基于内容的图片检索CBIR(Content Based Image Retrieval)简介

【GitHub项目推荐--Python学习项目:CBIR一款基于内容的图像检索(CBIR)系统】【转载】 CBIR(Content-Based Image Retrieval,基于内容的图像检索)系统是一种通过分析图像的视觉内容,如颜色、纹理、形状等特征,来检索和匹配相似图片的算法。下面是关于 CBIR 系统的一些介绍:1. 工作原理:CBIR 系统首先从图像数据库中提取图像特征,并将这些特征存储在数据库中。当用户提交查询图像时,系统会计算查询图像与数据库中图像的特征相似度,然后返回与查询图像最相似的图像。2. 特征提取:CBIR 系统通常使用像素级特征、视觉单词或者深度学习模型提取图像特征。 阅读详情

传统的图像检索过程,先通过人工对图像进行文字标注,再利用关键字来检索图像,这种依据图像描述的字符匹配程度提供检索结果的方法,简称“以字找图”,既耗时又主观多义。基于内容的图像检索客服“以字找图”方式的不足,直接从待查找的图像视觉特征出发,在图像库(查找范围)中找出与之相似的图像,这种依据视觉相似程度给出图像检索结果的方式,简称“以图找图”。基于内容的图像检索分为三个层次:

(1)依据提取图像本身的颜色、形状、纹理等低层特征进行检索;

(2)基于图像的低层特征,通过识别图像中的对象类别以及对象之间的空间拓扑关系进行检索;

(3)基于图像抽象属性(场景语义、行为语义、情感语义等)的推理学习进行检索;

基于内容的图像检索技术研究的热点可以分为4个方面:

最初的图像检索研究主要集中在如何选择合适的全局特征去描述图像内容和采用什么样的相似性度量方法进行图像匹配。

第二个研究热点是基于区域的图像检索方法,其主要思想是图像分割技术提取出图像中的物体,然后对每个区域使用局部特征来描述,综合每个区域特征可以得到图像的特征描述。这两个研究方向都是以图像为中心,对于用于的需求缺乏分析。

第三个研究热点就是针对这一问题而展开的,借助相关的反馈的思想,根据用户的需求及时调整系统检索时用的特征和相似性度量方法,从而缩小低层特征和高层语义之间的差距。

第四个研究热点是研究如何从多种渠道获取图像语义信息,如何将图像底层特征与图像关键词结合进行图像自动标注以提高检索准确率等。



根据一般图像检索的工作原理可以知道,基于特征的图像检索有3个关键:

(1)选取恰当的图像特征;

(2)采取有效的特征提取方法;

(3)准确的特征匹配算法;

    利用各种特征对图像检索已经取得了相当的发展,大量的检索实验可以表明,综合特征检索要比单一特征检索更符合人类的视觉感受要求,检索效果会更好,但如何去找到合适的权值将多个特征组合起来是非常困难的。目前在CBIR中最常用的特征一般有:颜色特征、形状特征和纹理特征。  

颜色是图像检索中最先被采用的特征,主要方法有:

(1)颜色直方图

(2)颜色一致性矢量(CCV,color coherence vectors)

(3)颜色相关图

(4)颜色矩

    颜色矩是一种简单而有有效的颜色表示,它的数学基础是:任何图像的颜色分布都可以通过其各阶矩来表示。然而,颜色分布的大部分信息都集中在它的低阶矩上,所以可以用颜色的一阶矩(均值)、二阶矩(方差)和三阶矩(偏度)来近似估计图像的总体颜色分布。

    颜色聚合矢量(CCV, Color Coherence Vector)是图像直方图的一种演变,其核心思想是当图像中颜色相似的像素所占据的连续区域的面积大于一定的阈值时,该区域中的像素为聚合像素,否则为非聚合像素。这样统计图像所包含的每种颜色的聚合像素和非聚合像素的比率称之为该图像的颜色聚合矢量,在图像检索过程中匹配目标图像的聚合矢量和检索图像的聚合矢量,聚合矢量中的聚合信息在某种程度上保留了图像颜色的空间信息。由于加入了空间信息,采用颜色聚合矢量CCV比采用颜色直方图检索的效果要好,特别是对于大块的均匀区域或者图像中大部分为纹理的图像检索效果要更好,但同时也增加的计算量。

其中,颜色直方图是最常用的,也是最基本的方法,但缺乏图像的空间信息;而CCV方法不仅统计了整幅图像中各颜色的像素值,还统计了图像中各颜色最大区域的像素值,效果较好,但CCV并没有强调各颜色最大区域的形状以及与背景的关系。因此,有人又考虑了图像的边缘信息,提出了CCV-TEV(threshold edge vector)算法;颜色相关图法强调同一颜色在图像中的空间距离相关性,其检索效果比上述几个方法都要好,但计算量比较大。颜色矩算法主要采用图像中各颜色的均值和方差作比较,处理简单,可以用它作为图像检索的初检,为下一步的细检缩小搜索范围。

