基于形狀特征的圖像檢索技術(shù)研究

1、收稿日期:2007-01-25基金項(xiàng)目:國(guó)家自然科學(xué)基金(60675022;江西省自然科學(xué)基金(0311019;江西省教育廳科技計(jì)劃項(xiàng)目作者簡(jiǎn)介:付 瑋(1975-,男,江西南昌人,碩士研究生,研究方向?yàn)橛?jì)算機(jī)視覺與圖像處理;曾接賢,教授,碩士,研究方向?yàn)橛?jì)算機(jī)視覺、工程圖學(xué),計(jì)算機(jī)圖形學(xué)等?；谛螤钐卣鞯膱D像檢索技術(shù)研究付 瑋,曾接賢(南昌航空大學(xué)無(wú)損檢測(cè)技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室,江西南昌330063摘 要:隨著圖像信息數(shù)量的飛速增長(zhǎng),人們迫切需要對(duì)大量的圖像信息進(jìn)行快速、有效的檢索。因此,研究者們提出了許多圖像檢索新技術(shù)。闡述了圖像檢索技術(shù)的發(fā)展過(guò)程;分析了基于形狀特征的圖像檢索技術(shù)研究現(xiàn)狀和

2、局限性;著重從特征提取、高層語(yǔ)義和形狀特征的關(guān)聯(lián)、高維索引技術(shù)等方面研究了基于形狀特征的圖像檢索的發(fā)展趨勢(shì)。關(guān)鍵詞:形狀特征;圖象檢索;研究進(jìn)展中圖分類號(hào):T P391 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1673-629X(200711-0228-05Research of Shape-Based Image RetrievalFU Wei,ZENG Jie xian(M inistr y of Educat ion K ey Labor ator y of Nondestructiv e T est,Nanchang I nst itute of A ero nautical T echnology

3、 ,Nanchang 330063,ChinaAbstract:With the rapid grow th in the number of image information,it i s urgent to retri eve a great deal image information effectively.T herefore,researchers put forw ard a lot of new i mage retrieval technol ogy.Summarizes the image retrieval devel opment firstly,and then a

4、nalyzes research status and the localization of shape-based image retrieval Las tly,its primary aim i s to study in the future development direction of shape-based i mage retrieval from several aspects,such as feature extraction,high semantic w ith the connection of shape fea ture ,hi gh-dimension i

5、 ndex etc.Key words:shape feature;image retrieval;review and prospect0 引 言隨著互聯(lián)網(wǎng)和多媒體信息技術(shù)的飛速發(fā)展,圖像信息正變得越來(lái)越重要;而且許多行業(yè)的需求對(duì)專用圖像的檢索提出了新的要求,例如多媒體數(shù)字圖書館系統(tǒng)、衛(wèi)星遙感圖像、醫(yī)療圖像的分析和檢索。圖像數(shù)據(jù)庫(kù)的日益龐大使得對(duì)圖像內(nèi)容的組織、表達(dá)、存儲(chǔ)、管理、查詢和檢索面臨前所未有的挑戰(zhàn)。如何對(duì)大量的圖像數(shù)據(jù)組織、建庫(kù)以及對(duì)大容量的圖像信息進(jìn)行快速、有效的檢索成為信息時(shí)代人們迫切需要解決的問(wèn)題。1992年,基于內(nèi)容的圖像檢索一詞由T oshikazu K ato1提出,隨

