闫龙泉， 骆沛然， 史 伟， 刘秀全

(宁夏大学 信息工程学院，宁夏 银川 750021)

随着互联网的发展，网络世界中的图片也在与日俱增，尤其是随着web 2.0时代的到来，海量的、相似的图片长期存储在网络空间中，这也使得用户在大型图片库中寻找相似图片变得极其困难.基于内容的图像检索[1]可以充分发挥计算机的特性，从图片本身出发，提取图片的颜色、轮廓等特征以进行相似度的比对，从而实现图片检索，找到待搜索图片中最为相似的目标图片.

传统的基于内容的图像检索方法[2—4]主要是提取图片的颜色、纹理轮廓等特征，提取的特征往往比较复杂而又多变.由于唐卡图像种类繁多，视觉变化大，光照、拍摄角度等自然因素均会对唐卡图片的检索带来巨大的挑战.

近年来，基于内容的图像检索有了突破性的发展与创新.由于卷积神经网络(CNN)[5]可以自主学习和提取图片的高维特征，大量的研究者用深度学习的方法进行了图片的特征提取.

1 相关工作

传统的提取图片的轮廓、颜色等特征的图像检索方法有SIFT[6]、颜色直方图[7]等.王维兰等人[8]在基于内容的唐卡检索技术研究中，提出了基于颜色特征进行唐卡图像检索的思想.其检索流程如下：首先，对唐卡图像进行预处理，进而便于提取其颜色和空间、形状特征；然后，用欧式距离度量方法对其进行相似性度量并得出最终的检索结果.GAL等人提出了形态学与RCF[9]相结合的唐卡图像边缘检测算法,提取唐卡图……