    形状是物体的一个重要特征,但由于物体形状的自动获取很困难,基于形状的检索一般仅限于非常容易识别的物体。形状可以用面积、离心率、圆形度、形状度、曲率、分形维等全局和局部特征来表示。其主要的分析方法有不变矩、Fourier描述符、自回归模型、向心链码、CSS(Curvature Scale Space), VSW(Variable Scale Wavelet)等;基于向心链码的方法即具有形状的编码能力又同时支持检索,它首先采用向心链码对形状进行编码,再在编码码流中直接提取形状的“相对凸数”及“凸度”,以此作为形状检索的依据。由于形状的向心链码具有旋转、平移、尺度的不变性,因此这种检索算法具有一定的抗“相似性形变”能力。向心链码形状检索的文章可以参考:黄祥林、宋磊、沈兰荪,一种基于向心链码的形状检索方法, 2001, 信号采集与处理;

    纹理是图像中一种重要而又难以描述的特征,航空、遥感图片、织物图案、复杂的自然风景以及动物植物等都含有纹理。通常来讲,把图像中局部不规则,而宏观有规律的特性称之为为了。以纹理特性为主导的图像称之为纹理图像,以纹理特征为主导的区域称之为纹理区域。 纹理是图像的一个重要特征,一般认为纹理就是纹理元素有规律的排列组合,而把具有重复性、形状简单、强度一致的区域看做纹理元素。视觉纹理特征主要有:粗糙度、对比度、方向度、线象度、规整度、粗略度等。图像检索用到的纹理特征表示方法主要有:Tamura法(反映了粗糙度、对比度、方向度等)、MRSAR(multi-resolution simultaneous auto regressive model)、canny角直方图法、gabor法、塔式小波变换(PWT, pyramid wavelet transform),树式小波变换(TWT, tree wavelet transform)等;这几种纹理特征方法的比较可以参考文献:Ma Weiying; Zhang Hongjiang, Benchmarking of image features for content based retrieval;The Thirty-Second Asilomar Conference on Signals, Systems & Computers, 1998

几个典型的CBIR应用系统:

(1)Lire, 开源java的CBIR库 http://www.semanticmetadata.net/lire/

(2)Octagon, java的CBIR库http://octagon.viitala.eu/

(3)University of Washington, CBIR http://www.cs.washington.edu/research/imagedatabase/

(4)CIRES,一个CBIR系统 http://amazon.ece.utexas.edu/~qasim/research.htm

(5)WebSeek, 哥伦比亚大学,http://www.ctr.columbia.edu/webseek/

(6)QBIC(Query By Image Content), IBM Aimaden研究中心开发的基于内容检索系统,提供对图像、视频、文本、语音等多种形式的多媒体信息进行检索。http://www.research.ibm.com/topics/popups/deep/manage/html/qbic.html

(7)PhotoBook, MIT,  http://vismod.media.mit.edu/vismod/demos/photobook/

(8)Netra, UCSB Alexandria Digital Library(ADL)开发的图像检索系统原型,http://dnserror.yncuc.cn/Netra

(9)MARS(multimedia analysis and retrieval system),美国伊利诺伊大学Urbana-Champain分校开发,http://jadzia.ifp.uiuc.edu:8000/

(10)百度识图:http://stu.baidu.com/

(11)相似图片查找Gazopa:http://www.gazopa.com/

(12)tinyEye: http://www.tineye.com/

(13)picitup: http://www2.picitup.com/

(14)杭州淘淘搜:http://www.taotaosou.com/

(15)google以图搜图:http://images.google.com.hk/imghp?hl=zh-CN&sourceid=cnhp

(16)Cortexica相似图片搜索:http://www.cortexica.com/

(17)江苏视图网络科技有限公司:http://www.1000look.net/ 

(18)图图搜衣:http://tutuso.cn/

阿里巴巴达摩院人工智能训练师(高级) 阅读详情

相关推荐

告别CAPL编程!用Matlab/Simulink+CANoe实现复杂ECU仿真的5个技巧

本文介绍了如何利用Matlab/Simulink与CANoe进行联合仿真,以替代复杂的CAPL编程,高效实现复杂ECU仿真。文章分享了5个核心技巧,涵盖信号映射、模型编译集成、实时参数调整、性能优化及数据分析,帮助算法工程师构建稳定强大的仿真环境,显著提升开发与测试效率。

rgv234567的博客 298

【计算机视觉笔记】图像检索学习 (Content Based Image Retrieval)

论文跟踪:Awesome image retrieval papers https://github.com/willard-yuan/awesome-cbir-papers 综述:SIFT Meets CNN: A Decade Survey of Instance Retrieval github Overview: Guide-CBIR CBIR_LeaderBoard ...

