全球研究计算机科学杂志》上
菜单石头:2229 - 371 x
石头:2229 - 371 x
Kanchan saxena* 1,vineet richaria2维贾伊,trivedi3
|
| 通讯作者:Kanchan saxena,电子邮件:Kanchansaxena4@gmail.com |
| 相关文章Pubmed,谷歌学者 |
访问更多的相关文章全球研究计算机科学杂志》上
基于内容的图像检索的任务检索大量的图像数据库的基础上自己的视觉内容。本文提供的调查技术成果在图像检索的研究领域,尤其是基于内容的图像检索(CBIR)。颜色和纹理通常用于大部分的CBIR系统从数据库中寻找类似的图像给定查询的形象。实现系统的颜色和纹理作为基本特征来描述图像。提取颜色信息,两个图像的直方图即色相和饱和度。提取图像纹理信息的量化和小波分解应用于每个图像块。CBIR或基于内容的图像检索是基于视觉图像的检索功能,如颜色和形状。在本文中,我们调查的颜色和纹理特征。这个电子文档是一个“活”模板。你的论文的各个组件(标题、文本,等等。)已经在样式表中定义,在该文档中给出的部分所示。 Do not use special characters, symbols, or math in your title or abstract. The authors must follow the instructions given in the document for the papers to be published. You can use this document as both an instruction set and as a template into which you can type your own text.
介绍 |
| CBIR或基于内容的图像检索是基于视觉图像的检索功能,如颜色和形状。颜色是一种最广泛使用的低级视觉特征和不变的图像大小和取向[3]。像传统CBIR中使用颜色特征,颜色直方图、颜色相关图和主导颜色描述符(论证)。颜色直方图是最常用的颜色表示,但它不包含任何空间信息。颜色相关图描述的概率以固定像素距离和颜色对提供空间信息。因此颜色相关图更好检索精度相比颜色直方图。汽车颜色相关图颜色相关图的一个子集,只捕获相同的颜色之间的空间相关性[3]。 |
应用程序 |
| 。这样的系统的优势范围从简单的用户在网上搜索一个特定的形象。 |
| b。各种类型的专业人士像警察犯罪预防的图象识别。 |
| c。医学诊断 |
| d。建筑和工程设计 |
| e。时尚和发布 |
| f。地理信息和遥感系统 |
| g。家庭娱乐 |
一个标准的图像检索系统的通用描述 |
| 有三个基本依据基于内容的图像检索,即视觉特征提取、多维索引和检索系统的设计。 |
| 。图像的特征提取和索引数据库根据选择的视觉功能,从知觉特征空间,例如颜色、形状、纹理或以上的任意组合。 |
| b。查询图像的特征提取。 |
| c。匹配查询图像最相似的图像数据库中根据一些图像-图像相似性度量。这形成了搜索CBIR系统的一部分。 |
| d。用户界面和反馈控制的显示结果,他们的排名,用户交互的类型与精炼搜索的可能性,通过一些自动或手动偏好方案etcThe CBIR关注形象„featuresA¢启用查询和最近研究的焦点的图像数据库。进一步的功能可分为低级和高级特性。重点是建立一个通用的CBIR系统使用低水平特性。用户可以查询示例图像基于这些特性。通过相似性比较的目标图像图像库检索。与此同时,下一个重要阶段今天是集中在集群技术。多维数据的聚类算法可以提供优越的组织有效的检索。聚类算法允许近邻搜索有效地执行[4]。 |
| 样表的脚注。(表脚注)样表的脚注。(表脚注) |
 |
| 基于颜色的检索: |
| 颜色特征广泛被用于CBIR系统,因为它的简单和快速计算。颜色也是一个直观的特性,在图像匹配中扮演一个重要的角色。从数字图像的提取颜色特征取决于理论的理解数字图像的颜色和颜色的表示。颜色直方图是最常用的颜色特征表示图像检索[11]。的许多特征提取技术,颜色被认为是最主要的anddistinguishing视觉特性。一般来说,采用直方图来描述它。颜色直方图描述了全球颜色分布的图像和更常用的基于内容的图像检索技术(王、秦,2009),因为它的效率和有效性。颜色直方图方法具有快速、低内存空间的需求和不敏感imageA¢年代变化的大小和旋转,它赢得了广泛关注因此[4]的主要颜色描述符允许规范少数主导颜色值等统计特性的分布和方差。其目的是提供一个有效的、简洁和直观表示的颜色出现在一个地区或图像[5]。主导颜色描述符指定一组主导颜色图像(Cieplinski, 2000)。 