1　常見的圖線檢索系統介紹

　　從上世紀90年代以來，基于內容的圖像檢索技術就已經成為了熱門的研究方向，當前有多種比較著名的圖像檢索系統，以下做簡要的分析概述。

　　1.1　Virage圖像檢索系統

　　由Virage公司基于內容開發的，支持顏色、紋理、結構等可視化信息的查詢，也可以是上述的各特征信息的任意組合，根據用戶自己的喜好調整這些元素的組合。

　　1.2　QBIC圖像檢索系統

　　QBIC是IBM基于內容開發的圖像檢索系統，其系統的框架具有開創性，對其后的圖像檢索系統有深遠的影響，基于選擇的顏色、例子圖像、用戶構造的略圖、紋理等查詢，顏色特征有平均坐標進和K個元素的直方圖，紋理特征在對比度、粗糙度和方向等進行結合，形狀包括圓形度、面積、偏心度、主軸偏向等，QBIC的圖像檢索是第一個商品化的基于內容的圖像檢索系統，雖然功能有待完善，但影響深遠。

　　1.3　RetrievalWare圖像檢索系統

　　是由Excalibur公司開發的基于內容的檢索系統，其重點在于圖像檢索系統中的神經網絡化，通過對圖像特征的形狀、紋理、亮度、顏色、顏色分割等進行特征查詢，并且可以迎合用戶的側重，對上述的特征量進行組合，類似于Virage檢索，其最大的區別在于使用了神經網絡的技術。

　　1.4　VisualSEEK和WebSEEK圖像檢索系統

　　VisualSEEK是面向視覺特征的搜索工具，而WebSEEK則是面向文本/圖像的搜索工具。WebSEEK面向Web，主要包含三個模塊，主題分類和索引模塊、圖像/視頻收集模塊、搜索瀏覽和檢索模塊，主要是基于視覺內容和關鍵字的查詢；VisualSEEK研究空間和圖像區域的關系，從壓縮域中抽取視覺特性，如基于小波變換的紋理特征、顏色集等；同時，采用二叉樹的索引方式又可以提升檢索的速度。

　　1.5　MARS圖像檢索系統

　　這種圖像檢索系統與其他幾類有著明顯的區別，其融合了信息檢索、計算機視覺和數據庫管理系統多個交叉領域，其特點是檢索與索引聯結、帶ranked的精確檢索匹配、人機結合等。MARS的關鍵不在于尋找單一的特征表達，而是將視覺特征的不同元素組合，可以動態的使用不同用戶的需求，并在檢索中提出反饋機構，包括自動在線匹配、自動特征適應和查詢矢量優化等，檢索的機制非常獨到。

 

2　內容分析

　　2.1　顏色特征

　　作為圖像內容中最為直觀的要素，顏色是用戶獲取信息最快捷的方式，利用顏色進行圖像檢索其核心思想是在顏色空間中對顏色出現的頻數進行分析，涉及到顏色空間量化、顏色空間的選取、顏色直方圖定義、顏色空間的距離定義等。在檢索系統總，為了能夠正確的辨別和使用顏色，需要建立顏色的模型。一般將顏色在3D坐標系中用空間點表示出來，在不同的場景中，圖像的顏色表示方法也有較大的區別。以RGB模型為例，基于笛卡爾坐標系統，坐標軸分別為R、G、B，從原點到離原點最遠定點間的連線上有黑白分布的灰度值，并且將顏色值都進行了標準化，每幅圖像都包括三個獨立的基色平面，可以方便的顯示圖像，以圖1為例。

　　 

   而采用顏色直方圖可以有效的將圖像信息刻畫出來，從概率上而言，顏色直方圖反映顏色通道的聯合概率，其特點是圖像中包含了某種顏色出現的概率，并將之數值化，但不包含像素的空間信息。對于任意的一幅圖像都可以有對應的直方圖。顏色特征是最可靠的視覺元素，直方圖也是最為常用的表述顏色特征的方式，不但簡單便捷，而且對變比例、平移和旋轉等具有固定性，直方圖將整個圖像劃分為若干個區域，每一個區域中提取對應的顏色特征，然后經過區域之間的加權和，對應區域的相似度。人們在比較兩幅圖時并不是比較對應區域的相似性，而是A圖中的某一子塊在B圖中是否也出現了，采用交叉相似的度量手段，提取圖像中最為接近的子塊，最終加權和作為兩幅圖像的最終相似度。

