dip8数字图像与互联网.ppt

YUAN Guo-wu,YunNan University 8.1 基于互联网的图像系统 互联网图像系统的结构 互联网图像系统的研究方向 解决图像数据大与网络带宽窄的问题 与信息安全、版权保护相关的图像问题 静止、活动图像的存储与检索的问题 8.2.1 内容检索与内容匹配 问题的提出 传统的图像检索方法 基于内容的图像检索方法 基于内容的图像检索系统 8.2.1 内容检索与内容匹配 问题的提出 当我们的数字图像数量很多时（达到上千张、甚至上百万张），如何快速有效地找到需要的数字图像是一项有挑战性的工作 那么，如何利用计算机辅助检索图像呢？（与文本检索不同，图像与图像之间的比较是一个复杂的问题） 8.2.1 内容检索与内容匹配 传统的图像检索方法 通过图片的元数据或标引文字进行检索 8.2.1 内容检索与内容匹配 传统的图像检索方法 标引文字的检索的局限性是： 图片的标引文字主要靠人工输入。对大数据量的场合（如Web资源、数字图书馆等）应用困难 标引文字无法精确完整的刻画图片内容 文字描述一维线性的媒体，而图片是二维非线性的媒体 生成或利用元数据的过程实质是在两种差异很大的媒体间的翻译过程，有很大的随意性和信息损失 8.2.1 内容检索与内容匹配 基于内容的图像检索方法 一图胜千言，考虑绕过这些转换（翻译）过程直接利用图片去检索图片，这就是基于内容的检索的出发点 基于内容的图像检索的英文缩写：CBIR Content-Based Image Retrieval 90年代初，国际上就开始了对基于内容的多媒体信息检索方面的研究。 8.2.1 内容检索与内容匹配 基于内容的图像检索方法 大量原型系统已经推出,技术正在逐步走向成熟，已经出现一些商用系统。 商用系统如：IBM的QBIC、 Virage的VIR Image Engine。 原型系统如：UCB的BlobWorld（形状）、 Stanford的系统（颜色）。 检索效果仍需改进。 8.2.1 内容检索与内容匹配 基于内容的图像检索系统 基于内容的图像检索流程 基于内容的检索通过与用户交互的方式 ,对查询结果逐步求精 ,检索经历了一个特征调整、重新匹配的循环过程。 8.2.1 内容检索与内容匹配 基于内容的图像检索系统 基于内容的图像检索系统结构 8.2.1 内容检索与内容匹配 基于内容的图像检索系统 基于内容的图像检索系统的4种检索方式： 1）利用图片样本检索（Query By Example） 可以由用户准备图片样本 可以在图片库中浏览 系统给出各类代表图像 从系统中随机抽取（检索是一个逐步求精的过程） 8.2.1 内容检索与内容匹配 2）利用草图检索 3）利用图像特征模板检索 如颜色特征模板，指定各种颜色的比率等。 4）以上方式结合 先用草图或指定特征获取图片样本，再用图片样本检索 8.2.2 内容匹配的主要策略 颜色特征匹配 纹理特征匹配 形状特征匹配 8.2.2 内容匹配的主要策略 颜色特征匹配 基本原理： 颜色具有一定的稳定性。在许多情况下 ,颜色是描述一幅图像最简便而有效的特征。 用图像的颜色信息作为图像之间进行匹配的特征依据。 计算直方图距离的方法 直方图相交法 直方图距离法 互补颜色空间直方图法 二次型距离法 中心矩法 计算直方图距离的方法 直方图相交法 令: HQ(k)为查询图像Q的直方图 HD(k)为图片库图像D的直方图 则两图之间的匹配值为： L-1 L-1 P(Q,D) = ?min[HQ(k), HD(k)] / ?HQ(k) k=0 k=0 三种主要匹配策略 1）颜色比率匹配 两幅相似的图像各自所包含的各种颜色的比率是相似的，因此可以利用描述颜色构成比率的特征进行检索。如彩色直方图、累积直方图、主色调等。 三种主要匹配策略 2）颜色布局 颜色比率匹配法的缺陷： 只能描述颜色的全局统计信息，不能描述颜色的空间分布 颜色布局匹配 通过比较图像与样本的颜色分布位置的相似程度进行匹配。这类匹配选取的特征如图像的分块直方图、颜色对距离直方图等。 三种主要匹配策略 3）色彩空间 色彩空间对特征有重要影响，如在HSV空间中可以忽略亮度信息的影响。 一般来讲，在HSV空间中利用分块累积直方图的检索效果较好 8.2.2 内容匹配的主要策略 纹理特征匹配 基本原理： 虽然图像的纹理特征在局部区域内可能没有规则 ,但在整体上却往往呈现出一定的规律性 。 纹理特征主要由纹理的均匀度、对比度和方向的特征量表示。 均匀度反映纹理的尺寸 对比度反映纹理的清晰度 方向反