文档介绍：ImgRetr—一个基于内容的图象检索系统*本论文受到863-306-ZD-10-22及211学科建设项目资助。
摘要多媒体技术的普及使得大容量图象库得到了广泛的应用,而基于内容检索是对其进行管理和检索的有效手段。在本文中,我们以对多媒体制作中图象素材库的检索为应用背景,设计并实现了一个基于内容的图象检索系统——ImgRetr。在ImgRetr中,针对库中图象的特点,我们采用了主颜色、纹理、颜色直方图、颜色分布、轮廓和主题词来对图象的内容进行描述,并采用了相似索引技术来加快检索速度。文中介绍了系统的基本结构、采用的特征和相似索引结构,并给出了实验结果。
关键词图象库,基于内容检索,相似索引,主颜色,颜色直方图,Gabor算子
随着信息社会的到来,技术的实施导致了大容量图象/视频库的出现,也提出了相应的管理和检索问题。
与传统文本/数字域结构的数据库不同,图象/视频库中的对象具有内容丰富的特点,一般说来其内容难以用仅仅几个定性属性来充分描述。此外,大多数应用中对图象/视频库的检索要求也与传统数据库采用基于关键词的检索不同,是一种基于相似度的检索,即在库中查找与指定检索要求内容最为相似(相似度最大)的一组对象。在这样的背景下,针对大容量图象/视频库根据内容进行检索的基于内容检索技术应运而生[1-3]。
基于内容检索的实现依赖于三个关键技术的结合:(1)图象内容的表示。在基于内容检索检索中,图象内容不再仅仅采用用定性的关键词,而是主要采用通过图象理解技术得到的特征来进行描述,图象的特征集合构成了它的内容描述集。(2)相似索引技术的研究。一般情况下,图象的特征都对应于高维空间中的一个向量,这样基于内容检索(寻找与指定特征最相近的一组对象)就转化为高维空间点集的最近邻搜索问题。由于库中往往含有大量图象,逐个查找的方法难以满足实时检索的要求,因此需要对特征建立有效的索引结构。相似索引技术(Similarity Indexing)是解决此问题的关键技术。(3)检索表达机制。由于基于内容检索在底层归结为对相似索引的查找,因此需要提供一种机制使其可将用户提出的检索要求转换为对底层的索引操作,这就是检索表达机制所要解决的问题。
在本文中,我们针对多媒体制作中图象素材库的检索,实现了ImgRetr ——一个基于内容的图象检索系统。根据库中图象的特点,我们分别采用了主颜色、纹理、颜色直方图、颜色分布、轮廓以及主题词特征来对图象的特征进行描述。同时,由于库中存有较多的图象(11804幅),我们设计并实现了一种相似索引结构——GSS-树作为存放图象特征的底层索引,以加快系统的检索速度。系统中还提供了使用多特征进行检索的手段。
在以下第2节,我们首先将介绍ImgRetr系统的结构组成。在第3节和第4节中,我们将对采用的图象特征描述和相似索引技术进行介绍。在第5节给出了系统检索的实验结果。
2. 系统结构
/浏览器为平台的基于内容图象检索系统,其结构如图1所示:
从图中可以看出,系统主要可分为检索相关模块和建库相关模块两部分:
检索相关模块
这个模块包括用户检索时用到的程序和文件,包括Querycgi程序、Queryserver程序、初始配置文件和一些界面相关文件。在运行状态下,系统可分为前端(客户端)和后端(服务器端)两个部分,前端通过在浏览