基于内容的图象检索实践-复旦大学现代教育技术中心.PDF

复旦大学 政学者论文集 2002 基于内容的图象检索实践 高宇立 摘要: 随着多媒体技术的发展 基于内容的图象检索成为近年来研究的重要课题 我们开发了一个图象检索 系统 用于对一般的图象 相对于特定种类图象而言 进行相似性检索 在此系统中 我们使用了MPEG-7 标准中的颜色(SCD CLD)和纹理描述子(EHD) 作为对图象内容的描述 我们还提出了一种新的相关反馈 算法 该方法从用户对检索结果的评价出发 不对图像库的分布做任何估计 综合相关和不相关图像的信息 对图像特征空间进行变换 调整相似度计算公式 使检索结果更接近用户的查询目标 通过在含有 7159 幅 图象的图库上测试表明 本系统具有较高的检索性能 一 引言 伴随着全球网络通讯技术和光盘等大容量信息存储技术的发展 信息每天在以飞快的速 度膨胀 其中不仅包括文字 更主要的是音频 图象和视频等多媒体信息 我们知道 信息 的价值是依赖于它们被发现 查找 获取 过滤和管理的难易程度的 因此开发出一个能够 自动查找用户所需图象的系统 意义重大 从二十世纪七十年代起 人们便开始了对图象检索领域的研究 研究人员从好几个方面 研究了这个问题 其中主要从计算机视觉和自动推理结合的角度出发 希望使系统具有类似 人的分析图象能力 现阶段较有意义的成果是基于特征( 内容) 的图象检索技术和相关反馈技 术 所谓图象的特征 是人对图象视觉感受的量化描述 图象特征从各个方面描述了图象的 内在语义 从而可以作为图象的抽象表示 然后我们根据对每个不同特征定义的相似度来表 示不同图象之间的相似程度 从而实现对图象的检索 这就是所谓基于特征的图象检索 或 称为基于内容的图象检索 一般来说 图象低层特征的提取相对简单 当前已经开发出了许多基于低层特征的图象 检索系统 如 QBIC[ 1]和 MARS[2]系统 但由于低层特征不具备语义 通常单靠它们作为基 础的查询最终效果不太令人满意 而语义特征的抽取在当前还有很多困难 只能解决某些特 定对象的查询要求 例如 Berkeley 大学几位研究者制作的图象检索系统[3]可以查询很少几种 有语义的事物 如帆船 马和未穿衣服的人 但是 对于使用低层特征进行检索的系统来说 ’如何定义特征之间的相似度’ 是一个很 关键的问题 由于图象的语义通常并不直接与低层特征相对应 所以相同的低层特征对于不 同的用户来说其意义可能完全不同 例如对于同一个背景图象库进行查询时 小王可能希望 查找到颜色相近的一组图象 而小李则对具有相似纹理的一组图象较感兴趣 为满足不同用 户的需求 系统必须采用不同的相似度计算公式 如何选择适合当前用户的相似度公式就成 为一个重要的问题 目前本问题的有效解决方法是相关反馈技术[4] 即在查询的过程中让用 户对查询的中间结果作出主观评价 根据用户评价的结果 系统自动学习 产生新的相似度 计算公式 并返回用户更加满意的结果 二 特征选取和它们的相似度定义 图象特征是图象视觉效果的量化表示 好的特征能较好的表征人对图象的视觉感受 特 征比较则是计算两幅图象间的相似程度 好的比较算法能更好地模拟人对于两幅不同图象感 受的差异程度 图象特征可以分为以下三个层次[5]: 层次一 原始特征 如颜色 形状 纹 理; 层次二 逻辑特征 如各种图象中的对象; 层次三