孫亮

(蘭州文理學(xué)院　數(shù)字媒體學(xué)院，甘肅　蘭州　730000)

?

內(nèi)容圖像檢索的特征及策略分析

孫亮*

(蘭州文理學(xué)院數(shù)字媒體學(xué)院，甘肅蘭州730000)

在我國圖像檢索技術(shù)不斷發(fā)展的當(dāng)下，基于內(nèi)容的圖像檢索實現(xiàn)了較快的發(fā)展，且已經(jīng)逐漸取代了傳統(tǒng)基于文本的圖像檢索方式，通過對圖像所具有的視覺信息特征進(jìn)行提取和利用能夠直接建立索引，實現(xiàn)檢索?；诖耍疚氖紫葘?nèi)容圖像檢索進(jìn)行了概述，然后分別對內(nèi)容圖像檢索的特征和策略進(jìn)行了分析研究，為內(nèi)容圖像檢索在各個行業(yè)領(lǐng)域的應(yīng)用提供參考借鑒。

內(nèi)容；圖像檢索；特征；策略

為了滿足計算機(jī)用戶對圖像數(shù)據(jù)信息的實際需求，越來越多的搜索引擎都相繼提供了圖像檢索服務(wù)，與傳統(tǒng)機(jī)遇文本的檢索技術(shù)相比較而言，基于內(nèi)容的圖像檢索技術(shù)可以對圖像內(nèi)容實現(xiàn)直接的分析和特征提取，以其為根據(jù)建立索引同時進(jìn)行檢索，打破了傳統(tǒng)檢索技術(shù)的局限性，具有快速和高效的特點[1]，在眾多行業(yè)領(lǐng)域中實現(xiàn)了廣泛的應(yīng)用。加大對內(nèi)容圖像檢索技術(shù)的研究對于豐富信息處理理論、推動圖像技術(shù)發(fā)展和解決信息膨脹問題等方面具有十分重要的現(xiàn)實意義。

1　圖像數(shù)據(jù)特征

圖像數(shù)據(jù)，指的是用數(shù)值所表示的各像素的灰度值的集合，圖像數(shù)據(jù)的特征表示是建立在圖像理解的基礎(chǔ)之上的，其特征主要包括了以下幾點：

其一，顏色特征：顏色是圖像數(shù)據(jù)最為基本的一個特征，主要包括了平均亮度、顏色直方圖和主導(dǎo)顏色等，是對圖像數(shù)據(jù)進(jìn)行有效區(qū)分和判斷的一個重要參考；通常情況下，不同的圖像數(shù)據(jù)基本上不會出現(xiàn)顏色特征相同的現(xiàn)象[2]。

其二，紋理特征：紋理指的是圖像數(shù)據(jù)在局部上所具有的不規(guī)則、宏觀以及有規(guī)律的一種重要特征，主要包括了方向性、粗糙性和對比度等，一般對紋理特征進(jìn)行準(zhǔn)確描述的難度較大，是紋理特征索引對相關(guān)圖像數(shù)據(jù)進(jìn)行提取的基礎(chǔ)依據(jù)[3]。

其三，輪廓特征：對圖像數(shù)據(jù)的輪廓特征進(jìn)行提取需要依靠邊緣檢出，將檢出的邊緣通過連接或編組而形成具有意義的圖像事件，例如直線、曲線和各種輪廓線等，其同時也是圖像理解工作中的一項基本內(nèi)容。

