文档介绍：图片检索技术论文
导读：我根据大家的需要整理了一份关于《图片检索技术论文》的内容，具体内容：图像检索是网络信息检索中的重要的组成部分，我整理了，欢迎阅读!篇一Web图像检索技术综述【摘要】多媒体技术的迅速发展，促进了Web图像检索技术的创新和发展。针...
图像检索是网络信息检索中的重要的组成部分，我整理了，欢迎阅读!
篇一
Web图像检索技术综述
【摘要】多媒体技术的迅速发展，促进了Web图像检索技术的创新和发展。针对目前的发展状况，本文对Web图像检索技术做了深入的分析和研究，包括基于文本检索、基于内容检索、语义检索以及个性化Web图像检索，并详细介绍了这4种流行图像检索技术的技术特点，最后指出了Web图像检索技术的发展趋势和研究方向。
【关键词】基于文本图像检索基于内容的图像检索基于语义检索个性化Web图像检索
一、引言
目前，Web图像检索技术和模型层出不穷，可大致分为基于文本的检索、基于内容的检索、语义图像检索和个性化的Web图像检索四种。下面分别对其进行介绍。
二、基于文本的图像检索
20世纪70年代，基于文本的图像检索技术(TBIR)得以发展。目前，该技术发展较为成熟，但需要较多人工参与，耗费大量的人力和时间，而且不同的人对同一张图像的理解也不相同，这就导致对Web图像标注没有统一标准，因而检索的结果不能很好地符合用户的需求[1]。同时在互联网环境中，Web图像数据不断动态更新，采用人工方式对图像进行广泛标注也无法实现。
三、基于内容的图像检索
上世纪90年代，基于内容的图像检索(CBIR)技术产生。它主要采用图像的视觉特征来表示图像的内容，然后通过特征匹配算法进行图像检索。
(一)图像特征提取
图像的特征主要包括底层特征和语义特征。目前的CBIR系统主要使用图像底层特征来检索图像。底层特征主要包括图像的颜色、纹理、形状等定量特征。目前，颜色特征主要有颜色直方图、颜色矩和颜色相关图等。纹理特征有Gabor变换、塔式小波变换、灰度共生矩阵等。而形状特征表示主要有基于边界表示法和基于区域表示法。此外，近些年许多学者也研究了基于文本和视觉两种信息在内的Web图像检索，如文献[2]中提出一种融合文本关键词和图像视觉内容的Web图像检索方法，在一定程度上提高了Web图像检索质量。
(二)图像相似性匹配
图像检索的匹配策略大致分为完全匹配和相似性匹配。完全匹配是指两张图像的特征完全相同时图像匹配成功;而相似性匹配是指两张图像特征间的距离在某一阈值内匹配成功。在基于内容的图像检索中，图像底层视觉特征对比的相似性检索匹配占据着主导地位。
四、基于语义的图像检索
底层的视觉特征不能代表图像丰富的内涵，使得基于内容的图像检索效果并不理想。因此，出现了基于图像语义的检索技术，主要包括语义层次模型、语义的提取方法和语义表示方法三方面内容。
(一)语义层次模型
图像语义是有粒度的，即具有层次性，所以可采用多层结构对图像语义进行分析。
一般，根据图像内容可将图像分为特征语义、对象和空间关系语义、高层语义3个层次。特征语义利用图像的视觉特征及其组合进行检索。对象与空间关系语义，是分析图像中对象的视觉特征、空间关系、位置等信息，得