下载文档原格式
一种基于内容图像检索的新的相关反馈方法
李丹妮;李百策
【期刊名称】《长春理工大学学报（自然科学版）》
【年(卷),期】2009(032)004
【摘要】基于内容的图像检索技术是信息多媒技术发展中迫切需要研究和发展的前沿课题.由于图像底层特征和高层语义之间存在着巨大的语义鸿沟,使得基于内容的图像检索很难取得令人满意的效果.作为一种有效的解决方法,相关反馈已应用在很多图像检索系统中,提高了检索精确性.在此基础上提出了一种新的相关反馈方法,把检索向量转移和权值调整同时应用于基于内容的图像检索系统中.实验结果证明该方法提高了检索的收敛速度和检索的精确性.
【总页数】3页(P639-641)
【作者】李丹妮;李百策
【作者单位】长春理工大学,长春,130022;吉林大学,计算机科学与技术学院,长春,130012
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于内容图像检索中的相关反馈技术 [J], 潘惠勇;杨要科;史朝阳
2.基于内容图像检索中的相关反馈技术 [J], 潘惠勇;杨要科;史朝阳
3.基于内容图像检索的相关反馈技术 [J], 刘砚
4.基于内容图像检索中相关反馈技术的回顾 [J], 吴洪;卢汉清;马颂德
5.基于内容图像检索中的相关反馈技术研究 [J], 刘琳;李仁发;李仲生;刘钰峰因版权原因，仅展示原文概要，查看原文内容请购买。
一种改进的基于内容的图像检索系统研究摘要：基于内容的图像检索（CBIR，ContentbasedImageRetrieval）技术是图像领域研究的热点问题之一。
介绍了图像检索系统相关算法的基本原理，采用的是基于改进的颜色直方图的算法，结合欧氏距离算法来进行图像处理和计算。
选用VisualC++开发工具结合CxImage类库实现图像检索系统。
用户可以选择关键图和图片库，之后系统就对关键图和图像库进行特征提取，将关键图与图片库的每一张图片相应特征进行对比，并计算关键图与图像库中每幅图片的相似度，最后按指定相似度大小输出检索结果显示给用户。
关键词：图像检索系统；颜色特征；颜色直方图；相似度0引言为了克服文本标注检索的弊端，解决报刊等媒体集团大量图片检索的难题，研究者提出了CBIR（ContentBasedImageRetrieval），即基于内容的图像检索技术。
CBIR是一种综合集成技术，它通过分析图像的内容，如颜色特征、纹理特征、形状特征以及空间关系等，建立特征索引，并存储在特征库中，计算查询图像和目标图像之间的相似距离，然后按相似度匹配进行检索。
用户在查询时，只要把自己对图像的模糊印象描述出来，就可以在大容量图像库中找到想要的图像。
CBIR技术由于能够根据图像的可视内容产生查询，方便了用户，因此在许多领域具有广泛的应用前景。
典型应用领域包括搜索引擎、数字图书馆、家庭图像检索、法律及公安、商标检索系统、邮票资料库、工业与商业、教育与培训、保健及医疗等。
主要研究技术包括特征抽取、相似性度量、图像匹配、用户反馈。
目前CBIR技术和方法的研究虽然已有不少算法，但总体效果还是不尽如人意。
尽管各种图像搜索引擎为快速、大量地查找网上图像信息创造了条件，而基于内容特征的图像库检索技术亦为图像数据的检索从可视角度开辟了一条更为准确直观的途径，但仍存在一些有待研究的热点问题：两类图像检索技术的结合；对基于内容编码技术的研究；对用户查询接口的研究。
