7、基于区域的图像检索技术解析

基于区域的图像检索技术解析

1. 引言

基于内容的图像检索（CBIR）系统利用图像的视觉内容，以颜色、纹理、形状和空间位置等低级特征来表示数据库中的图像。当输入示例图像或草图时，系统会检索相似图像，这种查询方式无需用文字描述图像的视觉内容，更贴近人类对视觉数据的感知。

一些具有代表性的CBIR系统包括QBIC、Photobook、Virage、VisualSeek、Netra和SIMPLIcity等。从图像中提取的特征可分为局部特征和全局特征，全局特征是从整个图像中提取的，而局部特征则是从图像的部分或区域中提取的。

基于全局特征的CBIR存在一定局限性，在根据查询图像搜索时，可能无法准确比较用户感兴趣的区域或对象。查询图像包含相关和不相关区域，通过识别查询图像中的感兴趣区域（ROI）可以选择相关区域。基于区域的CBIR技术允许选择查询图像的一部分，并基于该部分提供更准确的搜索结果，这种利用区域概念进行搜索的CBIR技术被称为基于区域的图像检索（RBIR）技术。

在RBIR系统中，搜索基于用户感兴趣的图像部分或区域，即ROI。ROI可以由系统根据图像各区域的属性自动选择，也可以由用户手动选择。基于ROI的选择方法，CBIR方法可分为：
- 系统指定ROI（SDR）方法 ：系统自动将图像划分为重要区域，并将这些区域指定为ROI进行数据库查询。其性能取决于用于将图像分割成部分或片段的分割技术。
- 用户指定ROI（UDR）方法 ：方便用户手动选择图像中的ROI并相应地搜索数据库。

SDR方法存在一定问题，系统自动指定的ROI可能与用户希望检索的区域不对