图像检索系统的设计与实现(附件)
摘要：本文首先介绍了图像检索的背景、国内外研究状况，针对基于文本和基于内容的图像检索进行概述，着重介绍了特征描述方法和提取算法及特征的相似性度量方法。然后，进行系统需求分析和数据库设计。在基于内容的图像检索中，主要选取图像的颜色特征和纹理特征，分别采用颜色直方图和灰度共生矩阵来描述和提取图像的特征。接着，完成了基于文本及基于颜色直方图和灰度共生矩阵的检索系统。系统基于MySQL 5.1构建数据库，JAVA语言进行开发，实现对图像数据的管理与检索。最后，对系统进行测试，检索功能基本达到预期效果。
目录
摘要1
关键词1
Abstract1
Key words1
引言1
1 选题背景1
1.1 图像检索技术的发展历程1
1.2 国内外研究现状2
1.2.1 国外研究现状2
1.2.2 国内研究现状2
1.3 CBIR技术应用2
2 技术背景3
2.1 基于文本的图像检索3
2.2 基于内容的图像检索3
2.2.1 概述3
2.2.2 常用的低层视觉特征描述方法3
2.2.3 相似性度量4
2.2.4 基于颜色特征的图像检索4
2.2.5 基于纹理的图像检索5
3 系统分析与设计7
3.1 需求分析7
3.2 数据库设计9
3.2.1 概念模型ER图9
3.2.2 数据库中表的设计10
4 系统实现10
4.1 开发环境及配置10
4.2 实现11
4.2.1 基于文本的检索11
4.2.2 基于颜色直方图的检索12
4.2.3 基于灰度共生矩阵的检索13
5系统测试15
6总结与展望17
致谢18
参考文献18 图像检索系统的设计与实现
引言
引言
1．选题背景
1.1 图像检索技术的发展历程
随着数据库管理技术和计算机视
*好棒文|www.hbsrm.com +Q: *351916072*
觉的发展，图像检索技术自20世纪70年代以来，一直成为人们研究的课题。基于文本的图像检索的历史可以追溯到20世纪70年代末期，当时的检索技术是将图像作为数据库中存储的一个对象并对其进行文本描述，查询操作是基于该图像的文本描述进行精确匹配或概率匹配[1]。20世纪80年代，虽然多媒体技术发展迅速，但对图像信息的管理尚未得到足够的重视。
90年代初期，随着大规模数字图像库的出现，为了实现人性化的图像查询和管理方式，使查询者可以实现方便、快速、准确的查找，人们提出了基于内容的图像检索技术并且该技术迅速发展了起来。从此，对图像内容的描述及提取不再仅仅依赖于人工标注，而是比较从图像中自动提取的视觉特征，检索过程也不再仅仅是关键词的匹配，而是对视觉特征的相似性度量和匹配。基于内容的图像检索技术的研究涉及到模式识别和计算机视觉信息检索等学科领域[1]。
国内外研究现状
1.2.1 国外研究现状
从发展过程来看，图像检索主要经历了基于文本的图像检索（TextBased Image Retrieval，TBIR）和基于内容的图像检索（ContentBased Image Retrieval，CBIR）两个阶段。
TBIR的历史可以追溯到20世纪70年代末期，这种检索方法得到了广泛应用，如google、baidu、sohu、yahoo等搜索引擎目前均采用这种方式来检索图像[2]。
CBIR技术可追溯到20世纪90年代初期，其之所以迅速成为研究热点源于其涉及领域之多。国外各大研究机构，如IBM、MIT、Columbia、Stanford、UIUC等都对该技术进行了深入研究，并推出了各自的图像检索系统。各大著名杂志如：IEEE Trans.on PAMI、IEEE Trans.on Image Processing等纷纷设专刊介绍该领域研究的成果，著名的国际会议如IEEE International Conference on ASSP、SPIE Conference on Electronic Imaging等纷纷设专题交流最新的研究成果[3]。
国外典型的图像检索系统有：
QBIC系统[2]。它是IBM公司推出的第一个商业化的基于内容的图像检索系统。QBIC支持多种图像检索方式，支持用户描述草图的查询，能同时实现图像的颜色、纹理、形状等各种物理特征的检索。其中，颜色特征采用平均颜色和颜色直方图两种方法；纹理特征采用Tamura纹理的粗糙度、对比度和方向性等特征；形状特征则采用形状的面积、离心率等描述方法。
Virage系统[2]。它是由Virage公司开发的基于内容的图像搜索引擎。它支持基于颜色、颜色分布、纹理和结构的查询，并且支持例子查询、草图检索、分类浏览、随机浏览查询模式的任意组合，还允许用户按自己的需要调整这些特征的权值查询。
1.2.2 国内研究现状