基于局部特征的图像检索系统设计与实现的开题报告一、研究背景和意义随着数字图像数量的不断增长，如何高效地对大规模的图像库进行检索成为了一个亟需解决的问题。
传统的基于图像全局特征的检索方法在对于一些具有较强局部纹理特征的图像（如自然景物等）时效果较差，因此基于局部特征的图像检索方法逐渐成为了研究热点。
基于局部特征的图像检索方法以提取图像中的局部特征点为主要手段，该方法与图像的平移、旋转、缩放不敏感，能够获取丰富的图像信息以及更高效的处理速度，因此具有更好的可扩展性和鲁棒性，并且已经在图像识别、检索等领域中取得了广泛的应用。
本研究将使用局部特征描述符SIFT (Scale Invariant Feature Transform) 算法来对图像进行特征提取，并结合多媒体技术，设计和实现一个基于局部特征的图像检索系统。
二、研究内容和技术路线1.图像局部特征提取方法本研究将使用局部特征描述符SIFT算法提取图像中的局部特征点，具体地，我们将实现以下步骤：(1)对图像进行预处理，包括去噪、边缘检测等。
(2)通过高斯差分金字塔（DOG）找到SIFT算法中的极值点，并使用尺度空间极值算法进行极值点筛选，以减少噪声。
(3)利用DoG局部极值点计算SIFT特征描述符。
2.倒排索引技术设计基于局部特征的图像检索系统需要建立索引结构以达到快速检索的目的。
本研究将采用倒排索引技术，将图像局部特征描述符存储在索引结构中，以加快检索速度。
具体地，我们将实现以下步骤：(1)对于每张图像，将其局部特征描述符按照特征空间划分为多个邮编，每个单词对应一个局部特征点。
(2)使用哈希表来存储每个单词在每张图像中出现的局部特征点，以建立倒排索引。
(3)对于每个查询图像，提取其局部特征点，并通过哈希表快速获取与其相似的图像。
3.多媒体技术实现本研究将使用多媒体技术实现基于局部特征的图像检索系统，主要包括以下实现：(1)设计查询页面，允许用户上传查询图像，系统将自动获取其局部特征描述符并进行检索。
专利名称：一种基于改进SIFT特征的高效图像检索方法专利类型：发明专利
发明人：孙光民,王晨阳
申请号：CN201610154631.8
申请日：20160317
公开号：CN105550381A
公开日：
20160504
专利内容由知识产权出版社提供
摘要：一种基于改进SIFT特征的高效图像检索方法，本发明涉及图像处理和计算机视觉领域，属于基于内容的图像检索方法。
本方法的流程如下，高斯差分尺度空间的建立；在尺度空间检测极值点作为特征点；计算特征点的方向及方向上的梯度模值；利用地理统计方法生成图像特征点的全局特征向量；全局特征向量相似性匹配完成粗检索；在粗检索的基础上生成特征描述子；特征描述子的匹配完成精检索；本发明提出的创新性图像检索方法比传统的SIFT算法优秀，比现有的检索算法更适用于数字出版物中图像侵权审查的要求。
申请人：北京工业大学
地址：100124 北京市朝阳区平乐园100号
国籍：CN
代理机构：北京思海天达知识产权代理有限公司
代理人：沈波
更多信息请下载全文后查看。
综合多特征和相关反馈的图像检索技术的研究的开题报告题目：综合多特征和相关反馈的图像检索技术的研究一、研究背景随着人们对数字图像的需要不断增加，图像检索技术成为了越来越重要的研究方向。
传统的图像检索技术主要基于图像的局部特征，如颜色、纹理和形状等，但这些方法灵敏度较低、精度不高并且过于依赖特定的场景和任务。
为了克服这些缺陷，越来越多的研究开始采用综合多个特征的方法来解决图像检索问题。
