沈阳理工大学 刘志新 王佳琪 鞠文远 霍英豪 王 红

随着网络技术和规模的发展壮大，人们通过互联网可获得的各种信息每天都在以惊人的速度增长，如何有效方便的在海量数据库中查找到需要的信息，成为多媒体信息检索领域研究的热点。本文主要论述了这样一个基于图像内容进行检索（CBIR）的系统在Android手机上的一个实现过程，用Java语言来进行开发，并简单分析了该系统的主要功能和实现方法。设计出更加友好的互动界面，从而提高图像的检索效率，摒弃传统检索方式费时费力效率低的弊端，减少了人工操作，实现高效智能的图像检索。

基于内容的图像检索方式应用在我们生活的方方面面，在医学领域，可以检索医学影像库从而方便医生进行诊断；在公共安全领域，可以将嫌疑人图像和系统中信息匹配，从而方便警方破案；在电商领域，一些购物应用允许用户上传图像，从而方便的查找到相同或相似的商品等。本次设计也是基于图像内容进行检索的一次体验，深深感受到了图像处理在生活中的魅力。

1 图像智能检索手机APP系统设计

图像智能检索系统主要由两部分组成，对图像信息特征的获取，以及对图像的检索，其中检索包括对图像的预处理，图像特征值的提取及对检索结果的显示。图像智能检索系统整体结构图如图1所示。

图1 图像智能检索系统整体结构图

2 图像智能检索系统的实现

图像智能检索系统是基于JAVA语言及OpenCV库实现的，具体由图像获取及图像检索两部分实现。其中实现的技术描述如下。

（1）图像预处理算法，灰度化：图像灰度化是指每个像素只有一个采样颜色的图像，这类图像通常显示为从最暗黑色到最亮的白色的灰度。

（2）特征点提取，ORB-fast角点检测算法：Fast算法是关注度很高的基于模板和机器学习的角点检测方法，OpenCV中Fast角点检测算法不仅速度快而且具有很好的检测效果。

（3）特征点筛选，非极大值抑制法：非极大值抑制算法（Non-maximum suppression,NMS）是有anchor系列目标检测的标配，NMS主要用于消除多余的检测框，那么消除的标准是什么，我们使用IOU作为标准来进行演示，IOU的原称为Intersection over Union，也就是两个box区域的交集比上并集。

（4）描述子建立，ORB-BRIEF描述子：在获取图像特征点之后，需要以某种方式来描述这些特征点的属性，这就需要特征描述算法。BRIEF算法核心就是在特征点周围以定义好的一种方式选择N个点对，然后把这N个点对按照某种计算方式并将计算的结果组合起来，作为这一特征点的描述子，实质就是这些点对灰度值大小的二进制串。

（5）图像匹配筛选：选择已经匹配的点对的汉明距离小于最小距离的两倍作为判断依据，如果小于该值则认为是一个错误的匹配，过滤掉；大于该值则认为是一个正确的匹配。

3 图像智能检索系统测试

为验证本论文研究的图像智能检索app是否具有可行性，对测试结果进行分析和总结。

（1）图像获取及预处理灰度化，如图2、图3所示。

图2 获取到的图像

图3 预处理后图像

（2）特征点提取如图4所示。

图4 提取到的特征点图

（3）获取到的图像与检索到的图像对比图如图5所示。

图5 原图与检索到的图片匹配图

对图像智能检索手机app系统测试结果进行分析，发现系统中各项功能正常运行，故可验证本论文设计的图像智能检索手机APP软件是准确可靠的。

本文针对现如今对各种事物的大量检索需求，设计了图像智能检索手机APP软件，并将应用程序实现。经过对其中的部分功能进行测试，并对测试结果进行分析，最后验证本图像智能检索手机APP的正确性可用性。采用本软件解决实现生活中基本的检索需求。