　　2.2　紋理特征

　　紋理容易讓人們聯想到木質家具、衣服花紋等，其反映了物體表面的灰度和顏色等變化，和物體本身的屬性直接相關，人們在通過識別紋理特征來區分圖像，就如同在整個森林中，不同樹木的紋理是有著區別的。但是由于紋理是非線性的變化量，難以經過硬性規定，難以給出確切的定義。紋理特征的三個主要標志分別是：其一，序列是由基本部分非隨機排序的；其二，某種局部的特征不斷重復排序；其三，統一材質或圖像的表面其紋理特征的表現大體上是一致的，有大體相同的尺寸結構，被稱為紋理基元。因而，在分析紋理特征時，應該是按照基元規律性的排列組合而成的。紋理在圖像中時一個重要的特征，如醫學顯微圖像、衛星遙感圖像、金相組織等都具有不同的紋理，在描述時，需要進行分割。在紋理特征的提取和描述過程中，一般有結構法、統計法和頻譜分析法。由于紋理在空間上是反復形成的，兩像素之間會存在一定的灰度關系，即灰度的空間相關特性，運用灰度級空間相關性的規律，可以很好的對圖像紋理特征進行描述。

　　2.3　形狀特征

　　形狀是圖像的顯著特征，同一物體可以有不同的顏色，但其形狀非常接近，如汽車，有多種顏色，但形成具有典型的特征，其輪廓或者說原理非常接近。在二維的圖像空間中，形狀是一條封閉曲線圍成的區域，形成了一種輪廓，當前基于形狀特征的圖像檢索大多依靠外形輪廓來進行區分。形狀特征的描述有樣條擬合曲線、直線段、傅里葉描述和高斯曲線等，在圖像檢索的過程中，通過計算形狀矩和直方圖的加權距離來區分圖像的形狀。形狀特征區域主要有區域的面積、形狀的無關矩、形狀的縱橫比等。利用形狀描述符，如偏心率、形狀參數、球狀性、圓形性等對形狀的特征進行描述。

 

3　基于內容的圖像檢索研究

　　3.1　系統模塊

　　基于內容的圖像檢索系統模塊有系統主界面、圖像處理、檢索設置、檢索結果顯示等部分組成。系統主界面用于顯示當前的圖像、對圖像庫進行操作等，可以進行圖像的瀏覽、刪除等操作，包括圖像入庫、圖像檢索、BMP文件的存入、圖像序號顯示等功能；圖像處理基于圖像處理模塊，服務于圖像檢索，包含的功能有將顏色直方圖轉換為灰度圖像、計算灰度共生矩陣、統計特征值等，與專業的軟件結合使用，揚長避短；檢索設置有當前打開的圖像，可以進行存儲位置、圖像的顯示比例、全局顏色直方圖、分塊顏色直方圖等設置，顯示檢索的盡速和結果瀏覽對話框；而檢索結果顯示的每一幅圖像結果下有一個信息條，從上到下的相似性逐漸降低，顯示圖像在庫中的ID和圖像實際的尺寸。

　　3.2　基于內容的圖線檢索實現

　　基于內容的圖像檢索是在特征提取的前提下，完成一個目標的模型描述，一是建立圖像特征內容的數據模型，而是對模型進行描述。圖像內容按照不同的語義級別，建立多層數據模型，第一層為存儲層，對圖像內容特征進行格式存儲、編碼，是最底層的信息描述；第二層為底層特征層，包含紋理、形狀、顏色等特征，針對每一種圖像特征的表示方法有所區別，按照第一層的定義進行描述；第三層為圖像對象層，分析底層特征，運用圖像識別技術提取獨立的圖像對象，建立語義描述和圖像的定位描述；第四層為圖像語義層，建立在圖像內容的完整意義上的概念描述；最后一層為附加信息層，雖然信息和圖像內容無直接的關聯，但可以進行圖像檢索的信息、圖像制作時間等記錄。

 

4　結語

    基于文本的圖像檢索技術當面對用戶主觀理解具有較大差異的時候，其檢索的效果往往并不理想，也不能適應用戶對圖像檢索的某些需求，因而基于內容的圖像檢索技術應運而生，通過對圖像最為直觀的特征，如顏色、形狀、紋理等進行描述，可以較為直觀、準確、快速的迎合用戶的檢索需求，基于內容的圖像檢索也取得了長足的進步。但此類技術在應用中仍然有待完善，隨著技術的進步，基于文本、基于內容和基于語音等技術的交叉融合性越來越強，取得的效果明顯會優于單一的檢索方式，各種檢索技術之間取長補短，成為未來發展的趨勢，研究值得深入。