6、后,國(guó)內(nèi)外許多學(xué)者開展了圖像檢索技術(shù)的研究,使這方面的研究和應(yīng)用得到長(zhǎng)足的進(jìn)展。隨著圖像檢索技術(shù)的發(fā)展,1994年Scasselat i B 2提出了基于形狀特征圖像檢索概念。介紹了圖像檢索技術(shù)的發(fā)展過(guò)程,著重研究基于形狀特征圖像檢索技術(shù)的現(xiàn)狀和發(fā)展趨勢(shì)。1 圖像檢索技術(shù)發(fā)展過(guò)程圖像檢索技術(shù)發(fā)展到現(xiàn)在大致經(jīng)歷了兩個(gè)階段:基于文本的圖像檢索和基于內(nèi)容的圖像檢索3。1.1 基于文本的圖像檢索基于文本的圖像檢索,可以追溯到20世紀(jì)70年代,圖像數(shù)據(jù)研究者們?cè)趯?duì)圖像進(jìn)行文本標(biāo)注的基礎(chǔ)上,對(duì)圖像進(jìn)行基于關(guān)鍵字的檢索。其基本步驟是先對(duì)圖像文件建立相應(yīng)的關(guān)鍵字,并將圖像的存儲(chǔ)路徑與該關(guān)鍵字對(duì)應(yīng)起來(lái),然后用基

7、于文本的數(shù)據(jù)庫(kù)管理系統(tǒng)來(lái)進(jìn)行圖像檢索。該方法實(shí)質(zhì)是把圖像檢索轉(zhuǎn)換為對(duì)與該圖像對(duì)應(yīng)的文本檢索,Gudivada 等對(duì)該技術(shù)進(jìn)行了較為全面的綜述4。隨著圖像信息數(shù)量的飛速增長(zhǎng),基于文本標(biāo)注的圖像檢索的問(wèn)題就顯現(xiàn)出來(lái)了:其一是文本描述是一種定性描述,當(dāng)圖像中包含多個(gè)物體時(shí),難以用簡(jiǎn)短的描述全面體現(xiàn)其意義,難以表達(dá)圖像的空間關(guān)系;其二是大量描述性文字的手工輸入需要花費(fèi)大量的人力物第17卷 第11期2007年11月 計(jì)算機(jī)技術(shù)與發(fā)展COM PUT ER TECHNOLOGY AND DEVELOPM ENTV ol.17 No.11Nov. 2007力,無(wú)法滿足大型的多媒體信息庫(kù),如Web 網(wǎng)絡(luò)資源,手

8、工處理是完全無(wú)法適應(yīng)的;其三是圖像的內(nèi)容非常豐富,而人們對(duì)圖像的理解具有主觀性。由于理解的不同,不同的人對(duì)同一幅圖像的文字描述可能不同。這種理解的主觀性和描述的不確定性在圖像檢索過(guò)程中可能會(huì)導(dǎo)致誤匹配。顯然,直接采用傳統(tǒng)的基于關(guān)鍵字的方法對(duì)圖像數(shù)據(jù)進(jìn)行檢索不能滿足人們的需要,于是就提出了基于內(nèi)容的圖像檢索(CBIR,Content -based image retrieval3。1.2 基于內(nèi)容的圖像檢索基于內(nèi)容的圖像檢索是一門20世紀(jì)90年代興起的新技術(shù),因其直觀、高效、通用等特點(diǎn),近年來(lái)在國(guó)內(nèi)外均是一個(gè)熱門研究課題。CBIR 的基本思想是通過(guò)分析圖像的視覺特征和上下文聯(lián)系來(lái)進(jìn)行檢索。其中,

9、圖像內(nèi)容是通過(guò)圖像的特征來(lái)反映的。通常把圖像的特征分為兩大類,即低層物理特征(如:顏色、紋理、形狀、輪廓、圖像內(nèi)容的空間關(guān)系等和高層語(yǔ)義特征(是人們對(duì)圖像內(nèi)容概念級(jí)的反映,一般是對(duì)圖像內(nèi)容的文字性描述。CBIR 突破了傳統(tǒng)的基于關(guān)鍵字的表達(dá)方式檢索的局限,直接對(duì)圖像內(nèi)容進(jìn)行分析和特征提取,利用這些描述圖像內(nèi)容的特征建立索引。目前,國(guó)外許多科研機(jī)構(gòu)都在進(jìn)行相關(guān)的研究,并推出了以IBM 的QBIC 5和M IT 的Phot oBook 6為代表的一系列產(chǎn)品。2 基于形狀特征的圖像檢索由于許多圖像檢索系統(tǒng)都把重點(diǎn)放在基于顏色或者紋理的方法上。但是對(duì)于某些圖像來(lái)說(shuō),紋理和顏色信息不夠豐富,如一些商標(biāo)圖

