果指定每_幅圖像與用戶想要得到的圖像的相關(guān)性程度反饋給系統(tǒng)， 系統(tǒng)根據(jù)這些信 息修正特征進行第二次檢索， 如此反復幾次直到獲得最佳結(jié)果。 紋理判斷， 對于_幅實例 圖像系統(tǒng)先進行是否為紋理圖案的判斷， 再提取特征進行匹配， 如果是紋理圖就需要提取紋 理特征， 并且以紋理為主要特征進行匹配， 非紋理圖就不提取紋理特征， 而主要采用其他 特征來匹配。 此外， 根據(jù)數(shù)據(jù)庫系統(tǒng)的安全性考慮， 將用戶分為管理員和操作員兩種， 管 理員具有所有的權(quán)限， 可以對數(shù)據(jù)庫添加、刪除等操作， 還可以設(shè)置用戶， 設(shè)置系統(tǒng)的工 作方式等。

S 2系統(tǒng)框架和實現(xiàn)

本系統(tǒng)由這些部分組成： 圖像數(shù)據(jù)庫管理模塊， 特征提取模塊， 檢索界面， 用戶管理 模塊， 顏色分布自定義模塊， 相關(guān)性反饋模塊， 如圖1所示。對圖像庫中的每? _幅圖像，圖像數(shù)據(jù)庫中有_條記錄與之對應﹔這條記錄存有圖像的URL地址以及該圖像對應的特征 數(shù)據(jù)在特征庫中的位置信息。對于存入數(shù)據(jù)庫中的圖像’假定它已經(jīng)存在于某個URL位置’ 特征提取模塊先根據(jù)系統(tǒng)的設(shè)定計算每個需要存儲的特征’ 同時將這些特征數(shù)據(jù)存儲在特 征庫中’ 之后將圖像的有關(guān)URL地址、 文本描述以及特征數(shù)據(jù)在特征庫中的位置信息寫入 圖像數(shù)據(jù)庫﹔這就完成了圖像的存儲操作。 檢索界面接受用戶的界面設(shè)置和檢索的特征選 擇’ 與系統(tǒng)的其他部分交互完成檢索工作。 比如進行實例的相關(guān)性反射檢索’ 被檢索圖像 先送到特征提取模塊計算得到圖像特征數(shù)據(jù)’ 然后將得到的特征數(shù)據(jù)與圖像數(shù)據(jù)庫中每_? 條記錄K對應于圖像庫中的_幅圖像）的特征數(shù)據(jù)K從記錄的特征庫中的位置得到）按照 某個度量方法進行比較﹔之后按匹配由好到壞的順序排序’ 最后將比較匹配的結(jié)果圖像返 回給檢索界面’ 從而完成初次檢索過程。 用戶根據(jù)自己的主觀判斷在界面上對結(jié)果圖像進 行相關(guān)性程度的標識之后’ 再由系統(tǒng)將標識信息傳遞給相關(guān)性反懾模塊’ 由相關(guān)性反懾模 塊來調(diào)整各個特征在度量上的權(quán)重’ 從而得到新的檢索結(jié)果﹔如此下去’ 直到得到滿意的 結(jié)果為止。 可以使用的特征有顏色特征、 紋理特征、 形狀特征或者將它們組合使用。 用戶 管理模塊’ 可以添加、 刪除用戶和修改用戶的權(quán)限及密碼。 顏色用戶自定義模塊’ 可以編 輯_幅圖像的顏色組成。

由于將圖像庫與特征庫完全分離開’ 避免了管理大量圖像信息的問題。 系統(tǒng)的結(jié)構(gòu)使增加新的圖像特征較為容易’ 操作界面友好。

所采用的開發(fā)工具是Visual C++和 Access。

參考文獻

[1]? 劉忠偉， 章毓晉 "綜合利用顏色和紋理特征的圖像檢索"通信學報 1999 年第 5 期

[2]? Ing-sheen Hsieh and Kuo-Chin Fan "Multiple Classifiers for Color Flag and Trademark Image Retrieve" IEEE Trans. 0n Image Processing，? vol.10， N0.6， June 2001

[3]? Yong Rui， Thomas s. Huang， Michael 0rtega and sharad Mehrotra， "Relevance Feedback： A Power Tool for Interactive Content-based? ? Image Retrieval" IEEE Trans. 0n Circuits and system for video? ? ? Technology， 1998.

[4]? 秦前清，楊宗凱"實用小波分析" 西安電子科技大學出版社， 1995.

[5]? 洪安祥，陳剛，李均利，吳炯鋒 "基于分形編碼的圖像相似匹配研究"電子學報 2002年第5期

[6]? ?Li Junli， Chen gang， Chi Zheru "A fuzzy metric for image? ? ?quality assessment" the 10th IEEE International Conference on Fuzzy Systems （FUZZ-IEEE2001）， Vol..2， December 2- 5，2001， Melbourne，? ? Australia.

[7]? T. Khalil， M. U. Akram， H. Raja， A. Jameel， and I. Basit，? ? ? ?"Detection of glaucoma using cup to disc ratio from spectral domain? optical coherence tomography images，" IEEE Access， vol. 6， pp. 4560– 4576， 2018.

[8]? S. Yang， L. Li， S. Wang， W. Zhang， Q. Huang， and Q. Tian，? ? ? "SkeletonNet： a hybrid network with a skeleton-embedding process for multi-view image representation learning，" IEEE Transactions on? ? ?Multimedia， vol. 1， no. 1， 2019.