此外，相关反馈是目前图像检索方面的一种有效策略。
通过与用户的交互，利用用户的反馈来调整检索结果，可以大幅提高检索效果，但相关反馈的技术也存在一些挑战，如如何准确地估计用户对结果的偏好，并且如何在迭代过程中保证检索效率。
因此，本研究旨在探索如何综合多特征来提高图像检索精度，以及如何利用相关反馈来进一步优化图像检索结果。
二、研究目标本研究的主要目标包括：1.设计和实现一个基于多特征结合的图像检索系统，包括颜色、纹理、形状等多种特征，并评价其检索效果。
2.研究相关反馈技术在图像检索中的应用，利用用户反馈来优化图像检索结果。
3.评价本研究所提出的图像检索方法的有效性和可行性。
三、研究内容和方法1.综合多特征的图像检索技术本研究将主要采用局部特征、全局特征和语义特征等多个特征来构建综合多特征的图像检索系统。
其中，局部特征是利用图像中的小区域提取的特征，如SIFT和SURF等；全局特征是利用图像整体的颜色、纹理和形状等特征来描述图像；语义特征是通过学习图像和类别之间的关系来获取的。
2.相关反馈的图像检索技术本研究将采用主动学习和增量学习等方法来设计并实现一个基于相关反馈技术的图像检索系统。
主动学习是通过与用户的交互来搜集用户的意见，然后使用这些意见来训练模型，从而改进检索结果的准确率；增量学习是通过不断地向模型中添加新的样本来更新模型，从而逐步提高检索效果。
3.实验设计和数据分析本研究将使用多个实验数据集来评价所提出的图像检索方法的效果和性能，采用评价指标来分析实验结果，如准确率、召回率和F1值等。
基于修改特征权重的图像检索反馈系统实现
徐英虎
（天大求实电力新技术有限公司，天津３００３８４）
摘
要：图像检索系统根据用户的反馈信息自适应的调整查询策略，使系统查询的结果进尽可能的与用户实际需求
相吻合。
本文描述了一个基于修改特征权重的图像检索反馈算法，基本思想是基于图像集合的标准方差来对图像的特征向量进行权重修改。
基于此算法，设计和实现了一个基于内容的图像检索反馈系统。
实验证明，此系统比传统的检索系统有优势，精度更高。
关键词：图像检索；相关反馈；修改权重中图分类号：ＴＰ３９１．４
文献标识码：Ａ
文章编号：１６７２－７８００（２００８）０２－０１１１－０２
基于内容的图像检索技术克服了传统的基于标注的图像检索技术所面对的主观性太强、工作量太大这些弊端，这种技术充分利用图像自身的特点，由机器自动提取包含图像内容的可视特征，对数据库中的图像和样本图像在特征空间进行相似匹配，检索出与样本相似的图像。
目前用于检索的图像特征［１］主要是颜色、纹理、形状三大方面，无论采用何种特征，无论使用何种距离度量，最终决定两幅图像是否相似取决于实际用户，图像检索系统的最终用户是人，从心理学角度来捕获人对图像内容的认知是相当重要的。
因此最近几年在基于内容的图像检索领域引入了相关反馈机制［２］，从而成功的把用户模型嵌入到了图像检索系统。
图像检索系统根据用户的反馈信息自适应的调整查询策略，使系统查询的结果进尽可能的与用户实际需求相吻合。
１
修改特征权重的检索反馈算法
１．１
算法描述
目前大多数图像检索技术是以向量模型为基础［３］，即图像被
表示成特征空间中的向量形式。
从模式识别的角度来看待图像检索问题，即对于某一维特征分量，图像库中每幅图像在这一维的特征值相差很大，则说明这个维度和用户查询的意图关系并不密切，因此降低该维度上的权重；反之，如果所有正例在某个维度上的值非常接近，则说明该维度很好地表达了用户查询的意愿，因此应该提高该维度的权重。