10、像等,這時(shí)基于顏色和紋理的方法就無(wú)法滿足檢索需要,而必須從圖像的形狀著手。形狀特征是圖像的核心特征之一,圖像的形狀信息不隨圖像顏色的變化而變化,是物體的穩(wěn)定特征。用形狀特征區(qū)別物體非常直觀,是人們分類不同圖像的主要特征之一。因此,利用形狀特征檢索圖像可以提高檢索的準(zhǔn)確性和效率。基于形狀特征的圖像檢索4主要是檢測(cè)出目標(biāo)的輪廓線或分割出目標(biāo)的輪廓,并針對(duì)其進(jìn)行形狀特征的提取或直接針對(duì)圖像尋找適當(dāng)?shù)氖噶刻卣?。形狀描述?yīng)該在盡可能區(qū)別不同目標(biāo)的基礎(chǔ)上對(duì)目標(biāo)的平移、旋轉(zhuǎn)和尺度變化不敏感。目前,雖然已經(jīng)提出了許多形狀分析方法,但要將其有效地運(yùn)用于圖像檢索上還有一些問(wèn)題亟待解決,如算法的效率和復(fù)雜性,形狀特

11、征的提取與描述等。2.1 基于形狀特征的圖像檢索系統(tǒng)結(jié)構(gòu)基于形狀特征的圖像檢索技術(shù)主要是利用圖像中 目標(biāo)的形狀特征對(duì)圖像進(jìn)行檢索,這種檢索過(guò)程融合了圖像處理、模式識(shí)別、計(jì)算機(jī)視覺和數(shù)據(jù)庫(kù)等技術(shù)。Hongjiang Zhang 7提出了如圖1所示的基于形狀特征的圖像檢索結(jié)構(gòu)框架。在基于形狀特征圖像檢索結(jié)構(gòu)中,圖像庫(kù)中的圖像經(jīng)過(guò) 形狀特征提取與描述 模塊分析之后,得到每幅圖像的特征向量,這些特征向量經(jīng)過(guò)索引組織之后生成一個(gè)特征庫(kù)。用戶提交的查詢也經(jīng)過(guò) 形狀特征提取與描述 模塊分析,得到查詢的特征向量V q 。V q 與特征庫(kù)中的特征向量V i 進(jìn)行相似性計(jì)算,計(jì)算的結(jié)果往往是一個(gè)反映V q 與V

12、i 之間距離的數(shù)值,這個(gè)數(shù)值的大小反映了待查詢圖像與被檢索圖像之間的相似程度,最終輸出檢索結(jié)果。圖1 基于形狀特征的圖像檢索系統(tǒng)結(jié)構(gòu)2.2 基于形狀特征的圖像檢索技術(shù)研究現(xiàn)狀基于形狀特征的圖像檢索通過(guò)提取形狀特征來(lái)描述圖像,一類是局部的特征,另一類是全局的特征。局部特征即針對(duì)圖像中的目標(biāo)進(jìn)行分析。因此這類方法對(duì)圖像分割算法有很大的依賴性,圖像分割效果的好壞直接影響到后續(xù)的分析工作。對(duì)目標(biāo)的形狀進(jìn)行分析有很多方法,主要分為兩類:基于邊界的方法和基于區(qū)域的方法,前者只利用形狀的外部邊緣,而后者利用形狀的全部區(qū)域?；谶吔绲男螤钐卣魈崛￡P(guān)鍵在于邊緣檢測(cè)的研究810,在提取邊緣的基礎(chǔ)上,定義邊緣的特征

