张子恒

(湖北工业大学，湖北 武汉 430068)

1 引言

图像理解以及图像识别研究的不断深入，使得各领域能够充分利用图像语义信息进行目标信息的检索。因此，探寻高效快捷的图像检索方法成为急需解决的问题。低照度图像[1]具有光亮强度小和图片质量低的缺点，会出现检索特征不明显等因素，导致相似度检索的正确率降低。因此，很多相关领域研究者已在这方面开展。

在低照度图像特征相似度检索的过程中，受不同外在因素的影响，很大程度上会降低图像品质。最常使用的是文本图像检索技术，其主要在数据库领域进行检索研究，例如建立数据模型、多维度领域探索、查询评价指标等。但是，该方法所需完成的前期准备量较大，且在相似度检索中存在主观性和不确定性，检索结果会存在一定误差。

针对上述问题，柯胜才[2]等人提出基于卷积神经网络和监督核哈希的图像检索方法。首先，利用所提方法挖掘被检索图像内容间的隐藏关系，通过提取到的图像特征，用于增强视觉表达能力和区分能力；然后，将图像深层高维特征映射到低维空间中，最终完成对图像的有效检索。实验结果表明，该方法可效增强图像特征表达能力，提高检索效率。王春静[3]等人为了提高基于内容的图像检索(CBIR)性能，提出基于图像k近邻的相似度测量检索方法。通过计算查询图像与检索图像的相似度，衡量同一语义的联合概率，随之分析检索图像间的图像距离得到概率数值，并与其它方法进行对比实验，结果表明，所提方法可有效提高检索性能。……