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、搜索和导航图像的技术。过去十多年来，CBIR一直是研究的活跃领域，已经开发了许多CBIR系统。传统的CBIR系统使用颜色、纹理、形状和物体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，也可以是基于区域的。然而，基于全局特征的CBIR难以比较用户可能感兴趣的区域或物体，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的区域，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）和用户指定的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。但当ROI的大小存在变化时，准确制定查询比较困难。

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。然而，目前文献中只有少数工作解决了查找ROI相对位置的问题，并且这些方法无法提供详细的相对位置相似度，还会增加计算时间。为克服这些问题，本文介绍了一种基于区域代码的更有效方法，该方法能减少计算时间，同时支持多ROI的相对位置概念。

本文的工作包括：
- 使用区域代码在不影响检索准确性的前提下减少整体计算时间；
- 提出一种有效的ROI重叠块选择技术；
- 提出一种在考虑多ROI相对位置时查找相似度的方法；
- 有效组合特征进行ROI图像检索。

实验结果表明，该方法比现有方法能更准