13、描述,常見的有Fourier 描述子、幾何常量、多邊形頂點(diǎn)數(shù)、孔徑數(shù)、曲率等?；趨^(qū)域的特征提取關(guān)鍵在于圖像分割的研究,使用7個(gè)(或更多不變矩作為目標(biāo)區(qū)域的特征量進(jìn)行圖像匹配11。在形狀描述方面,近年來(lái)提出的一些方法,主要包括邊界特征法、傅里葉形狀描述符法(Fourier shape de scriptors12、幾何參數(shù)法、形狀不變矩法13、有限元方法(Finite Element M ethod,FEM 、小波描述子等。邊界特征法主要通過(guò)對(duì)邊界特征的描述來(lái)獲取圖像的形狀參數(shù)。其中,利用Hough 變換14檢測(cè)平行直線方法!229!第11期 付 瑋等:基于形狀特征的圖像檢索技術(shù)研究和邊界方向

14、直方圖方法是經(jīng)典方法。傅里葉形狀描述符法基本思想是用物體邊界的傅里葉變換作為形狀描述,利用區(qū)域邊界的封閉性和周期性,將二維問(wèn)題轉(zhuǎn)化為一維問(wèn)題15。在幾何參數(shù)法研究中,B.Scassel lati 2等人將代數(shù)矩、參數(shù)曲線距離、參數(shù)曲線和一階導(dǎo)數(shù)距離、參數(shù)曲線和二階導(dǎo)數(shù)距離、轉(zhuǎn)角、曲率符號(hào),以及改進(jìn)的霍斯道夫距離等多種幾何形狀參數(shù)與人的視覺相似性判斷進(jìn)行了實(shí)驗(yàn)比較,結(jié)果表明,轉(zhuǎn)角、曲率符號(hào)和代數(shù)矩對(duì)形狀的描述與人的視覺特性最接近。其中,轉(zhuǎn)角方法的結(jié)果最好,代數(shù)矩對(duì)像素占主要地位的目標(biāo)描述能力很強(qiáng),但對(duì)目標(biāo)的輪廓不敏感,曲率符號(hào)對(duì)那些有中心主干且內(nèi)主干向四周有突起的形狀區(qū)別能力差。形狀不變矩法是常

15、用的形狀描述方法,它利用目標(biāo)所占區(qū)域的矩作為形狀描述參數(shù)。Huilin Xiong 等提出了一種具有尺度、平移不變的自適應(yīng)小波變換16,該方法的基本思想是:先求出圖像的均值和方差,然后分別用均值和方差作為某一母小波的位移和尺度因子,這樣形成的小波再作用于同一圖像,變換后,小波系數(shù)具有尺度、位移不變性。有限元法6定義了一個(gè)穩(wěn)定性矩陣,用來(lái)描述物體上的每一個(gè)點(diǎn)與其它點(diǎn)之間的關(guān)系。這個(gè)穩(wěn)定性矩陣的特征向量被稱作特征空間的模合基。所有的形狀都首先映射到這個(gè)特征空間,再在特征值的基礎(chǔ)上計(jì)算形狀相似性。類似于傅里葉描述符的思路,Arkin 等人提出了旋轉(zhuǎn)函數(shù),用來(lái)比較凹面或凸面多邊形的相似性17。另外,F

16、.M ahmoudi 等18提出了一種邊緣方向相關(guān)圖來(lái)描述物體的形狀。這種方法比較有效,但是處理時(shí)間很長(zhǎng)。T.Bernier 19也進(jìn)行了這方面的研究,他使用相對(duì)于物體質(zhì)心的距離和角度來(lái)描述物體的輪廓點(diǎn),這種方法是平移、尺度、旋轉(zhuǎn)變換不變的。但是,這種描述方法對(duì)形變很敏感并且邊緣檢測(cè)結(jié)果較差。H.Nishida20提出了一種對(duì)輪廓具有較好的抗形變的描述方法,但是,它的結(jié)構(gòu)特征對(duì)噪聲很敏感。通常,形狀匹配方法有:歐氏距離、街區(qū)距離、馬氏距離等。在眾多的形狀匹配算法中,Chamfer 匹配方法吸引了不少研究者的興趣。Barrow 等人首先提出了Chamfer 比較法21,該方法能夠以線性的時(shí)間復(fù)雜

