新媒体运营内容图像检索技术思维导图

可以直接从图像中获取客观视觉内容特征(如颜色、纹理、形状等)来判断图像之间的相似性

这类方法已经成为图像检索技术的研究主流，图像检索包括静态图像和视频

静态图像的底层特征包括颜色、纹理、几何形状、灰度统计特征等

而高层特征包括人脸部特征、表情特征、物体和景物特征等

视频包含的信息最丰富复杂,其底层特征包括镜头切换类型、特技效果

摄像机运动、物体运动轨迹、代表帧、全景图等,高层特征包括描述镜头内容的事件等

对于通用图像库检索来说,最常用的特征就是颜色、纹理和形状等底层特征

相对于图像几何特征而言,颜色具有一定的稳定性,其对大小、方向都不敏感

表现出相当强的鲁棒性，同时,在许多情况下,特别是对于自然景物来说

颜色是描述一幅图像最简便而有效的特征

一是全局颜色分布提取,二是局部颜色信息提取

按照全局颜色分布来索引图像可以通过计算每种颜色的像素的个数

并构造颜色灰度直方图来实现,这对检索具有相似的总体颜色内容的图像是一个很好的途径

主要方法是采用能反映图像整体特征的颜色直方图

局部颜色信息是指局部相似的颜色区域

它考虑了颜色的分类与一些初级的几何特征,比如用颜色集合方法

抽取空间局部颜色信息并提供颜色区域的有效索引

纹理检索和纹理分类技术有着紧密的关系

针对不同的系统应用要求在纹理检索的实现中往往采用不同的纹理识别技术

在基于纹理特征的图像检索中主要采用的图像纹理分析方法

比如采用小波变换等变换后的系数特征作为图像的索引,也能取得很好的效果

对于通用图像检索而言,利用形状特征进行检索存在一定的困难

这是因为实际场景中物体的形状会发生很大的变化

而且从复杂场景中提取物体的形状本身也并不是件容易的事情

针对某些特定应用,利用形状可以提高检索的正确性和效率

基于形状特征的图像检索方法大多利用轮廓特征或区域特征建立图像索引

查询接口模块为检索系统提供友好的人机界面

一般有操作交互、模板选择和提交特征样本三种输入方式以及多种方式的组合,以大大提高检索的效率

检索引擎是对特征进行相似性检索,检索引擎通过索引/ 过滤模块达到快速搜索的目的

从而可以应用到数据库中的大型媒体数据集中

很难给出令人满意的结果,主要原因是图像底层特征和高层语义间存在着很大的差距

为了解决这个问题,一方面需要研究出更好更有效的图像表示方法

另一方面可以通过人机交互的方式来捕捉和建立底层特征和高层语义之间的关联

这就是所谓的相关反馈技术,相关反馈技术最初用于传统的文本检索系统中

它的基本思想是,在检索过程中,系统根据用户的查询要求返回检索结果

用户可以对检索结果进行评价和标记,并将这些信息反馈给系统

系统则根据这些反馈信息进行学习,并返回新的查询结果,从而使得检索结果更加满足用户的要求

基于内容检索中的相关反馈技术大致可分为四种类型