国际期刊的创新在计算机和通信工程的研究
菜单ISSN在线(2320 - 9801)打印(2320 - 9798)
ISSN在线(2320 - 9801)打印(2320 - 9798)
Mistry友吉达常常结伴1,Dr.D.T。Ingole2
|
| 相关文章Pubmed,谷歌学者 |
访问更多的相关文章国际期刊的创新在计算机和通信工程的研究
图像集合快速增长,有效需求和有效的工具,用于从数据库检索查询图像显著增加。其中,基于内容的图像检索系统(CBIR)已成为非常受欢迎的浏览、搜索和检索图像的数字图像从大型数据库需要相对较少的人工干预。本文试图探索CBIR技术和他们的使用在不同的应用领域。
关键字 |
| 基于内容的图像检索(CBIR),提出图像检索,相似度测量、图像检索、颜色直方图和纹理特性 |
介绍 |
| 有许多资源在互联网上,人们可以用它来创建、处理和存储图像。这创造了需要一种手段来管理和搜索这些图像。因此,寻找有效的图像检索机制从大型资源已成为一个广阔的区域内感兴趣的研究人员[1]。图像检索方法是一种从大型数据库技术搜索和检索图像的数字图像。在当今现代,人类生活的几乎所有领域包括商业、医院、犯罪预防、监测、工程、建筑、新闻、时尚和图形设计、政府、学者和历史研究使用imagesfor高效服务。大量的这些图像被称为图像数据库。Animage数据库是一个系统集成和存储图像数据。图像datainclude原始图像和信息从图像中提取自动化或computerassisted图像分析。 |
| 警察维持图像数据库的罪犯,犯罪现场和偷来的物品。在医学界,乳腺图像和扫描图像数据库保存诊断、监测和研究目的。在建筑和工程设计,存在imagedatabase设计项目,完成项目,和机器零件。publishingand广告,记者创建图像数据库的各种事件和活动如体育、建筑物、个性、国家和国际事件,和产品广告。在历史研究中,图像数据库创建档案领域,包括艺术、社会学和医学。在一个小的图片,简单的浏览可以识别一个图像。图像检索的搜索和检索图像时遇到的问题的相关用户的请求从数据库[2 - 4]。 |
| 在1979年的一次会议上对数据库技术图形应用程序在佛罗伦萨举行。这是开始的吸引力和该领域的研究人员的注意的图像数据库管理技术。但仍然在这个时代不是很活跃的研究领域。1992年2月,联合国国家科学基金会(USNSF)组织了一个车间在红杉,加州强调研究领域对视觉信息管理系统及其在各领域的应用[2]。此后,许多研究者开始在这个领域工作。发展的方法从而提高检索精度,减少在CBIR检索时间是主要的挑战。 |
| 早期的技术是不基于视觉特性但文本注释的图像。图像被第一个注释文本,然后使用基于文本的搜索方法。然而在很多情况下,文本注释计划是低效的。大量图像数据的大量的劳动力需要手工注释。也描述每一个在图像视觉特征是非常耗时和困难。所以手工注释的基于文本的关键词,图片是被自己的视觉特征,如颜色、纹理、形状等[5]。 |
| 在CBIR没有额外的图像信息,如文本注释,可用的创建时间和地点。检索问题是解决只有通过分析可用的图像基于内容特征的像素。 |
| 基于内容的图像检索的另一种方法是基于描述图像检索(DBIR)。DBIR,检索是可能的如果收集的所有图片注释描述其内容。一般的CBIR系统利用不同类型的查询,如查询示例图片,素描或地区从给定的数据库,并提供相关的图片,不仅仅基于文本注释或媒体的元数据,但是在相似函数使用低级特性。最近的作品试图结合基于内容的图像检索和基于注解的文本搜索。支持混合的提交查询的想法是通过融合不同的检索模块)或通过生成的结果建议处理后的初步结果查询和利用异构信息。这种方式CBIR技术可以利用在几个领域,要么作为独立的实现支持查询例子,或作为补充模块集成框架,意识到额外的检索选项,如文本和搜索概念,为了改善和提高的结果。在这个调查只是基于内容的图像检索算法进行了讨论和审查。 |
CBIR系统 |
答:CBIR的原则 |
| 基于内容的检索使用图像来表示的内容和图像从大型数据库的访问。典型的基于内容的检索系统分为两种类型:离线特征提取和在线图像检索。图1。给出了基于内容的图像检索的体系结构。在离线阶段,系统自动提取视觉属性(颜色、形状和纹理)databasebased中的每个图像的像素值并将它们存储在不同的数据库系统称为特征向量数据库内。特征数据(也称为图像签名或图像特征为每个每个图像的视觉属性是图像数据相比非常小,因此图像的特性数据库包含一个紧凑的形式像数据库中。显著压缩可以通过使用特征向量表征图像数据库的原始像素值。 |