2　內(nèi)容圖像檢索的特征分析

2.1內(nèi)容圖像檢索技術(shù)理論

基于內(nèi)容的圖像檢索技術(shù)，指的是利用傳統(tǒng)數(shù)據(jù)庫對相關(guān)文字信息進(jìn)行存儲和管理之外，在對圖像庫進(jìn)行建立的過程當(dāng)中，將從圖像中所提取出來的目標(biāo)特征，如顏色、形狀和紋理等，將其和與之相對應(yīng)的特征向量同時存儲在圖像庫當(dāng)中，在對圖像數(shù)據(jù)進(jìn)行檢索和查詢的時候，采取圖形表達(dá)的方式，通過提取圖形體征向量來實現(xiàn)相似度的匹配，從而得到所需要的圖像數(shù)據(jù)。內(nèi)容圖像檢索技術(shù)實現(xiàn)了傳統(tǒng)模式識別技術(shù)、現(xiàn)代多媒體人機(jī)交互技術(shù)和其他高科技技術(shù)之間的有機(jī)結(jié)合，在圖像存儲和管理中的應(yīng)用具有較高的價值[4]。

2.2內(nèi)容圖像檢索技術(shù)的特征

內(nèi)容圖像檢索技術(shù)實際上是根據(jù)媒體和媒體對象的內(nèi)容以及其與上下文之間所具有的聯(lián)系為基礎(chǔ)而進(jìn)行的檢索。內(nèi)容圖像檢索技術(shù)具有以下幾方面的特征：

(1)從圖像數(shù)據(jù)中直接提取信息線索：內(nèi)容圖像檢索打破了傳統(tǒng)以文本為基礎(chǔ)的檢索方法的固有框架，能夠?qū)D像內(nèi)容進(jìn)行直接的分析，對其特征和語義實現(xiàn)直接的提取，并將其作為依據(jù)實現(xiàn)對索引的建立，有效的避免了因人工描述主觀性而導(dǎo)致的檢索失敗[5]。

(2)內(nèi)容圖像檢索是近似匹配尋優(yōu)：與常規(guī)數(shù)據(jù)庫檢索相區(qū)別的是，由于圖像數(shù)據(jù)內(nèi)容具有較強(qiáng)的復(fù)雜性，內(nèi)容圖像檢索對圖像數(shù)據(jù)內(nèi)容的表示并不是一種精確性的描述，而是通過相似性匹配的方法來實現(xiàn)逐步的精準(zhǔn)，對查詢結(jié)果的范圍予以不斷的縮小，直至對目標(biāo)對象實現(xiàn)定位。

(3)大型數(shù)據(jù)庫中的快速檢索：由于實際的圖像數(shù)據(jù)庫中的數(shù)據(jù)量十分巨大，且圖像數(shù)據(jù)具有海量、高維以及非結(jié)構(gòu)性等特點，因此要求內(nèi)容圖像檢索技術(shù)也能夠與常規(guī)的信息檢索技術(shù)相同，在大型數(shù)據(jù)庫當(dāng)中實現(xiàn)快速和準(zhǔn)確的檢索。

(4)具有較強(qiáng)的交互性：內(nèi)容圖像檢索實現(xiàn)了用戶主動的參與到檢索的過程當(dāng)中，對信息和意圖實現(xiàn)主動提供，并對查詢結(jié)果的獲取具有一定的監(jiān)督作用。

(5)基于特定領(lǐng)域知識：內(nèi)容圖像檢索在現(xiàn)階段都是針對特定的領(lǐng)域和需求而實現(xiàn)應(yīng)用的，相關(guān)系統(tǒng)的開發(fā)往往是相對獨立的，例如圖書資源的檢索、教育信息的檢索和交通監(jiān)控安全系統(tǒng)等。

3　內(nèi)容圖像檢索的策略研究

3.1內(nèi)容圖像檢索系統(tǒng)

以內(nèi)容為基礎(chǔ)的圖像檢索通常情況下會應(yīng)用到模式識別、圖像處理、數(shù)據(jù)庫、機(jī)器學(xué)習(xí)和人工智能等模型和方法，內(nèi)容圖像檢索系統(tǒng)實際上是介于用戶和圖像數(shù)據(jù)庫二者之間的一種信息交互、查詢和服務(wù)系統(tǒng)，內(nèi)容圖像檢索系統(tǒng)的基本架構(gòu)如圖1所示，主要包括了查詢模塊、匹配模塊、描述模塊、提取模塊和驗證模塊。