It is good to represent colorfeatures where a small number of colors are enough to characterize the color information. The extractionalgorithm quantizes the pixel color values into a set of dominant colors. The matching is done by calculating thedistances between dominant color sets based on the difference between corresponding colors in any two sets ofdominants[6]. |
| 基于纹理特征的检索: |
| 实现特定的纹理的图像的识别主要由纹理建模为atwo-dimensional灰度变化。纹理的特点是亮度的差异与高频图像频谱。他们是有用的在图像具有相似颜色区分地区(如天空和海洋,或水,草)。各种各样的方法已被用于测量纹理相似性;最好的——建立依赖比较值是众所周知的二阶统计估计从查询和存储图像。从本质上讲,这些估计的相对亮度选择对每个图像的像素。从这些可以度量图像纹理如对比、粗糙、方向性和规律性和周期性,方向性和随机性[2]。它的纹理特性,BDIP和BVLC momentsof组件采用形象的价值。 |
| BDIP: |
| 在图片,边代表的地区涉及突变的强度,和山谷代表区域包含当地强度最小值。他们是非常重要的在人类的视觉特性,尤其是山谷是视觉感知的基本对象形状[7]。BDIP纹理特征,有效地提取边缘和山谷。块不同的逆概率,提出了纹理的特性之一,被定义为像素块的数量之间的差异[9]。 |
 |
| B表示一块尺寸M x M大强度的变化在一块,BDIP的价值就越高。那儿离(i, j)表示在一个像素的值(i, j)图像我[9]。 |
| BVLC: |
| BVLC[7]是基于块的局部相关系数的变化根据四个方向。众所周知,测量纹理平滑。每个当地相关系数的定义是由当地方差协方差归一化。 |
 |
| μ0,0,0,0代表当地的平均值和标准偏差的块大小最高值(k, l)术语表示四个方向(90º,0º,45º,45º)。因此,μk, l和0 k, lrepressent转向块的均值和标准偏差,分别。大BVLC值表明,块的成分是粗糙的。 |
优势和作用域的基于内容的图像检索 |
| 医学诊断- CBIR的医学图像是一个有用的工具,可以为医生提供援助的形式显示相关的例病理证实,连同相关的临床,诊断和其他信息。伤口或病变的出现提供了重要线索,可以帮助诊断,确定严重程度和治疗的预后。 |
| 量化的颜色分布的图像处理技术可以帮助皮肤损伤的病理过程的动力学分析以及治疗的进步。 |
| 预防犯罪——自动人脸识别系统,用于警察,警察使用视觉信息来识别人或记录犯罪现场的证据;随着时间的推移,这些摄影记录成为一个有价值的档案在许多国家,这是常见的做法拍摄的人被逮捕,并将他们的指纹,照片充满主要记录的人而言,在手工系统中,这是一个纸质文件。在计算机系统中,这张照片将数字化,与相应的文本记录。直到被判有罪,访问摄影信息受到限制,如果指控无罪释放,删除所有的照片和指纹。其他用途的图像在执法包括人脸识别、DNA匹配,鞋底印象和监测系统。指纹或视网膜扫描访问特权。 |
相关工作 |
| 南宗年轻Deok Chul金[7]提出了一个基于一个有效的基于内容的图像检索方法相结合的多分辨率颜色和纹理特征。作为它的颜色特征,颜色色相和饱和度组件的汽车相关图图像HSV彩色空间。它的纹理特性,BDIP和BVLC时刻采用组件的价值形象。颜色和纹理特征提取在多分辨率小波域和总和。联合特征向量的维数确定在一个点检索精度成为饱和。实验结果表明,该方法检索准确性收益率高于一些传统方法尽管其特征向量维度不是高于后者的六个测试星展。特别是,它演示了更优秀的查询检索精度和目标图像的各种决议。 |
| Hyun Joo所以MiHye金,南ChulKim[8]提出一个纹理分类方法使用局部纹理特性BDIP(块逆概率差)和BVLC(阻止当地相关系数的变化)的小波域。BDIP和BVLC已知良好的质地特性有界和归一化减少照明的效果,有效地抓住自己的纹理的属性。方法,首先将目标图像分解为小波频带。在小波次能带BDIPs和BVLCs再计算。部分波段的均值和标准差BDIPs BVLCs和部分波段标准差融合成一个纹理特征向量。最后,贝叶斯查询图像的特征向量之间的距离和每个类是稳定测量分为最小距离的类。实验结果为三个测试数据库(DBs)显示该方法收益率出色的表演。莫妮卡夫人Jain, Dr.S.K。辛格[4],提出的基于内容的图像检索(CBIR)是一个新的但广泛采用的方法寻找图像庞大和注释图像数据库。