张惠凡，罗泽

1. 中国科学院计算机网络信息中心，北京 100190

2. 中国科学院大学，北京 100049

引言

随着互联网的飞速发展，像视频、音频和图像等多媒体信息开始大量涌现，因此如何在大量的视频图像中检索出所需要的图像信息，逐渐成为多媒体技术研究的热点。青海湖自然保护区作为我国重要的生态保护基地，为开展野生水鸟的保护和行为研究，以及疾病的预警和防治，中国科学院计算机网络信息中心与保护区管理局合作，共同建设了青海湖野外网络视频监控系统。实现了对青海湖主要鸟类的繁殖地和活动区域进行全覆盖与监控检测。目前共部署 23 个网络视频摄像机，覆盖了保护区 5 个核心区域。每天产出超过 100 GB 的视频数据[1]。因此利用监控视频的关键帧图像，实现一个供自然保护区野外科研工作人员使用的自然保护区鸟类视频图像检索系统，对于方便野外科研工作人员的快速查询，提高科研效率变得重要且有意义。

本文主要采用 Vgg16 神经网络的预训练模型[2]对鸟类图像进行特征提取，为每张图像提取出一个特征向量作为图像内容的代表信息。然后利用主成分分析的方法构建映射空间，对高维的特征向量进行降维处理，构建特征向量的低维子空间[3]。之后利用余弦相似度的方法对特征向量进行相似度匹配[4]，相似度值越大则表示图像越相似，最后输出前 K 张相似图像作为图像检索的结果进行展示。

1 相关研究

随着多媒体技术的发展，图像检索也经历了基于文本标注的图像检索和基于内容的图像检索[6]这两个阶段。……