圖1　內(nèi)容圖像檢索系統(tǒng)架構(gòu)示意圖

在內(nèi)容圖像檢索系統(tǒng)當(dāng)中，查詢模塊主要是為了滿足用戶對相關(guān)數(shù)據(jù)進(jìn)行查詢和檢索的實際需求，而提供的多種查詢手段。描述模塊的主要作用是將用戶的實際需求進(jìn)行轉(zhuǎn)化，從而實現(xiàn)對圖像內(nèi)容的特征進(jìn)行表達(dá)和描述。匹配模塊的功能就是將圖像的特征描述作為基礎(chǔ)，按照設(shè)定的測度在圖像數(shù)據(jù)庫中進(jìn)行搜索、匹配和排序。提取模塊則是將匹配排序的結(jié)果作為依據(jù)，將圖像庫中所有滿足條件的圖像呈現(xiàn)給用戶，供其進(jìn)行選擇和使用。驗證模塊的實際作用則是針對所提取出來的圖像與用戶的實際需求之間的符合情況進(jìn)行驗證；當(dāng)驗證結(jié)果為不滿意的時候，通過對查詢條件的修改而重新進(jìn)行檢索。

3.2內(nèi)容圖像檢索方法

3.2.1特征檢索方法

(1)顏色。顏色對于圖像檢索和目標(biāo)識別來說是一種極為重要的視覺性線索，因為顏色對于尺度和方向而言具有旋轉(zhuǎn)不變的特點，因此顏色特征在圖像分類中具有十分顯著的應(yīng)用效果。以顏色為基礎(chǔ)的圖像檢索方法的實現(xiàn)是較為容易的，因此在內(nèi)容圖像檢索中實現(xiàn)了較為廣泛的應(yīng)用。常用的顏色圖像檢索方法主要包括了以下幾種。

顏色直方圖：顏色直方圖是應(yīng)用最為簡單和頻繁的一種顏色特征，所反映的是圖像顏色的組成和分布，也就是有多少種顏色，不同顏色出現(xiàn)的頻率等，能夠?qū)D像中顏色的全局分布特點實現(xiàn)簡單的描述，具有尺度、平移和旋轉(zhuǎn)不變色的特點[6]。顏色直方圖檢索方法的中心思想是對顏色空間實現(xiàn)適合性的選擇，同時應(yīng)用量化方法對不同顏色實現(xiàn)量化，對量化后的通道在整幅圖像中的占據(jù)比重進(jìn)行統(tǒng)計。

顏色相關(guān)圖：顏色相關(guān)圖對顏色跟隨距離變換的空間關(guān)系實現(xiàn)了詳細(xì)的描述，也就意味著顏色相關(guān)圖一方面能夠?qū)D像的顏色信息予以統(tǒng)計，另一方面還能對不同顏色之間的空間關(guān)系予以表達(dá)。顏色相關(guān)圖圖像檢索方法的核心思想是利用顏色對相對于距離的分布來實現(xiàn)對圖像信息的描述。這種方法不僅體現(xiàn)了不同顏色之間的空間相關(guān)性，而且還體現(xiàn)了總體像素和局部像素分布的相關(guān)性，具有易計算、特征范圍小的優(yōu)點，與顏色直方圖檢索方法相比，其實際的檢索效率更高[7]。

顏色矩：顏色矩圖像檢索方法的主要思想是在顏色直方圖的基礎(chǔ)上，對每種顏色通道的均值、方差和偏差進(jìn)行計算，并使用這些統(tǒng)計信息來代替顏色的分布情況，從而描述出顏色特征，包括了一階矩(均值)、二階矩(方差)和三階矩(斜度)等；且顏色矩圖像檢索方法不需要對顏色空間進(jìn)行量化，其特征向量的維數(shù)較低。