总结来说一个好的特征在整个图像库中的方差应该大，但是在被用户标注为正例的图像集中方差应该小［４］。
在给出具体算法之前，先解释几个概念：
Ｔ：一共进行了Ｔ次反馈。
Ｒｔ：第ｔ次反馈之后系统检索出的图像集合。
ｔ＝０，…，Ｔ。
Ｒ０
：表示整个图像库。
Ｒｔｒｅｌ：第ｔ次反馈之后系统检索出的图像中被用户标注为相关
的图像。
这种方法假设各个特征分量之间是相互独立的。
本算法的基本思想［５］是通过在各个特征分量上比较被用户标注为正例的图像中这个特征分量的方差和全体图像在这一特征分量的方差来调整对应的权值。
那么，第ｔ次反馈之后，特征分量ｒｉｊｋ的权重Ｗｔ＋１ｉｊｋ为：
Ｗ
ｔ＋１
ｉｊｋ＝
σ０
ｉｊｋσｔ
ｒｋｌ，ｉｊｋ
（１）
其中，σ０
ｉｊｋ表示图像集合Ｒ０
中某个特征分量ｒｉｊｋ的标准方差，σｔ
ｒｋｌ，ｉｊｋ表示图像集合Ｒｔ
ｒｅｌ中同一个特征分量ｒｉｊｋ的标准方差。
１．２算法详细步骤
本文算法的详细步骤描述如下：
步骤一：提取图像库中每幅图像的颜色、纹理和形状等特
征，把提取的各特征分量综合起来用一个特征向量来表示这幅图像：
Ｘ＝｛ｘ１，ｘ２，…，ｘｍ…，ｘＭ｝，Ｍ是向量维数。
（２）
步骤二：归一化各个特征权重Ｗ＝｛ｗ１，ｗ２，…，ｗｍ，…，ｗＭ｝。
ｗ０ｍ＝１Ｍ
Ｍ为向量维数。
（３）
步骤三：初始化相似度矩阵Ｒ。
由于参与了权重运算，计算
相似度值的公式变形为：
Ｒ（ｉ，ｊ）＝Ｍ
ｍ＝１
!ｗｔ
ｍ・
ｍｉｎ（ｘｉｍ，ｘｊｍ）
１２（ｘｉｍ＋ｘｊｍ
）ｉ，ｊ＝１，２……，Ｍ
（４）
在图像检索时，我们是根据图像与图像之间的相似度来确定哪些图像作为检索结果显示给用户。
为了存储这些图像与图像间的相互信息，我们用一个相似度矩阵Ｒ来表示。
Ｒ是ｎ×ｎ的矩阵，那么，矩阵元素表示的是图像与图像之间的相互关系。
这里：
ｒｉｊ＝
Ｒ（ｉ，ｊ）ｉ≠ｊ
１ｉ＝ｊ（ｉ，ｊ＝１，２…，Ｍ#）
（５）
软件导刊
ＳｏｆｔｗａｒｅＧｕｉｄｅ
第７卷第２期
２００８年２月Ｖｏｌ．７Ｎｏ．２Ｆｅｂ．２００８
２００８年软件导刊
其中，Ｒ（ｉ，ｊ）是图像ｉｉ与图像ｉｊ的相似度值。
步骤四：用户选择一幅查询示例图像Ｑ，系统根据提供的示例图像和相似度矩阵Ｒ中的相似度值对图像库中的图像进行检索，根据相似度进行排列，把排序靠前的图像返回给用户。
步骤五：用户根据自己的查询需求和主观意见，判断返回的每一幅图像与查询之间的相关性，即标注相关与不相关。
步骤六：系统根据用户的反馈意见，根据式（１－１）调整每个特征维的权值，使调整后的权重和查询Ｑ更接近用户的需要。
步骤七：利用调整后的权重对相似度矩阵进行数据更新，回到第四步，继续进行新的查询。
１．３算法分析
在这个修改特征权重的算法中，对于某一个特征分量ｒｉｊｋ的权重Ｗｔ＋１ｉｊｋ，这里有四种不同的情况：
（１）若σ０ｉｊｋ的值大，而σｔｒｅｌ，ｉｊｋ的值小，则所得的Ｗｔ＋１ｉｊｋ值大。
此情况说明这个特征分量在整个图像库中的方差大，即值得变化幅度比较大，而对于相关的图像集合内部来说，它的值变化的范围小。
这表示此特征分量能够很好的区别相关与不相关图像，因此，给予较高的权重。
（２）若σ０ｉｊｋ和σｔｒｅｌ，ｉｊｋ的值都大，则所算得的Ｗｔ＋１ｉｊｋ值逼近于１。
此情况意味着此特征分量在整个图像库中和相关图像集合中，值都有很大幅度的变化，不能很好的区分相关与不相关图像，所以权重不变。
