[发明专利]基于内容的图像检索系统

说明书

技术领域

本发明涉及图像检索技术的领域，尤其是一种基于内容的图像检索系统。

背景技术

近年来，随着多媒体技术和计算机网络的飞速发展，全世界的数字图像的容量正以惊人的速度增长。无论是军用还是民用设备，每天都会产生容量相当于数千兆字节的图像。这些数字图像中包含了大量有用的信息。然而，由于这些图像是无序地分布在世界各地，图像中包含的信息无法被有效地访问和利用。这就要求有一种能够快速而且准确地查找访问图像的技术，也就是所谓的图像检索技术。自从20世纪70年代以来，在数据库系统和计算机视觉两大研究领域的共同推动下，图像检索技术已逐渐成为一个非常活跃的研究领域。数据库和计算机视觉两大领域是从不同的角度来研究图像检索技术的，前者基于文本的，而后者是基于视觉的。

基于文本的图像检索技术（text-based image retrieval）的历史可以追溯到20世纪70年代末期。当时流行的图像检索系统是将图像作为数据库中存储的一个对象，用关键字或自由文本对其进行描述。查询操作是基于该图像的文本描述进行精确匹配或概率匹配，有些系统的检索模型还是有词典支持的。另外，图像数据模型、多维索引、查询评价等技术都在这样一个框架之下发展起来。然而，完全基于文本的图像检索技术存在着严重的问题。首先，目前的计算机视觉和人工智能技术都无法自动对图像进行标注，而必须依赖于人工对图像做出标注。这项工作不但费时费力，而且手工的标注往往是不准确或不完整的，还不可避免地带有主观偏差。也就是说，不同的人对同一幅图像有不同的理解方法，这种主观理解的差异将导致图像检索中的失配错误。此外，图像中所包含的丰富的视觉特征（颜色或纹理等）往往无法用文本进行客观地描述的。

90年代初期，随着大规模数字图像库的出现，上述的问题变得越来越尖锐。为克服这些问题，基于内容的图像检索技术（content-based image retrieval）应运而生。区别于原有系统中对图像进行人工标注的做法，基于内容的检索技术自动提取每幅图像的视觉内容特征作为其索引，如色彩、纹理、形状等。此后几年中，这个研究领域中的许多技术发展起来，一大批研究性的或商用的图像检索系统被建立起来。这个领域的发展主要来归功于计算机视觉技术的进步，在文献中有对这一领域的详细介绍

发明内容

本发明要解决的技术问题是：为了克服上述中存在的问题,提供一种基于内容的图像检索系统，其设计结构合理并且能够方便用户查询和评估检索。

本发明解决其技术问题所采用的技术方案是：一种基于内容的图像检索系统，包括特征提取子系统和查询子系统，所述的特征提取子系统包括与图像数据输出端相连接的预处理模块和目标标识模块以及特征提取模块，预处理模块输出端分别与目标标识模块和特征提取模块相连接，目标标识模块输出端与特征提取模块输入端相连接，目标标识模块和特征提取模块分别双向连接有知识辅助模块，预处理模块包括图像格式的转换、尺寸的统一，图像的增强与去噪等功能，为图像的特征提取打下基础，目标标识模块为用户提供一种工具，以全自动或半自动（需要用户干预）的方式标识图像中用户感兴趣的区域或目标对象，以便针对目标进行特征提取并查询。当进行整体内容检索时，利用全局特征，这时不用目标标识功能。目标标识是可选的，特征提取模块对图像数据库进行特征提取，提取用户感兴趣的、适合检索要求的特征。特征提取可以是全局性的，即整幅图像，也可以是针对某个目标的，即图像中的子区域，如人脸等；

所述的查询子系统包括与用户双向连接的查询接口模块和检索引擎模块以及索引过滤模块，查询接口模块与检索引擎模块双向连接，检索引擎模块与索引过滤模块双向连接，查询接口模块和检索引擎模块同时与知识辅助模块双向连接，检索是利用特征之间的距离函数来进行相似性检索，检索引擎通过索引/过滤模块达到快速搜索的目的，从而可以应用到大型数据库中。过滤器作用于全部数据，过滤出的数据集合再用高维特征匹配来检索。索引用于低维特征，可以用R树来索引以加快检索所述的特征提取模块和索引过滤模块输出端连接有数据库。

所述的数据库由图像库和特征库以及知识库组成，图像库为数字化的图像信息，特征库包含用户输入的特征和预处理自动提取的内容特征。知识库包含专门和通用知识，有利于查询优化和快速匹配，知识库中知识表达可以更换以适用各种不同的应用领域。

本发明的有益效果是，本发明的基于内容的图像检索系统，通过可视化界面和用户进行频繁的交互，便于用户能够方便构造查询、评估检索结果和改进检索结果。

附图说明