| 在在线图像检索,用户提交查询图像CBIR系统去寻找想要的图像。系统代表了这个查询图像与一个特征向量。Thesimilarities特征向量之间的查询示例和那些图像特征数据库然后计算和排名。通过应用索引检索计算方案搜索imagedatabase提供了一种有效的方法。最后,系统中检索结果然后返回图像最为相似的查询图像。 |
 |
| CBIR系统的一般架构如图1所示[6]。对于给定的图像数据库,功能是提取首先从单个图像。特性可以视觉特性,如颜色、纹理、形状、区域或空间特性或一些压缩域特征。提取的特征向量所描述的特性。这些特征向量存储形成图像特征数据库。对于一个给定的查询图像,我们同样提取其特征和形式特征向量。这个特征向量与已经存储向量匹配在图像特征数据库。有时降维技术是用来减少计算。查询图像的特征向量之间的距离,然后计算出数据库中的图像。与查询图像本身的距离是零,如果在数据库中。 The distances are then stored in increasing order and retrieval is performed with the help of indexing scheme. |
| 特征提取技术影响CBIR系统的检索率。在这个调查报告,各种流行的特征提取算法。一个特征向量是一组数值参数描述一幅图像。大多数这样的向量代表oneimage特性,如颜色、纹理,或者对象的形状。同一algorithmform生成的特征向量空间的特征向量。文本注释的图像描述areclassified高级特性。功能,如颜色和质地,称为低级特性。图像中物体的形状,可以通过分析区域出现在图像被归类为低levelfeatures。 |
| 基于内容的图像检索系统的重要问题,即:1。选择的图像数据库, |
| 2。相似度测量,3。检索过程的绩效评估和4。低层图像特征提取。 |
| 检索性能的评价是基于内容的图像检索(CBIR)的一个至关重要的问题。许多不同的方法来测量系统的性能已经被研究人员创建和使用。最常见的评价措施用于CBIR精度和召回被定义为, |
 |
b . Classificationof CBIR系统 |
| 基于内容的检索方法可分为类根据他们使用的特性,如颜色、纹理和形状(参见图2)。每个功能类进一步划分为子类的类型算法用于构建特征向量。形状特征进一步划分为基于边界和区域特征提取方法。在文献中,一些研究人员imagesinto一个单独的类的空间特征进行分类。 |
 |
颜色特征 |
| 颜色特征是最重要的一个在搜索任意主题的色彩图片的集合。颜色在人类视觉感知机制中扮演十分重要的角色。所有方法表示图像的颜色特征可以分为两组:颜色直方图和颜色代表的统计方法。最常用的颜色空间如下:RGB(红、绿、蓝色用于彩色显示器和相机),c my(青色,品红和黄色),CMYK(青色,品红、黄、黑用于彩色打印机),实验室(CIE L * a * b,轻盈,a和b aretwo色彩维度,从绿色到红色,从blueto黄色)成分股,HSV(色相、饱和度和价值)。 |
| 国际标准的实验室空间依赖颜色测试开发的国际照明委员会CIE(国际de Eclairage委员会)。HSV空间类似于空间铸铁、奥软,HSB。HSV空间使用更频繁,因为RGB HSV转换从计算的角度来说是简单而转换到RGB实验室。 |
| 最简单、最常用的方式来表示色彩颜色直方图。考虑每一个点的颜色空间,给定颜色的图像像素的数量计算。这样表示的色彩简单、自然的信息;然而,它有一个相当大的劣势:两个图像之间的距离相似但不相同的颜色很大。此外,这样的直方图非常稀疏,因此,tonoise敏感。 |
| 前锋和Orengo累积颜色直方图[7]。这种颜色的表示对噪声不敏感,也减少了II型错误的数量如果相邻元素对应的直方图的相似的颜色。另一种方法考虑到不同颜色的相似性提出了[8]。在这个工作中,各种指标基于色彩的空间向量(直方图)提出。颜色直方图本身不存储信息在空间布局上的颜色图片。解决这个问题的建议[9]。后建造一个颜色直方图只考虑图像的主要颜色,每个非零元素的直方图,质心的坐标计算相应颜色的区域。这些信息是用来衡量图像之间的相似性与像素属于这个颜色区域的数量。这个解决方案成为可能,从某种意义上说,考虑到空间布局的色彩,但它有一个显著的缺点。如果图像包含多个复合组件相同的色彩,这一事实将不会反映在图像的特征向量。 