17、度比較兩個(gè)圖像的形狀塊集合。為加快匹配的速度,Borgerfos 提出了分層Chamfer 匹配算法22。這種匹配算法可以在不同的精確層次上進(jìn)行,從粗糙到精確。盡管計(jì)算上述的形狀特征并不復(fù)雜,但發(fā)明一種符合人們主觀判斷的形狀相似度量算法還是一個(gè)有待解決的難題。J.Zhang23使用形狀空間方法來(lái)處理噪聲和遮擋問(wèn)題。同時(shí),要在圖像檢索中充分使用形狀特征,還必須有穩(wěn)健的圖像自動(dòng)分割通用算法。近年來(lái),有人提出了適用于處理大規(guī)模圖片庫(kù)的圖像自動(dòng)分割算法24。3 基于形狀特征的圖像檢索技術(shù)發(fā)展趨勢(shì)未來(lái)的圖像檢索技術(shù)必定是以提高圖像的查準(zhǔn)率、查全率和查詢速度為目標(biāo),因此,對(duì)基于形狀特征的圖像檢索技術(shù)的研究

18、還需要在下面幾個(gè)方面進(jìn)一步研究。3.1 形狀特征的有效提取與描述特征提取是CBIR 技術(shù)的關(guān)鍵。以往的研究大多從顏色、紋理和形狀的模式匹配角度處理這個(gè)問(wèn)題。在計(jì)算機(jī)視覺中,相對(duì)于顏色或紋理等底層特征而言,形狀特征屬于圖像的中間層特征。形狀特征作為刻畫圖像中物體和區(qū)域特點(diǎn)的重要特征,是描述高層視覺特征(如目標(biāo)、對(duì)象等的重要手段,而目標(biāo)、對(duì)象對(duì)獲取圖像語(yǔ)義尤為重要。要把圖像的底層特征與高層特征有機(jī)地結(jié)合起來(lái),必須有好的形狀特征描述與提取算法的支持。形狀特征的有效表達(dá)必須以對(duì)圖像中物體或區(qū)域的分割為基礎(chǔ)。但是,現(xiàn)有的形狀描述方法還不成熟,至今還沒有找到與人的視覺特性一致的有關(guān)形狀的確切數(shù)學(xué)描述,難以

19、做到準(zhǔn)確而魯棒的自動(dòng)圖像分割和形狀特征提取與匹配,使得圖像識(shí)別或檢索中的形狀特征往往只能在某些特殊的應(yīng)用場(chǎng)合中使用,或者需要借助某些領(lǐng)域知識(shí)來(lái)提高形狀識(shí)別或檢索的精度,如人的臉譜、虹膜和指紋等生物特征識(shí)別。此外,在主觀上,由于人們對(duì)物體形狀的平移、旋轉(zhuǎn)和縮放不太敏感,合適的形狀特征提取與匹配必須滿足對(duì)平移、旋轉(zhuǎn)和縮放無(wú)關(guān),這給形狀特征的相似性度量帶來(lái)了難度,增加了算法的復(fù)雜性。將形狀特征提取和所涉及到的應(yīng)用領(lǐng)域聯(lián)系起來(lái)也有利于提高效率,因?yàn)椴煌瑧?yīng)用領(lǐng)域的圖像或圖形會(huì)有一些特有的形狀特征,例如黑白商標(biāo)25圖案的區(qū)別主要在于圖案形狀,這樣就必須根據(jù)不同的特點(diǎn)設(shè)計(jì)不同的匹配算法,這將涉及到相關(guān)領(lǐng)域知