霓而~ 9045

Autosar开发实战:DaVinci Configurator Pro新建工程保姆级教程(附目录结构解析)

本文详细介绍了使用DaVinci Configurator Pro创建Autosar工程的完整流程,包括环境准备、工程配置、目录结构解析及常见问题排查。通过实战演示和深度解读,帮助开发者快速掌握工具使用技巧,优化工程管理,提升开发效率。特别适合需要理解Autosar开发中DaVinci Config工具链的工程师。

weixin_30872157的博客 463

【计算机视觉 5】、图像检索

90年代以后,出现了对图像的内容语义,如图像的颜色、纹理、布局等进行分析和检索的图像检索技术,即 基于内容的图像检索 (Content-based Image Retrieval,简称 CBIR)技术。

Lixiaoyyyu的博客 1000

手把手教你用Python 3.11和Node.js 18在Windows 11上搭建Dify开发环境

本文提供了一份详尽的Windows 11本地Dify开发环境搭建指南。文章手把手教你完成从Python 3.11、Node.js 18的安装配置,到PostgreSQL、Redis数据库服务的部署,再到前后端服务的启动与联调的全过程,并包含常见问题排查与效能优化建议,旨在帮助开发者构建一个稳定、可调试的Dify本地开发环境。

fire9的博客 647

从零构建Carsim线控转向仿真:模型搭建、算法集成与整车联动实战

本文详细介绍了从零开始基于Carsim和Simulink搭建线控转向仿真模型的完整实战流程。内容涵盖RWA前轮执行器动力学建模与PID控制、卡尔曼滤波器估算齿条力、HWA方向盘手感模拟算法设计,以及最终实现HWA与RWA闭环联动并进行整车仿真调试。通过分步拆解,帮助读者深入理解线控转向系统的核心原理与工程实现。

weixin_29158413的博客 251

简述对CBIR(Content-based Image Retrieval基于内容的图像检索)的理解

这些特征表示了图像的视觉特性。然后,根据用户提供的查询图像,计算该图像与数据库中其他图像的相似度。最后,根据相似度结果,以降序形式返回与查询图像相似度最高的一组图像或排名最高的图像。基内容的图像检索(Content-based Image Retrieval,CBIR)是一种通过图像的视觉特征来进行图像检索的技术。综上所述,CBIR是一种基于图像内容进行检索的技术,通过提取图像特征并计算相似度来实现图像检索。CBIR的优点是,它可以通过图像的视觉特征进行检索,不依赖于图像的标记或注释信息。

weixin_48331187的博客 658

小黄鸭机器人技术全解-第 07 章 关节自由度与行程参数

—鸭子歪着头转头时,转的平面是斜的,这正是它"灵动"感的来源。仿真里这是自动的(轴定义在父刚体系),复刻时不需要做任何事——

yolo模型训练找我,AI游戏合作找我 73

以图识图——基于内容的图片检索CBIR(Content Based Image Retrieval)

以图识图——基于内容的图片检索CBIR(Content Based Image Retrieval)

xinxindiandeng9789的博客 5795

用MATLAB计算卡方值

然后,我们计算了期望频数,即在两个分类变量独立的情况下,每个单元格的预期频数。接下来,我们使用卡方检验的公式计算了卡方值。卡方检验是一种常用的统计方法,用于确定两个分类变量之间是否存在相关性。它基于观察到的频数和期望频数之间的差异来评估分类变量之间的独立性。在MATLAB中,我们可以使用。请注意,这只是一个简单的示例代码,用于说明如何使用MATLAB计算卡方值。在实际应用中,您可能需要根据您的具体数据和研究问题进行相应的修改和调整。在上面的代码中,我们首先创建了两个分类变量。函数显示了计算得到的卡方值。

CodeNexus的博客 2659

RK356X linux系统移植RTL8723BU模块遇到的坑

RK356X linux系统移植RTL8723BU模块遇到的坑

目前从事linux驱动开发,多交流多学习吧 955

图像检索:基于深度学习的CBIR(Content Based Image Retrieval)内容的图片检索论文

Deep Learning for Content-Based Image Retrieval:A Comprehensive Study Neural Codes for Image Retrieval Supervised Hashing for Image Retrieval via Image Representation Learning Using Ver