Instead, a common center of mass for all components will be calculated. A modification of this model was suggested by Stricker and co-authors in [10]: distributions of separate colour channels are considered as a part of a three dimensional distribution rather than as independent distributions. For the feature vector, average values foreach colour channel and covariance matrix of the channel distributions are used. To retrieve graphics and images simultaneously, this work applies an adaptive retrieval method [11]. The proposed method uses histograms of oriented gradient (HOG) as pixel-based features. However, the characteristics of graphics and images differ, and this affects feature extraction and retrieval accuracy. Thus, an adaptive method is proposed that selects different HOG-based features for retrieving graphics and images.In [12], a method to extract colour and texture features of an image quickly for content-based image retrieval (CBIR) is proposed. First, HSV colour space is quantified rationally. Colour histogram and texture features based on a co-occurrence matrix are extracted to formfeature vectors. Then the characteristics of the global colour histogram, local colour histogramand texture features are compared and analyzed for CBIR. Based on these works, a CBIR system is designed using colour and texture fused features by constructing weights of featurevectors. |
| [13]、形状和纹理等特征提取查询和参考图像和通过欧氏距离进行比较。与spatially-variant结构元素形态学操作用于特征提取。在特征提取过程中,计算特征向量通过应用块截断编码(BTC)特征提取的图像。它提高了图像检索的性能对查询执行降低计算复杂度。基于HSV颜色模型,基于对象的方法spatial-colour特性(OSCF)提出了彩色图像检索在[14]。首先,从颜色对象提取,然后图像特征为对象。颜色和spatial-colour特性采用描述的对象。新方法只注重主要核心对象。在[15],作者提出了一种新颖的模糊分类方法根据彩色图像内容,构成查询的自然语言和保险丝查询基于神经网络的快速、高效的检索。 |
| 一个新的colour-based图像检索方法提出了论文[16]。这个算法的量化精度高于监督方法和它的效率比非监督方法。首先,通过色彩的距离矩阵,样本图像是集群自组织的方式,因此它的面板可以获得。 |
| 基于调色板,映射数据库中其他图像的最小距离。通过这种方式,一个统一的直方图显示相同的面板可以获得数据库中的每个图像。除此之外,该算法还结合了主要颜色区域表示颜色的空间分布。 |
| 在[17],作者讨论了在颜色直方图比较方法基于两个主要方法经常用于CBIR的;应用灰度共生矩阵建立正常的颜色直方图使用,并使用KMeans颜色直方图。使用欧氏距离,相似性查询图像和计算候选图像。实验结果表明,与k - means颜色直方图方法有很高的精度和准确的应用灰度共生矩阵建立相比。 |
