21、基于多感兴趣区域相对位置的选择性区域匹配的内容图像检索

基于多感兴趣区域相对位置的选择性区域匹配的内容图像检索

1. 引言

内容图像检索（CBIR）是基于图像的视觉内容，从大型图像数据库中浏览、搜索和导航图像。过去十多年来，CBIR一直是一个活跃的研究领域，已经开发了许多CBIR系统，如QBIC、Simplicity和Blobworld等。

传统的CBIR系统使用颜色、纹理、形状和对象的空间位置等低级特征来对数据库中的图像进行索引和检索。这些低级特征可以是全局的，也可以是局部（基于区域）的。基于全局特征的CBIR在比较用户可能感兴趣的区域或对象时存在不足，因此，基于区域的图像检索（RBIR）在反映用户需求方面更为有效。

一个典型的查询图像包含相关和不相关区域，不相关区域会限制现有内容图像检索系统的有效性。可以通过在查询图像中定义感兴趣区域（ROI）来去除不相关区域。根据基于区域的查询制定方法，RBIR可分为两类：
- 系统指定的ROI（SDR）
- 用户指定的ROI（UDR）

UDR方法似乎更有前景，因为它允许用户在查询制定中表达自己的意图。然而，当ROI的大小存在变化时，准确制定查询比较困难。此外，如果用户选择了多个ROI，考虑ROI在图像中的相对位置是有益的，但现有方法在这方面存在不足，要么无法提供详细的相对位置相似度，要么计算复杂度高。

本文介绍的方法基于区域代码，解决了现有研究中存在的问题，具有以下优点：
- 使用区域代码减少整体计算时间，同时不影响检索准确性。
- 提出了一种有效的ROI重叠块选择技术。
- 提出了一种在考虑多个ROI相对位置时计算相似度的方法。
- 有效组合特征进行ROI图像检索。实验结果表明，该方法比现有方法更能准