论文文献综述(完成)

匹配都是重点要解决的问题。与基于颜色和纹理的检索方法相比较．基于形状的检索方法比较困难。

基本组合的多特征检索图像

内容具有各种视觉特征及视觉对象的空间关系等，而人在观察图像时也不只是观察一个特征，而是会同时看到图像的颜色、形状等多个组合特征。正如前面所提到的，不同的特征有不同的矢量表示方法，即使是同一特征，如颜色特征也有直方图特征、颜色矩、颜色集等多种特征表示方法。

在用单一特征进行检索时，可能出现非常相似两幅图，但在语义上相差很大。而采用组合特征检索法时可以在颜色、纹理、形状等几种查询特征中选择两种或两种以上的特征进行组合检索。基于多特征组合检索便于用户更灵活、更有效地表达检索要求，提高检索的准确率。该检索方法可分两种情况进行：一种是异步组合检索，另一种是同步组合检索。

(1)异步组合检索

在异步组合检索中时，针对示例图像，首先采用一种主要特征(比如颜色)进行检索，按相似程度排序检索结果，然后从中挑选出新的示例图像，以另一种特征(如纹理或形状)在进行检索，直到满足检索要求。异步组合特征检索从本质上来看仍是单一特征检索。与单一特征检索不同的是，该方法在检索过程中，分别利用图像中不同特征的特点逐次进行相似性匹配，可逐步缩小检索空间，不断提高检索精度。 (2)同步组合检索

在同步组合检索时，针对示例图像，首先人工设置组合特征的归一化初始权重比，根据此初值进行第一次检索，按相似程度排序检索结果，然后从中挑选出新的示例图像。重新人工设置组合特征的归一化权重比，再次进行检索，直到满足检索要求。

基于组合检索方法与单一特征的检索相比，可以提高检索精度。其缺点是检索精度调整和提高的过程是一个工人干预的过程，这过分依赖于人的主观判断，检索效率不高，不具有通用性。因此，针对同步组合检索方法，对检索过程中特征的归一化自动进行调整，提高了人机交互相关反馈检索方法。

基于反馈技术最初应用于传统的文本信息检索，1998年Rui Yong等人首次将相关反馈技术应用于基于内容的图像检索。在他们设计的MARS系统中，用户将检索条

件交给系统，系统将检索结果显示给用户，用户再把检索的个人评判信息反馈给系统。人机交互相关反馈检索系统又经过一系列的反馈迭代，动态调整组合特征的归一化权重。由此决定检索过程中采用何种特征组合及如何分配特征之间的权值，达到逐步提高检索精度的目的，因此相关反馈技术应用于基于内容检索的研究逐渐受到人们的关注。

基于语义的图像检索

目前．基于内痞的图像检索主要只利用了图像的低层视觉特征(如颜色、纹理、形状)进行检索，为了克服基于简单视觉特征的图像检索方法的不足，人们提出了基于语义的图像检索方法。与基于低层的物理特征检索不同，语义特征检索是基于文字的查询，包含了自然语言处理和传统图像检索技术。

基于语义的图像检索需要解决两个方面的问题：一是必须提供高层语义的描述方式：二是必须有将低层图像视觉特征射到高层语义的方法m 。图像的视觉特征信息和用户视觉数据理解的不一致性，使得视觉底层特征和高层语义之间存在语义鸿沟。针对这一问题，许多学者进行了研究，Amoid将图像的知识作用域分为狭义域和广义域两类，Hermes等人使用了相似性技术直接从户外图像中推导场景的自然语言描述 ，Zhuang等人提出了模糊布尔模型、概率布尔模型。这些方法在不同的场合分别显示了它们在语义表达方面的能力。

基于语义的图像检索方法，它允许用户在检索过程中用主观感觉来描述图像，这对于检索者来说，可以提高检索效率和准确性。但是“语义鸿沟”的存在，使得基于语义的图像检索仍面临着很大挑战。

三、总结部分 基于内容的图像检索技术是一种综合的集成技术，其研究涉及认知科学、人工智能、模式识别、图像处理、信息检索等多个领域。虽然对领域的诸多研究已经取得了很大进展，但仍存在很多不完善的地方．仍需进一步深入研究。基于内容的图像数据库把图像处理、图像识别、数据库三个领域的技术成果结合起来，是一个有前途的发展方向；面向网络的图像检索应得到深入的研究；人机交互和相关反馈已成为图像检索的研究热点。

四、参考文献（根据文中参阅和引用的先后次序按序编排）

[1]向友军，谢胜刹．图像检索技术综述[J]．重庆邮电大学学报，2006，18(3)；348—354 [2]吴楠，宋方敏．一种基于高层语义信息的图像检索方法[J]．中国图像图形学报，2006，11(12)：1774—1780 [3]Niblack W., Barber R., Equitz W.,et al. The QBIC Project: Querying Images by Content Color, Texture, and shape[J]. SPIE, 1993,1908:173-187. [4]Man junath B.S. Color and Texture Descriptors [J]. IEEE Trans. on Circuits & Systems for Video Technology, 2001,11(6):703-715. [5]Smeulders A.W.M., Worring M., Santini S.,et al. Content-based Image Retrievals at the End of the Early Years[J].IEEE Trans. on Pattern Anal Intell,2000,22(12):1349-1380. [6]袁昕,朱淼良.基于主色匹配的图像检索系统[J].计算机辅助设计与图形学学报,2000,12(12):917-920. [7]胡必鑫.基于内容图像检索中颜色特征描述[J].计算机工程与应用,2005,41(16):48-50. [8]孙君顶,武学东,周利华.基于颜色和形状的图像检索[J].计算机科学,2005,31(5):180-183. [9]朱守业.基于多特征融合和ADABOOST算法的图像检索[J].计算机工程与应用,2007,43(36):137-140. [10]秦文学,李宁.基于MPEG-7的多特征图像检索方法[J].北京机械工业学院学报,2007,22(4):29-36. [11]陈蔚,肖国强.基于多特征的图像检索算法[J].计算机工程与设计,2008,29(17):4507-4467. [12]罗军,况夯.基于内容的多特征融合图像检索[J].计算机工程与应用,2009,45(1):153-197. [13]Rui Y，Huang T S，Ortega Met a1．Relevance feedback：a power tool in interactive content—based image retrieval[J]．IEEE Transactions on Circuits and Systems for Video Teehnolgy(CSVT)，1998． [14]熊回香．基于内容的图像检索技术的发展方向EJ]．信息检索技术，2004(12)：32—35． [15]冯国光．齐影虹，肖扬波．基于内容的图像检索技术综述EJ]．科技广场，2007(3)：233—236．

五、指导教师评语：

签字： 年 月 日