随着网络和多媒体技术的发展越来越受欢迎,用户不满意传统的信息检索技术。 So nowadays the content based image retrieval (CBIR) is becoming a source of exact and fast retrieval. In recent years, a variety of techniques have been developed to improve the performance of CBIR. Data clustering is an unsupervised method for extraction hidden pattern from huge data sets. With large data sets, there is possibility of high dimensionality. Having both accuracy and efficiency for high dimensional data sets with enormous number of samples is a challenging arena. In this paper the clustering techniques are discussed and analyzed. Also, we propose a method HDK that uses more than one clustering technique to improve the performance of CBIR.This method makes use of hierarchical and divide and conquer K-Means clustering technique with equivalency and compatible relation concepts to improve the performance of the K-Means for using in high dimensional datasets. It also introduced the feature like color, texture and shape for accurate and effective retrieval system. |
| Mrs.Saroj Shambharkar, Ms.Shubhangi Tirpude[1],提出了CBIR系统,在经历了各种图像变换等输入RGB图像转换为灰度图像,小波变换,提取和过程,如颜色,纹理提取和二叉树结构来获得特征向量。图像匹配过程的基础上执行这些特征向量和相关的图像从数据库中检索根据最高等级或分数。显然在图8的图像匹配得分0完全匹配与查询图像。所以我们可以得出结论,CBIR系统检索图像和如果它的分数是0,那么这是完全类似的与查询图像。最后一个图片所示结果具有最大距离相比其他的图像并不被认为是接近查询图像。这显示检索到的图像有更大的价值是更少的相似和图像有小价值更相似和图像有0匹配分数查询图像完全一样 |
| k . Naresh先生。Pothalaiah, Dr.K Ashok先生[2],CBIR方法提出了使用主导颜色的组合,GLCM纹理和形状的梯度向量流场表示。总共39功能覆盖的颜色、纹理和形状证明,该方法取得了更高的平均精度和平均召回。此外,该方法几乎总是显示性能的其他方法平均检索时间。 |
| Jens-Rainer欧姆,Leszek Cieplinski曾Heon君Kim Santhana Krishnamachari, b . s .希山田院长s MessingAkio[5],这个描述符检索效率的评估数据集和查询使用常见的颜色。这些结果说明的颜色布局描述符是非常有效的图像检索尽管其紧凑的尺寸。检索效率与传统方法相比(GRC)在图像分割和代表颜色为每个分区用于表示布局功能。 |
| 大卫彼得•Stanchev绿色Jr .)和BoyanDimitrov[6],提出,存在一些视觉描述符表示的物理内容的图片,例如颜色直方图、纹理、形状、地区,等。根据特定数据集的特点,可以比其他人更有效的在执行一些功能相似性搜索。例如,基于颜色描述符表示可能是有效的,一个数据集包含主要黑白图像。技术基于数据集的统计分析和查询是有用的。 |
结论 |
| 这个调查的目的是提供一个概览的基于内容的图像检索系统的功能。大多数系统使用颜色和纹理特性,系统使用形状特征,还是少使用布局功能。网络和多媒体技术的发展越来越受欢迎,用户不满意传统的信息检索技术。所以现在基于内容的图像检索变得精确和快速检索。cbir的有各种应用在皮肤病学等医学领域,血细胞检测etc.Thus, cbir领域是非常有用的实际原因。 |
引用 |
|