20、識(shí)。在形狀描述研究中還有一個(gè)很重要的問(wèn)題就是怎樣評(píng)價(jià)一個(gè)描述算法的好壞。對(duì)于形狀描述算法的評(píng)價(jià)還沒有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)26。M PEG-7是仍在制定的多媒體內(nèi)容描述標(biāo)準(zhǔn),稱為多媒體內(nèi)容描述接口(Multimedia Content Description Interface。其目標(biāo)是制定一組標(biāo)準(zhǔn)的描述符及其描述模式,將內(nèi)容描述與媒體內(nèi)容結(jié)合,使用戶快速準(zhǔn)確地進(jìn)行檢索。M PEG -7的處理鏈包含有三個(gè)部分:特征提取、標(biāo)準(zhǔn)描述和檢索引擎。特征的自動(dòng)分析和提取對(duì)M PEG-7是至關(guān)重要的,抽象程度越高,自動(dòng)提取也越困難,而且不是都能夠自動(dòng)提取的。這個(gè)標(biāo)準(zhǔn)中已經(jīng)提出了幾個(gè)形!230! 計(jì)算機(jī)技術(shù)與發(fā)展

21、第17卷狀描述符的評(píng)價(jià)標(biāo)準(zhǔn)27,28,這些準(zhǔn)則是:檢索精確(good retrieval accuracy、特征壓縮(c ompact features、通用性(general applic aton、低復(fù)雜度(low computat ion c omplexit y、魯棒的檢索性能(robust retrieval perfor mance以及由粗到精的描述(hierarchic al coarse t o fine represent ation。在研究中一般使用旋轉(zhuǎn)不變性、平移不變性、尺度變換不變性作為形狀描述的一個(gè)基本的評(píng)價(jià)標(biāo)準(zhǔn),另一個(gè)評(píng)價(jià)標(biāo)準(zhǔn)是查準(zhǔn)率,即用某種描述符對(duì)形狀進(jìn)行識(shí)別的

22、效果?？傊?M PEG-7的研究成果將給基于形狀特征圖像檢索技術(shù)的研究帶來(lái)巨大的影響。3.2 高層語(yǔ)義與形狀特征的關(guān)聯(lián)以形狀特征來(lái)描述圖像一直是圖像檢索領(lǐng)域的熱點(diǎn),新穎的算法層出不窮,這確實(shí)提高了圖像檢索的精確度和速度,但與用戶的要求還有差別。對(duì)用戶來(lái)說(shuō),判斷兩幅圖像是否相似具有主觀因素,它根據(jù)的是人的感知能力。另外,通過(guò)選擇待查詢圖像,比較兩者特征來(lái)尋找相似圖像的方法固然比較簡(jiǎn)單,但是,概念性的描述更利于準(zhǔn)確表達(dá)需求。實(shí)際檢索中用戶常用特定的概念來(lái)描述物體的內(nèi)容,如用 樓房,汽車,花等來(lái)表達(dá)檢索對(duì)像,這屬于圖像數(shù)據(jù)高層語(yǔ)義的范疇。當(dāng)前研究形狀檢索的重點(diǎn)和難點(diǎn)集中在如何將提取的形狀特征和圖像內(nèi)

23、容所表示的語(yǔ)義特征間建立很好的聯(lián)系29,也就是說(shuō),由于我們所擁有的形狀特征并不能很好地體現(xiàn)出圖像真正的語(yǔ)義信息,以致于檢索的結(jié)果往往不能令人滿意。Zhou和Huang在他們的文章中就提出了語(yǔ)義層的思想,并提出了一種使用統(tǒng)計(jì)學(xué)方法將圖像歸類并自動(dòng)產(chǎn)生映射辭典的算法15。與許多期望獲得對(duì)目標(biāo)精確測(cè)量結(jié)果的圖像分析工作不同,在圖像檢索中,獲得精確的測(cè)量結(jié)果并不總是最重要的目標(biāo)。這是因?yàn)閳D像檢索具有一定的主觀性(包括主觀的需求和主觀的判定結(jié)果,分割的目的更主要的是辨識(shí)感興趣的目標(biāo)區(qū)域。由于類似的原因,基于形狀特征的圖像檢索也常僅隱式地對(duì)圖像進(jìn)行分割。目前,對(duì)圖像的形狀特征方面的研究已經(jīng)做了很多工作,如

