王小龙,沈新宁,杜建洪

(复旦大学信息科学与工程学院,上海200433)

一种基于区域综合特征的图像检索算法

王小龙,沈新宁,杜建洪

(复旦大学信息科学与工程学院,上海200433)

针对基于内容的图像检索所面临的图像低级视觉特征和高级语义之间的语义鸿沟问题,提出一种基于区域的图像检索算法。在LUV颜色空间中使用K均值聚类算法进行图像分割,提取分割后各区域的颜色、形状和区域自相关特征构成区域的综合特征,采用二次型距离相似性度量方法完成图像之间相似性的计算。实验结果表明,该算法具有较好的图像检索性能,与MIRROR中各算法相比,使用平均归一化修正检索等级得到的检索性能提高了12% ～47.8%。

基于区域的图像检索;语义鸿沟;区域自相关特征;图像分割;二次型距离相似性度量;平均归一化修正检索等级

1 概述

随着信息技术及多媒体技术的快速发展,越来越多的图像出现并成为人们日常生活的一部分。为了从数量繁多的图像中快速准确地找出所需要的图像,基于内容的图像检索(Content-based Image Retrieval,CBIR)由于其突出的表现受到了人们越来越广泛的关注。早期CBIR技术的研究焦点主要在于提取图像的有效全局视觉特征(颜色、形状、纹理等),如文献［1-2］,尽管这些研究奠定了CBIR的基础,但其检索性能却不尽如人意,其瓶颈在于这些全局的低级视觉特征和图像的高级语义之间存在鸿沟,即“语义鸿沟”(semantic gap)。

图像注释(image annotation)、基于区域的图像检索(Region-based Image Retrieval,RBIR)和相关反馈(Relevant Feedback,RF)是目前减小语义鸿沟的3种主要途径。……