| 在[18],提出了二进制图像检索方法,在黑白图像是由一本小说的特性叫自适应层次密度直方图,它利用图像的分布将二维区域上的点。一种新型的直方图只包含图像的视觉信息周围的地震带介绍[19]。边缘extractionoperation使用center-surroundoperator执行人类的视觉系统。proposedCenter-Surround直方图(CSH)有两个主要advantagesover经典的直方图。首先,它降低了需要的视觉信息额processedand第二,它包含一定程度的空间informationwhen用于基于内容的图像检索的应用程序。 |
| 一个健壮的基于颜色直方图的图像检索本地特性的区域(LFR)提出了[20]。首先,稳定的图像特征点提取,利用多尺度Harris-Laplace探测器。然后,重要的地方特性区域确定adaptivelyaccording特征尺度理论。最后,当地isconstructed功能区域的颜色直方图和颜色图像之间的相似性计算通过使用colourhistogram LFRs。小说CBIR系统提出了[21]叫iSearchand全局/局部匹配当地的特性结合todo项的精确检索图像以互动的方式。多个局部特性提取包括规模invariantfeature变换(筛选),区域颜色momentsand对象轮廓片段足够代表thevisual外表的物品;虽然全球和localmatching允许大规模图像数据集。要做到这一点,一个有效的轮廓片段编码和索引方法。 |
纹理 |
| 纹理表面的结构安排给我们信息和对象的形象。为一个单独的像素纹理没有定义;这取决于图像强度的分布。纹理具有周期性和可伸缩性性质;它可以被描述为主要方向,对比度和清晰度。纹理分析中发挥着重要作用的比较图片补充的颜色特性。最常用的统计特性包括, |
| 通用统计参数计算出像素的强度值, |
| 参数计算共生矩阵的基础上, |
| 纹理直方图建立在田村特性。 |
| 第一个方法代表图像是灰度共生矩阵的纹理特征应用灰度共生矩阵建立()提出的Haralick et al . [22]。作者建议14描述符,包括角二阶矩、对比(方差,不同时刻),相关等等。每个描述符代表一个纹理属性。因此,许多作品例如[23]中描述,用于选择的统计描述符来自同现矩阵描述纹理的最好方法。在[24],首先,从RGB颜色空间模型转换为HSI模型,然后提取颜色直方图形成颜色特征向量。其次,利用灰度共生矩阵提取纹理特征。第三,使用泽尼克时刻提取形状特征。最后,结合颜色、纹理和形状特征形成整个图像的融合特征向量。常用的图像数据集的实验表明,该方案实现了一个很好的表现在精度方面,回忆与其他方法相比。 |
| 方法[25]有效的图像检索,提出了适用于颜色和质地的加权组合小波变换,分别基于spatial-colour和二阶统计数据。提出了多分辨率图像描述符是特别有用的搜索和检索。 |
小波结构描述 |
| 在基于小波的纹理描述,这种方法的一个特定的特性是表征和分析信号在不同的尺度,即。,在不同的决议。图片描述的是一个层次结构的每一层代表原始信号与一定程度的细节。 |
| 史密斯和常使用统计特性(均值和方差)计算每个部分波段纹理特性[26]。他们比较的有效性纹理分类的特点构造的小波方法,均匀分解为部分波段(没有扩展,每个部分波段包含一个特定频率的信号的一部分),离散余弦变换,空间分解。在[27],平均值和标准偏差分布的小波变换系数是用于构造特征向量。与N过滤器的转换,图像是由特征向量的维度2 N。 |
| 在[28],作者计算一个新的纹理特征采用广义高斯密度分布的曲波系数叫做曲波GGD纹理特征。目的是调查曲波GGD纹理特征并比较其检索性能与曲波,小波和小波GGD纹理特性。实验结果表明,曲波和曲波GGD特性表现显著优于小波和小波GGD纹理特性。在两种类型的基于曲波特性,曲波在CBIR特性显示出更好的性能比曲波GGD纹理特征。工作由减少低级特征描述图像通过使用减少描述符相结合颜色和纹理信息,探讨了小波变换在[29]。提出了一种方法来描述图像的高频部分波段离散小波变换(DWT)相关加权模糊分割步骤后凸区域。 |
| 在[30],一个简单的基于标准化的时刻的图像签名提出了小波系数分布。这个签名可以计算为每个可能的快速小波滤波器。图像特征映射是取得作为图像特征,基于内容的图像检索(CBIR)。这项工作提出了一个修改曲波变换(MCT)及其结合词汇树(VT)的特性收集和检索图像数据库[31]。未经中华人民共和国交通部已使用伽柏小波分解实现的。该算法更准确地捕获图像边缘信息比伽柏变换(GT)和曲波变换使用的多孔小波变换分解(ACT)的一个映像。 |