（３）若σ０ｉｊｋ和σｔｒｅｌ，ｉｊｋ的值都小，则所算得的Ｗｔ＋１ｉｊｋ值逼近于１。
此情况说明此特征分量无论在整个图像库中还是对于本次反馈来说，值都没有大幅度的变化，不能很好的区分相关与不相关图像，所以权重不变。
（４）若σ０ｉｊｋ的值小，σｔｒｅｌ，ｉｊｋ的值大，则所得的Ｗｔ＋１ｉｊｋ值小。
此情况说明这个特征分量在整个图像库中的方差小，而对于相关的图像集合内部来说，它的值变化的范围很大。
这表示此特征分量不仅不能够很好的区别相关与不相关图像，而且还会分离相关图像，因此，降低权重。
２系统实现
我们的实验系统是综合提取了颜色、纹理与形状三类视觉特征的图像检索系统，其中颜色特征利用颜色直方图的前三阶矩、最佳阈值等算法提取，纹理特征采用共生矩阵的反差、能量和熵，形状特征包括图像的前三阶不变矩。
实验平台如图１－１所示，位于界面上方左边部分是控制区域，主要实现对系统的控制工作，比如选择示例图像，进行检索，实现反馈等动作；上方中心的图象显示区域是用户提交的示例图像；右侧是一些实时信息，包括示例图像的标号、名称、以及路径等；检索结果在这里我们选择每页显示十二幅图像，每幅结果图像下方有正、０、负三种反馈选择类型提供给用户；实验平台的最下方是一些结果信息，包括检索精度，检索结果的总页数等信息。
实验结果显示，本文描述的算法在检索精度上明显优于传
统的一次图像检索结果。
图１实验平台
３总结和展望
基于内容的图像检索反馈算法把用户模型引入到了检索过程中，通过对用户反馈信息的学习，初步的实现了计算机对图像的高层次理解，提高了系统的检索性能。
本文描述的算法只考虑了正例图像而没有考虑反例图像。
修改权重公式中，分母是个常量，而分子是根据每次反馈的正例图像集合进行改变的，那么有一种情况是，如果反馈结果中被用户标注为正例的样本很少或者每次反馈后检索结果中相关图像的集合与之前的检索结果中相关图像的集合相比较变化不大的话，相对应的变化也非常小，那么此种查询修改策略的效果就非常小，换句话说，如何增大图像的训练样本是一个非常重要的研究方向。
在检索系统的实现方面，对于图像库中每个图像进行特征相似度的计算是一个计算量非常大的工作，程序运行这一步时速度相对比较慢，如何提高检索速度也是一个要解决的问题。
参考文献：
［１］章毓晋．２００３．基于内容的视觉信息检索［Ｍ］．北京：科学出版社．［２］章毓晋．中国图像工程及当前的几个研究热点［Ｊ］．计算机辅助设计与图形学学报，２００２，１４（６）．
［３］Ｔ．Ｓ．Ｈｕａｎｇ，Ｙ．Ｒｕｉ．ＩｍａｇｅＲｅｔｒｉｅｖａｌ：Ｐａｓｔ，Ｐｒｅｓｅｎｔ，ａｎｄＦｕｔｕｒｅ．Ｉｎｖｉｔｅｄｐａｐｅｒ．Ｉｎ：ＰｒｏｃｅｅｄｉｎｇｓｏｆＩｎｔｅｒｎａｔｉｏｎａｌＳｙｍｐｏｓｉｕｍｏｎＭｕｌｔｉｍｅｄｉａＩｎｆｏｒｍａｔｉｏｎＰｒｏｃｅｓｓｉｎｇ，Ｔａｉｐｅｉ，Ｔａｉｗａｎ，１９９７．
［４］Ｓ．Ａｋｓｏｙ，Ｒ．Ｍ．Ｈａｒａｌｉｃｋ，Ｆ．Ａ．Ｃｈｅｉｋｈ，Ｍ．Ｇａｂｂｏｕｊ．ＡＷｅｉｇｈｔｅｄＤｉｓｔａｎｃｅＡｐｐｒｏａｃｈｔｏＲｅｌｅｖａｎｃｅＦｅｅｄｂａｃｋ．Ｉｎ：Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ
ＩＡＰＲＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ，Ｂａｒｃｅｌｏｎａ，
Ｓｐａｉｎ，２０００．
（责任编辑：赵峰）
１１２・・。