3.2.2紋理

紋理是一種和物體的表面材質(zhì)具有相關(guān)性的圖像特征，是內(nèi)容圖像檢索系統(tǒng)當(dāng)中的一種重要方法。由于不同材料的紋理之間是相互區(qū)別的，因此針對不同的材料通常需要設(shè)計出不同的紋理分析方法，一般情況下是將典型不同紋理的圖像進(jìn)行分類，從中確定某一種應(yīng)用中不同圖像所具有的紋理特征。紋理分析是計算機(jī)視覺研究領(lǐng)域中的一項重要內(nèi)容，其方法主要包括了結(jié)構(gòu)方法和統(tǒng)計方法兩大類。其中的結(jié)構(gòu)方法是假設(shè)圖像由較小的紋理基元排列而成的，其所應(yīng)用的是句法分析法，通常情況下僅適用于規(guī)則的結(jié)構(gòu)紋理；統(tǒng)計方法則又包括了傳統(tǒng)統(tǒng)計方法、以模型為基礎(chǔ)的方法以及以頻譜分析為基礎(chǔ)的方法[8]。

3.2.3形狀

形狀是內(nèi)容圖像檢索中較為常用的一種特征，由于用戶能夠根據(jù)圖像和物體的形狀來實現(xiàn)對目標(biāo)的識別，因此形狀是物體刻畫中最為基礎(chǔ)的一種本質(zhì)特征。當(dāng)前，對形狀特征實現(xiàn)描述的方法主要包括了以區(qū)域為基礎(chǔ)的方法和以邊緣為基礎(chǔ)的方法。其中，基于區(qū)域的形狀特征的實現(xiàn)是對區(qū)域內(nèi)部中的灰度分布信息予以利用，其核心思想是采取分割法對圖像中感興趣的區(qū)域予以提取，并以該區(qū)域中像素的顏色分布為依據(jù)對圖像的特征實現(xiàn)提取，通常適用于區(qū)域內(nèi)顏色分布較為均勻的圖像檢索?；谶吘壍姆椒?，顧名思義，就是對圖像的邊緣信息實現(xiàn)利用，在完成邊緣信息提取的基礎(chǔ)之上，采用偏心率、周長和興趣點等對物體的形狀予以描述，通常適用于邊緣處較為清晰且容易實現(xiàn)獲取的圖像檢索[9]。

3.3高維索引方法

3.3.1維度壓縮

維度壓縮的實現(xiàn)有KL變換和列向聚類這兩種方法。KL 變換方法及其變種方法在人臉識別、特征圖像和信息分析等領(lǐng)域中已經(jīng)實現(xiàn)了較為廣泛的應(yīng)用。相關(guān)的研究證實絕大部分的實際圖像集，也就是視覺特征向量，都能夠較好的實現(xiàn)維度壓縮，且不會對檢索質(zhì)量產(chǎn)生不利的影響。圖像檢索屬于動態(tài)性系統(tǒng)，在圖像集合當(dāng)中會不斷的增加新的內(nèi)容，而KL變換方法具有較強(qiáng)的索引更新功能。另外，列向聚類也可以實現(xiàn)維度壓縮，其技術(shù)已經(jīng)在圖像信息檢索中實現(xiàn)了較好的應(yīng)用。

3.3.2多維索引

多維索引方法在計算幾何、數(shù)據(jù)庫和模式識別這三個領(lǐng)域當(dāng)中實現(xiàn)了廣泛的應(yīng)用，其中最具有代表性的技術(shù)包括了K—d樹、R樹、R+樹、R*樹和四叉樹等[10]。地理信息系統(tǒng)和計算機(jī)輔助設(shè)計系統(tǒng)的發(fā)展對于空間索引提出了越來越高的要求，且圖像檢索也呈現(xiàn)出新的特征和現(xiàn)實需求，因此多維索引方法的重點研究內(nèi)容為如何標(biāo)識和改進(jìn)與表達(dá)高維度特征向量相適合的索引技術(shù)，而聚類法和神經(jīng)網(wǎng)絡(luò)法通常被認(rèn)為是具有一定發(fā)展前景的方法。

