38、图像检索与医学图像融合技术综述

图像检索与医学图像融合技术综述

1 图像检索方法

1.1 基于文本的图像检索

基于文本的图像检索也称为基于描述的图像检索。在特定的多媒体查询中，当根据文本信息检索包含图像的 XML 文档时，就会用到这种方法。它通过手动为图像分配标签或关键词来表示图像的视觉内容，以解决基于内容的图像检索（CBIR）的限制。作为一种文本查询方式，它能帮助用户表达信息需求，并根据文本查询与图像手动注释的匹配来查找所需图像。

1.2 基于内容的图像检索

基于内容的图像检索是根据图像的视觉内容与查询图像的相似性，利用图像特征来搜索和检索图像。通过特征提取模块从系列图像中提取低级图像特征，常见的提取特征包括颜色、纹理和形状。

1.3 多模态融合图像检索

多模态融合图像检索使用数据融合和机器学习算法。数据融合，也称为证据合并，是一种整合不同证据源的方法。通过多种模态可以学习到合唱效应、略读效应和黑马效应。

1.4 基于语义的图像检索

目前，一些研究人员正在利用对视觉数据的语义理解来探索图像检索。这种检索方法用于减少语义差异，可通过两种基本方法实现：对关键词图像或图像片段进行注释，以及对图像进行自动注释或实施语义 Web 倡议。

1.5 基于相关反馈的图像检索

CBIR 系统中的语义差距是指用户的信息需求与图像表示之间的差异。这种内在的语义差距主要是由于图像检索核心系统的精度有限。相关反馈在 CBIR 中对于缩小这种差距非常有用，其基本概念是将人类经验的主观性纳入查询中，并让用户参与确定检索效果。

2 图像的不同特征