24、果能夠?qū)⑿螤钐卣髋c高層語(yǔ)義較好地關(guān)聯(lián)起來(lái),就可以實(shí)現(xiàn)計(jì)算機(jī)自動(dòng)提取圖像的語(yǔ)義了。但在高層語(yǔ)義與形狀等底層特征的關(guān)聯(lián)方面仍存在著以下二個(gè)問(wèn)題30:如何從視覺的形狀特征中提取出語(yǔ)義特征;#如何判斷不同注釋的圖像之間是否有相似的語(yǔ)義。3.3 基于形狀特征圖像檢索的索引技術(shù)對(duì)于大型的圖像數(shù)據(jù)庫(kù),如何在系統(tǒng)建立的龐大索引庫(kù)中檢索是一個(gè)難題。因?yàn)樵诨谛螤钐卣鞯臋z索過(guò)程中,特征矢量維數(shù)可能高達(dá)上百維,大大多于一般數(shù)據(jù)庫(kù)的索引能力,另一方面,由于現(xiàn)有的多維數(shù)據(jù)的索引技術(shù)是針對(duì)傳統(tǒng)數(shù)據(jù)庫(kù)設(shè)計(jì)的,所有相似索引的基本思想都是根據(jù)特征數(shù)據(jù)集在特征空間中的分布特性,數(shù)據(jù)切分成子數(shù)據(jù)集,并對(duì)子數(shù)據(jù)集建立描述,如SS樹,

25、R*樹等31。但是,由于圖像索引本身的近似性、無(wú)序性以及圖像屬性的多重性等特點(diǎn),傳統(tǒng)數(shù)據(jù)庫(kù)的許多索引結(jié)構(gòu)都無(wú)法用來(lái)描述圖像的索引組織。因此,非常需要研究新的索引結(jié)構(gòu)和檢索算法,以實(shí)現(xiàn)快速檢索。目前,提高索引的效率有兩種方法:縮減特征向量的維數(shù)和改進(jìn)索引算法5。但是,維數(shù)的降低不可避免地會(huì)造成信息的丟失,為更好地支持多方面的圖像檢索,必須研究更加有效的高維索引技術(shù)。由于圖像的檢索是相似性匹配,因而可以采用聚類方法來(lái)構(gòu)造索引。聚類是在研究大量圖像特征的基礎(chǔ)上通過(guò)學(xué)習(xí)產(chǎn)生出類別,然后按此類別再對(duì)未處理的圖像進(jìn)行分類。Charikar等人討論了聚類技術(shù),并由此提出了動(dòng)態(tài)圖像分類5。4 結(jié) 論基于形狀特

26、征的圖像檢索是目前CBIR中的難點(diǎn)。雖然由于形狀特征本身的特殊性使其具體實(shí)現(xiàn)有一定難度,但形狀特征本身良好的檢索性能又在CBIR 中起著重要的作用,所以進(jìn)一步加強(qiáng)對(duì)基于形狀特征的圖像檢索的研究勢(shì)在必行。目前還有很多探索性研究,如將其他領(lǐng)域的思想和成果用于基于形狀特征的圖像檢索中,如利用數(shù)學(xué)形態(tài)學(xué)、神經(jīng)網(wǎng)絡(luò)及遺傳算法等進(jìn)行基于形狀特征的圖像檢索,值得進(jìn)一步探討。同時(shí)與基于形狀特征的圖像檢索緊密相關(guān)的圖像邊緣檢測(cè)及分割的進(jìn)一步發(fā)展也將會(huì)促進(jìn)其發(fā)展。參考文獻(xiàn):1 Kato T.Database architecture for content-based image retrievalJ.SP IE