4　結(jié)束語

通過以上對內(nèi)容圖像檢索相關(guān)問題的分析和研究，共總結(jié)出以下幾點結(jié)論：

(1)圖像是對三維圖像的一種二維投影，其在形成的過程當(dāng)中會受到多種因素的影響，如攝影質(zhì)量、環(huán)境光特性和目標(biāo)反射特性等；圖像數(shù)據(jù)的特征主要包括了顏色特征、紋理特征和輪廓特征等，使得圖像理解面臨著巨大數(shù)據(jù)處理量的實際問題。

(2)內(nèi)容圖像檢索技術(shù)實際上是在建立圖像庫的過程中，從圖像中對目標(biāo)特征予以提取，將其和相對應(yīng)的特征向量存入在圖像庫當(dāng)中，在對其進(jìn)行檢索的時候，只需要提取圖像特征向量進(jìn)行相似度的匹配，即可得到圖像檢索的結(jié)果。

(3)內(nèi)容圖像檢索的特征主要體現(xiàn)在可以直接從圖像內(nèi)容中提取信息、方式近似匹配尋優(yōu)、大型數(shù)據(jù)庫中的實時檢索、交互性較強(qiáng)和以特定領(lǐng)域知識為基礎(chǔ)等方面。

(4)內(nèi)容圖像檢索是建立在對物體圖像特征信息的識別、處理以及圖像數(shù)據(jù)庫的基礎(chǔ)之上，對特征提取的質(zhì)量會對匹配結(jié)果產(chǎn)生直接的影響，因此在今后還需要在技術(shù)支持方面加以努力。

[1]李長隆.基于內(nèi)容的圖像檢索技術(shù)在信息化建設(shè)中的應(yīng)用[J].科技展望,2015,25(25):7.

[2]王波,陶佰睿,李敬有，等.面向達(dá)斡爾族語言保護(hù)傳承的內(nèi)容圖像檢索技術(shù)應(yīng)用研究[J].科技通報,2014(11):225-229.

[3]吳勇,羅騰元,王美珍，等.可定位圖像采集與檢索方法研究[J].計算機(jī)工程,2014(7):217-222.

[4]余明艷,丘衍航,劉海員，等.內(nèi)容圖像檢索IALA算法的設(shè)計與實現(xiàn)[J].科技通報,2013,29(2):103-105.

[5]李蘭,劉洋.基于內(nèi)容的小波變換圖像檢索方法[J].計算機(jī)科學(xué),2015,42(2):306-310.

[6]丁學(xué)東,劉淵,謝振平，等.增量學(xué)習(xí)語義屬性的圖像內(nèi)容檢索系統(tǒng)增強(qiáng)[J].計算機(jī)應(yīng)用研究,2014,31(1):273-276.

[7]王玉蘭,王劍雄,趙翊君，等.基于圖像內(nèi)容的檢索技術(shù)的研究[J].河北建筑工程學(xué)院學(xué)報,2014,32(4):103-106.

[8]邵振峰,李德仁,朱先強(qiáng). 基于旋轉(zhuǎn)不變紋理特征的多尺度多方向圖像漸進(jìn)檢索[J]. 中國科學(xué):信息科學(xué),2011(3):283-296.

[9]戴芹,劉建波,劉士彬. 綜合多特征遙感圖像智能檢索方法的概念設(shè)計[J]. 地球信息科學(xué)學(xué)報,2011(3):401-408.

[10]宋廣為,劉程軍,王慶鵬，等.一種新的基于本體論描述的內(nèi)容圖像檢索模型[J]. 信息與控制,2012(3):319-325.

(責(zé)任編輯陳葵晞)

孫亮，男，河北唐山人。 副教授，碩士。研究方向：多媒體技術(shù)，網(wǎng)絡(luò)技術(shù)，數(shù)據(jù)挖掘。

TP391.41

A

2095-4859(2016)02-0159-04