| 建议的方法[32],混合meta-heuristic基于群智能搜索技术,称为混合引力搜索算法(MGSA),是使用。一些特征提取参数的参数(即6-tap参数化正交母亲在纹理特性和小波量化水平颜色直方图)进行优化,使之达到最大的CBIR系统的精度。极其快速CBIR系统。该系统利用多个支持向量机集成提出了[33]。作者Daubechies小波变换用于提取图像的特征向量。在[34],不同的小波基是用来描述每个查询的形象。回归函数,调到最大化的训练数据集的检索性能,用于估计是最好的小波滤波器,即。预期的检索性能,为每个查询的形象。 |
| 田村等。[35]提供了一个方法来描述纹理基础上对人类视觉感知。他们建议六个参数粗糙、对比度、方向性,line-likeness,规律,粗糙度对应六个纹理属性过程中被认为visuallymeaningful心理实验。霍沃斯和鲁格[36]-[37]发现粗糙parametersdescribing前三个属性,对比和方向性,而effectivein分类和搜索图像的纹理。所有这些点的集合为一个图像是自己田村形象。自田村等人提出的纹理特性arevisually意义和自然,demonstratedtheir有效性的实验。 |
| 通过伽柏过滤器是纹理分析的小波方法的一个特例。这是最常用的方法在纹理图像检索。在大多数的CBIR系统位于伽柏小波[38]-[40],平均值和标准偏差分布的小波变换系数是用于构造特征向量。与N过滤器的转换,图像是由特征向量的维度2 N。CBIR系统开发的另一个想法是基于图像的扩张termsof通过分析训练集ofimages基础。例子是ICA filtersobtained通过应用独立分量对训练集竞争力。ICA过滤器的构造方式类似于人类视觉系统的训练过程。这些ICA过滤器通过独立分量analysisare当地边缘过滤器和Gaborfilters是相似的。与后者不同的是,ICA过滤器是naturallyconstructed和反映主要ofimages纹理属性被用来获得它们。ICA过滤器可以在建设(41 - 44)。 |
| 提出三个图像特征的图像检索[45]。第一和第二图像特征是基于颜色andtexture特性,分别称为颜色共生矩阵像素ofscan模式(CCM)和区别(DBPSP)。第三个图像特征是基于颜色分布,称为色彩histogramfor K-mean (CHKM)。在[46],首先HSV颜色空间量化的理性。颜色直方图和基于同现矩阵纹理特征提取到formfeature向量。全局颜色直方图的特点,地方色彩histogramand CBIR的纹理特征进行比较和分析。这些作品的基础上,设计CBIRsystem使用颜色和纹理融合特性通过构造featurevectors的权重。 |
| 在[47],提出了一种基于内容的图像检索方法基于anefficient集成的颜色和纹理特征。作为它的颜色特性,pseudo-Zernikechromaticity对手色度空间中分布的时刻。作为其texturefeatures,旋转不变和尺度不变的图像描述符可操纵的金字塔domainare采纳,提供一个高效、灵活的早期处理的近似人类的视觉系统。颜色和纹理信息的集成提供了一组robustfeature彩色图像检索。 |
| 一个新特性方案calledenhanced伽柏小波相关图(EGWC) proposedfor图像索引和检索在[48]。EGWC使用Gaborwavelets将图像分解成不同尺度andorientations。伽柏小波系数thenquantized使用优化的量化阈值。第二步,在量子化的autocorrelogram waveletcoefficients计算在每个小波尺度和方向。提出了一种新颖的方法,使用一个著名的k - means聚类算法和数据库索引结构B±树便于检索相关图像在一个高效和有效的方法[49]。集群有效性analysisindexes结合多数投票用来验证适当数量的集群。提取图像的featurevectors Daubechies使用小波变换。 |
| 在[50],旋转invariantcurvelet特性提出了纹理表示大大优于thewidely使用伽柏纹理特性。小说地区paddingmethod也提出了曲波变换应用于regionbased图像检索。提出了一种方法,是一个非常快速的CBIR系统usesMultiple支持向量机合奏[51]。Daubechies小波变换forextracting图像的特征向量。基于内容的图像检索(CBIR)方法对诊断帮助medicalFields提出了[52]。在拟议的系统中,图像索引以通用的方式,没有提取domain-specificfeatures:一个签名是建立为每个图像的小波变换。这些图像签名characterizethe分布在每个子带分解的小波系数。distancemeasure被定义为比较两个图像签名,因此检索最相似imagesin数据库提交查询图像时由一个医生。 |
形状特征 |
