基于內(nèi)容的圖像檢索中索引技術(shù)技術(shù)的研究及系統(tǒng)實(shí)現(xiàn).pdf

1、近年來，隨著多媒體技術(shù)和計(jì)算機(jī)網(wǎng)絡(luò)的飛速發(fā)展，全世界的數(shù)字圖像的容量正以驚人的速度增長(zhǎng)。無論是軍用還是民用設(shè)備，每天都會(huì)產(chǎn)生容量相當(dāng)于數(shù)千兆字節(jié)的圖像，其中包括來源于衛(wèi)星系統(tǒng)、各類監(jiān)測(cè)系統(tǒng)、科學(xué)實(shí)驗(yàn)和生物醫(yī)學(xué)等領(lǐng)域的圖像資料，這些數(shù)字圖像中包含了大量有用的信息。然而，由于這些圖像是無序地分布在世界各地，圖像中包含的信息無法被有效地訪問和利用。因此，如何從海量的圖像數(shù)據(jù)中高效、快速地檢索出所需信息是當(dāng)前許多應(yīng)用領(lǐng)域所面臨的重要問題。

2、 傳統(tǒng)的基于文本注解的圖像檢索方法，存在著手工注解工作量過大和文本注解帶來的主觀性和不精確性等缺陷，已不能滿足需求。為了克服傳統(tǒng)圖像檢索技術(shù)存在的問題，就需要全面地、一般性地和客觀地提取出圖像的內(nèi)容?；趦?nèi)容的圖像檢索（Content-Based Image Retrieval，CBIR）技術(shù)應(yīng)運(yùn)而生。其主要的思想是根據(jù)圖像所包含的色彩、紋理、形狀以及對(duì)象的空間關(guān)系等信息，提取出特征向量，并建立圖像的特征庫，然后計(jì)算查詢圖像和特征庫中

3、圖像的特征向量間的相似度，并返回查詢結(jié)果。由于基于內(nèi)容的圖像檢索技術(shù)利用了圖像本身包含的客觀物理視覺特征來進(jìn)行檢索，從而不需要或者僅需要少量的人工干預(yù)，因此在需要自動(dòng)化的場(chǎng)合取得了大量應(yīng)用。 隨著圖像庫容量的迅速增大，圖像檢索的實(shí)時(shí)性要求也日益突出，檢索系統(tǒng)對(duì)用戶查詢的響應(yīng)時(shí)間成為圖像檢索系統(tǒng)能否實(shí)用化的關(guān)鍵。而有效的高維索引機(jī)制則是面向大規(guī)模圖像庫檢索能夠達(dá)到實(shí)時(shí)性要求的關(guān)鍵技術(shù)。但由于圖像特征數(shù)據(jù)的特點(diǎn)，傳統(tǒng)的一維索引已不適

4、用于CBIR，需要采用高維索引技術(shù)。本文比較全面的介紹了高維索引相關(guān)技術(shù)，重點(diǎn)研究了R-Tree、VA-File等索引方法，分析了其特點(diǎn)和不足。在此基礎(chǔ)上，作者結(jié)合了二者的優(yōu)點(diǎn)，提出了一種新的空間索引——RBVA-Tree，并通過模擬試驗(yàn)證明了RBVA-Tree的性能優(yōu)于R-Tree，VA-File等現(xiàn)有的索引方法。 最后，在研究的基礎(chǔ)上，本文實(shí)現(xiàn)了基于內(nèi)容的圖像檢索原型系統(tǒng)。系統(tǒng)基于Linux環(huán)境，支持目前常用的檢索方式，經(jīng)測(cè)