27、,1992(1662:112-123.2 Scasselati B,Alexopoulos S,Flickner M.Retrievi ng imagesby-2D shape:a comparison of computation methods withhuman perceptual j udgmentsJ.SPEF,1994(2185:2-14.3 Rui Yong,Huang T S,Chang Shih-Fu.Image Retr ievalCurrent T echniques,Promi si ng Directions and Open IssuesJ.Journal of

28、Visual Communication and Image Representation,1999,10(3:39-62.4 Gudivada V N,Raghavan V V.Content-B ased Image Retrieval SystemJ.IEEE Computer,1995,9:18-22.5 IBMs Query By Image Content.EB/OL.2003-06.!231!第11期 付 瑋等:基于形狀特征的圖像檢索技術(shù)研究6 Pentland A P,Picar d R,Sclaroff S.Photobook:Content -based manipulat

29、ion of image databasesJ.International Jour nal of Computer Vision,2002,18(3:233-254.7 Zhang Hongjiang.Relevance Feedback in Content-based Image Retr i eval EB/OL .2001-08.http:/research .mi 8 Hou Z,Koh T S.An adaptive contour model for highly Irregular boundaries J.Pattern Recognition,2003(34:323-33

30、1.9 章毓晉.圖像分割M.北京:科學(xué)出版社,2001.10L in H J,Kao Y T.A prompt contour detection methodC/International Conference on the distributed Multimedia Sys tems.Proceedings of 6th Joint Confer ence on Information Sci ences.U SA:s.n.,2002:15-18.11章毓晉.基于內(nèi)容的視覺信息檢索M .北京:科學(xué)出版社,2003.12Zhang Dengsheng,Lu Guojun.Generic F

31、ourier descriptor forshape-based image Multimedia and ExpoJ.IEEE,2002(8:425-428.13Hu M K.V isual pattern recognition by moment in variantsJ.IRE T rans on Information T heory,1962(8:179-187.14Sim L C,Schroder H.Fast line detection using major line removal morphological Hough transform J.Neural Inform

32、a tion Processing,2002(4:18-22.15Zhou Xiang Sean,Huang T homas S.CBIR:From Low -levelFeatures to High-level SemanticsC/Proc:SPIE Image and Video Communication and Processing.s.l.:s.n.,2000.16Daubechies I,Sweldens W.Factoring wavelet transforms intolifting stepsJ.Four ier Anal,1998,4(3:245-267.17Gart

33、 J E,Mehrotra R.Shape Similarity -Based Retrieval inImage Database SystemsJ.SPIE,1992(1662:2-8.18M ahmoudi F,Shanbehzadeh J,Eftekhari-M oghadam A M.Image retrieval based on shape si milar ityby edge orientation autocorrelogramJ.Pattern Recognition,2003(36:1725-1736.19Bernier T ,Landry J A.A new meth

34、od for representing andmatching shapes of natural objectsJ.Pattern Recognition,2003(36:1711-1723.20Nishida H.Structural feature indexing for retrieval of partiallyvisible shapesJ.Pattern Recognition,2002(35:55-67.21Barrow H G .Parametric correspondence and chamfer matchingC/in Proc.5th Int.Joint Con

35、f.Artificial Intelligence.Cambridge,MA:s.n.,1997:37-42.22Borgerfos G.Hierarchical chamfer matching:A parametricedge-matching algor ithmJ.IEEE T rans Patt Recog And Mach Intell,1998,10(6:849-865.23Zhang J,Zhang X,Krim H,et al.Object representation andrecognition in shape spaces J .Pattern Recogniti on,2003(36:1143-1154.24Ma W Y,M anjunath B S.Edge flow:a framework of boundary detection and image segmentationC/Proc.Computer Vision and Pattern Recognition.Puerto Rico:s.n.,1997:744-749.25Zhao T ong,Tang H L,Horace H S,et al.Content -BasedT rademark Recognitio