| 颜色和纹理特征,形状的对象(数据)也通常用于比较形象。表示和描述形状的方法可以分为两类:外部方法,它代表该地区的外部特征(边界),和内部的代表该地区的内部特征(组成区域的像素)。形状特征进行分类的两种类型:边界描述符和区域描述符。他们被归类为(一)结构和(b)全球。全球边界描述符包括各种签名,傅里叶描述符和小波描述符。 |
答:边界描述符 |
| 1)链代码:它描述了一个对象边界线段与给定序列的方向。建立链代码、图像叠加在一个网格,边界点最近的网格节点的近似。线段连接相邻的节点。 |
| 2)签名:签名是一种描述二维对象的边界的一个变量的函数,它被认为是更容易描述相对于原来的二维边界。 |
| 3)傅里叶描述符:傅里叶描述符是一个最流行的轮廓参数化的方法。该方法的基本思想在于离散傅里叶变换的应用的签名和使用傅里叶系数描述轮廓的获得作为参数。 |
| 在[21]中,提出了一种新颖的方法叫iSearch和全局/局部匹配的地方特色相结合进行精确检索项图像以互动的方式。第一作者提取多个地方特色包括尺度不变特征变换(筛选),区域颜色时刻和对象轮廓片段足够代表商品的视觉表象;尽管全球和地方匹配的大规模图像数据集允许。提高筛选算法,一个健壮的方法,提出了基于集成的图像检索[53]的要点和边缘信息。的方法是健壮的平移、旋转和部分遮挡的物体。 |
| 基于内容的图像检索的新方法提出了基于兴趣点在[54]。从规模和兴趣点检测旋转归一化图像。然后归一化图像分为一系列的部门分区单元与不同地区根据兴趣点的分布。新算法利用定向当地极值模式用于基于内容的图像检索应用程序提出了[55]。该方法不同于现有的枸杞多糖,它基于局部极值提取边缘方向信息0 a¢¦,45一个¢¦,90 a¢¦,和135 a¢¦方向一个图像。 |
| 小波相关图的多孔特性描述符[56]中使用的图像表示。通过进一步扩展这个描述符中,多孔梯度结构描述符(AGSD)提出了基于内容的图像检索。AGSD促进的多孔的特性计算与thehelp小波的定位信息在当地的方式。提取图像的局部信息通过微观结构描述符(MSD);它发现邻近像素之间的关系。在[57],计划一个新特性被称为增强型伽柏小波相关图(EGWC)提出了图像索引和检索。EGWC使用伽柏小波图像分解成不同尺度和方向。然后伽柏小波系数量化使用优化的量化阈值。在下一步中,量化的autocorrelogram计算小波系数在每个小波尺度和方向。 |
b区域描述符 |
| 1)基于网格的方法:Sajjanhar和陆[58]提出了一个直观的清晰的描述物体形状的方法,所谓的基于网格的方法。该方法的基本思想可以表示使用两个步骤:(1)网格细胞的特定大小的对象是重叠的,和(2)细胞的网格遍历从右到左,从上到下 |
| 2)时刻及其不变量:矩不变量是目前最受欢迎和广泛使用的区域描述符。使用时刻形状描述的概念第一次被提出的胡锦涛1962年[59]。作者认为几何的时刻两个变量的函数。 |
| [60],Luren和弗里茨提出了快速计算方法的时刻为二进制图像基于离散变量的使用格林公式。在[61],替代为几何不变量的时刻。除了几何时刻(他们有时被称为普通或一般),其他时刻也使用。通用傅里叶描述符(GFD)建议由张陆,[62],像其他基于当下描述符,依靠扩大信号的概念有一定的基础。 |
| 一种新的基于边缘的形状特征表示方法与多层solutionenhanced正交多项式模型和形态学操作有效的图像检索提出了[63]。基于伪泽尼克时刻全球形状特性,哪些不变basicgeometric转换,提取并用于检索相似的距离度量图像与堪培拉。CBIR系统提出了使用形状特性descriptorand修改的泽尼克时刻基于Zernikemoments最小几何误差和numericalintegration错误[64]。在[65],实验分析的基于像素densedescriptors等局部二进制模式(LBP),当地directionalpattern (LDP)及其变体。这些descriptorsare作为地方特色以及zm评选的全球特性统领高精确的检索率SBIR系统。一个新颖的方法提出了基于内容的图像检索是基于兴趣点[66]。从规模和利益点aredetected旋转归一化图像。然后归一化图像分为一系列sectorsub-regions不同地区根据兴趣点的分布。 |
结论 |
| 本文调查了基于内容的图像检索系统的基本概念。这个调查试图介绍CBIR技术的理论和实际应用。使用混合特征包括颜色、纹理和形状特征向量的区域匹配图像可以给更好的结果。分类和基于内容的检索方法,基于他们所使用的特征,如颜色、纹理和形状进行了讨论以及它们的子类和算法用于构建特征向量。 |
引用 |
|