文档介绍：基于内容的图象检索?发展历史?基于内容 CBIR 的图象检索?基于语义的图象检索?未来趋势?问题的提出?当我们的数字图像数量很多时(达到上千张、甚至上百万张),如何快速有效地找到需要的数字图像是一项有挑战性的工作?那么,如何利用计算机辅助检索图像呢?(与文本检索不同,图像与图像之间的比较是一个复杂的问题) 图像检索研究发展的三个阶段基于文本的图象检索基于文本的图象检索?传统的图像检索方法?通过图片的元数据或标引文字进行检索例:图像元数据宽度: 210 高度: 172 主题:玻璃瓶与草背景:淡灰内容: 6个有草的玻璃瓶 3个瓶有红色液体 3个瓶有透明液体?传统的图像检索方法?标引文字的检索的局限性是: ?图片的标引文字主要靠人工输入,工作量大,主观性强。对大数据量的场合(如 Web 资源、数字图书馆等)应用困难?标引文字无法精确完整的刻画图片内容?文字描述一维线性的媒体,而图片是二维非线性的媒体?生成或利用元数据的过程实质是在两种差异很大的媒体间的翻译过程,有很大的随意性和信息损失基于文本的图象检索享乐的花园西班牙马德里普拉多艺术馆基于内容的图象检索?基于内容的图像检索方法?一图胜千言,考虑绕过这些转换(翻译)过程直接利用图片去检索图片,这就是基于内容的检索的出发点?基于内容的图像检索的英文缩写: CBIR Content-Based Image Retrieval ? 90 年代初,国际上就开始了对基于内容的多媒体信息检索方面的研究。?基于内容的图像检索方法?大量原型系统已经推出,技术正在逐步走向成熟,已经出现一些商用系统。?商用系统如: IBM 的 QBIC 、 Virage 的 VIR Image Engine 。?原型系统如: UCB 的 BlobWorld (形状)、 Stanford 的系统(颜色)。?检索效果仍需改进。基于内容的图象检索某些存在的系统? Photobook, MIT ? face, texture and shape database ? WebSeek, Columbia U ? engine ? include more than 650,000 images ? ImageRover, Boston U ? engine ? use 32 robots to collect one million images monthly ? VideoBook, HKUST ? video retrieval system ? QBIC, IBM ? commercial system (trademark) ? MARS, Illinois ? image retrieval with relevance feedback mechanism ? VideoClip, Columbia U ? video parsing and editing ? Princeton University ? high-level video representation ? NeTra, UCSB ? object-based video representation