计算机研究生 6114

MIPI D-PHY TX 一致性测试实例解析 Part 02

如果测过1.3.x,并对这组测试的细节已经熟悉的前提下,1.4.x的测试将会变得轻松,因为几乎相同的测试项被用于时钟通道的数据测量。

一只豌豆象的博客 8321

基于内容的图像检索技术(Content-Based Image Retrieval,CBIR)

参考网页:http://blog.youkuaiyun.com/icvpr/article/details/12304127 本文介绍一些基于内容的图像检索技术(Content-Based Image Retrieval,CBIR)的搜索引擎(即以图搜图),这类搜索引擎基本上代表了图像检索和识别的主流技术,其中有些搜索引擎的检索结果融合了多模态的检索(文本、图片内容、上下文等)。这些图片搜索引擎

A Vimer's World 2143

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

基于内容的图像检索技术(1):从特征到检索

作者:赵丽丽 链接:https://zhuanlan.zhihu.com/p/46735159 来源:知乎 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 基于内容的图像检索(CBIR, Content Based Image Retrieval)是相对成熟的技术领域,在工业界也有广泛的应用场景,如搜索引擎(Google、百度)的以图搜图功能,各电商网站(淘宝、Amazo...

DavidZh 1万+

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

文献阅读——《Deep Learning for Content-Based Image Retrieval:A Comprehensive Study》

1 问题所在: 学习有效的特征表示和相似度测量对CBIR系统的性能是至关重要的。虽然相关的研究已经进行了几十年,但一些关键的问题依然阻碍着CBIR系统的发展。最关键的挑战在于低级机器表示的图片像素和高级人类概念理解之间的语义鸿沟。最近几年,机器学习和深度学习发展迅猛,这种技术有可能填补上述所说的语义鸿沟。 2 本文要研究的主题: 如果深度学习有希望填补语义鸿沟,那么应用最新的深度学习...

qq_35455503的博客 904

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

基于内容的图像检索技(CBIR)术相术介绍

基于内容的图像检索技(CBIR)术相术介绍 kezunhai@gmail.com http://blog.youkuaiyun.com/kezunhai             近20年来,计算机与信号处理领域如火如荼地发展着,随着普通计算机的性能不断地提高,人们对计算机处理信息的能力及要求不断地提高。传统的基于文本检索技术已经难以满足人们的需求,图片作为人们对周围世界的感知媒介

716

基于内容的图像检索系统设计与实现

题 目 基于内容的图像检索系统设计与实现 姓 名 学 号 专业班级 指导老师 高俊祥 罗俊 彭辉 中国·武汉 二〇二〇 年 七 月 目录 目录 I 摘要 i 一、 绪论 1 课题研究背景 1 课题研究目的与意义 1 二、 数据集处理 1 1 图像预处理流程 1 2 结果分析 1 三、 特征值提取及存储 1 1 基于颜色的特征值提取 1 1.1 基于颜色直方图特征值提取 1 1.1.1 基于颜色直方图特征值提取介绍 2 1.1.2

zzyzzylalala的博客 2863

Matlab图像处理——基于内容的图像检索GUI

不变矩能够在图像经历几何变换时保持不变,提供图像形状信息,包括零阶矩到七阶矩,它们通过计算图像的灰度值和位置来构成强大的形状特征向量,用于图像匹配和识别。HSV色彩空间通过色调、饱和度和亮度的低阶矩(如均值和方差)捕捉颜色分布的统计特性,形成包含颜色信息的特征向量,对基于颜色的图像分析至关重要。频谱法通过傅里叶变换、小波变换和局部二值模式等技术分析图像的频率成分,提取纹理特征,如能量、对比度、均匀性和熵,对纹理分类和分析具有重要价值。小编会不定期发布相关设计内容包括但不限于如下内容:信号处理、通信仿真、

小嘤熊的博客 836

LIRE与Lucene集成:构建大规模图像检索系统的完整指南

LIRE(Lucene Image Retrieval)是一款强大的开源内容图像检索库,它与Lucene搜索引擎无缝集成,为开发者提供了构建高性能图像检索系统的完整解决方案。本指南将带你从基础到进阶,掌握如何利用LIRE和Lucene构建支持百万级图像的检索系统,实现快速、准确的视觉信息检索。 ## 为什么选择LIRE与Lucene集成? 在信息爆炸的时代,传统的文本检索已无法满足图像数据的管

gitblog_00678的博客 796
上一篇: 从CVPR2013看计算机视觉研究的三个趋势
下一篇: 信息检索(IR)的评价指标介绍-准确率、召回率、F1、mAP、ROC、AUC
TreeFish2012
博客等级 码龄14年 25粉丝 1原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值