在国内，各大重点高校和科研机构都展开了关于基于内容的图像、视频、音频的检索方法的研究。
清华大学结合国家863高技术研究发展项目，开展了“Web上基于内容的图像检索”的研究[3]，研究目标是开发能在Internet/Intranet环境下，通过友好的人机界面，利用主颜色、纹理、颜色分布和轮廓等图像特征或样本图像检索的方法和工具。
中国科学院计算技术研究所和北京图书馆联合开发了“基于特征的多媒体信息检索系统MIRES”[3]。
浙江大学开发了Photo Navigator、Photo Engine和WebscopeCBR等系统，并将CBIR技术成功地用于敦煌壁画数据库的开发[3]。
国防科技大学多媒体开发中心设计开发了News Video CAR(News Video Content Analysis & Representation)[4]，它是一个基于内容的视频新闻节目浏览检索系统。该系统能对视频新闻进行自动分析、分类和管理。
云南大学信息学院设计开发了商标图像检索系统[4]，它利用图像的单元熵来描述图像特征，用欧氏距离度量相似性，实现了对商标的管理和保护。
目录
摘要1
关键词1
Abstract1
Key words1
引言1
1 选题背景1
1.1 图像检索技术的发展历程1
1.2 国内外研究现状2
1.2.1 国外研究现状2
1.2.2 国内研究现状2
1.3 CBIR技术应用2
2 技术背景3
2.1 基于文本的图像检索3
2.2 基于内容的图像检索3
2.2.1 概述3
2.2.2 常用的低层视觉特征描述方法3
2.2.3 相似性度量4
2.2.4 基于颜色特征的图像检索4
2.2.5 基于纹理的图像检索5
3 系统分析与设计7
3.1 需求分析7
3.2 数据库设计9
3.2.1 概念模型ER图9
3.2.2 数据库中表的设计10
4 系统实现10
4.1 开发环境及配置10
4.2 实现11
4.2.1 基于文本的检索11
4.2.2 基于颜色直方图的检索12
4.2.3 基于灰度共生矩阵的检索13
5系统测试15
6总结与展望17
致谢18
参考文献18 图像检索系统的设计与实现
引言
引言
1．选题背景
1.1 图像检索技术的发展历程
随着数据库管理技术和计算机视
*好棒文|www.hbsrm.com +Q: *351916072*
觉的发展，图像检索技术自20世纪70年代以来，一直成为人们研究的课题。基于文本的图像检索的历史可以追溯到20世纪70年代末期，当时的检索技术是将图像作为数据库中存储的一个对象并对其进行文本描述，查询操作是基于该图像的文本描述进行精确匹配或概率匹配[1]。20世纪80年代，虽然多媒体技术发展迅速，但对图像信息的管理尚未得到足够的重视。
90年代初期，随着大规模数字图像库的出现，为了实现人性化的图像查询和管理方式，使查询者可以实现方便、快速、准确的查找，人们提出了基于内容的图像检索技术并且该技术迅速发展了起来。从此，对图像内容的描述及提取不再仅仅依赖于人工标注，而是比较从图像中自动提取的视觉特征，检索过程也不再仅仅是关键词的匹配，而是对视觉特征的相似性度量和匹配。基于内容的图像检索技术的研究涉及到模式识别和计算机视觉信息检索等学科领域[1]。
国内外研究现状
1.2.1 国外研究现状
从发展过程来看，图像检索主要经历了基于文本的图像检索（TextBased Image Retrieval，TBIR）和基于内容的图像检索（ContentBased Image Retrieval，CBIR）两个阶段。
TBIR的历史可以追溯到20世纪70年代末期，这种检索方法得到了广泛应用，如google、baidu、sohu、yahoo等搜索引擎目前均采用这种方式来检索图像[2]。
CBIR技术可追溯到20世纪90年代初期，其之所以迅速成为研究热点源于其涉及领域之多。国外各大研究机构，如IBM、MIT、Columbia、Stanford、UIUC等都对该技术进行了深入研究，并推出了各自的图像检索系统。各大著名杂志如：IEEE Trans.on PAMI、IEEE Trans.on Image Processing等纷纷设专刊介绍该领域研究的成果，著名的国际会议如IEEE International Conference on ASSP、SPIE Conference on Electronic Imaging等纷纷设专题交流最新的研究成果[3]。
国外典型的图像检索系统有：
QBIC系统[2]。它是IBM公司推出的第一个商业化的基于内容的图像检索系统。QBIC支持多种图像检索方式，支持用户描述草图的查询，能同时实现图像的颜色、纹理、形状等各种物理特征的检索。其中，颜色特征采用平均颜色和颜色直方图两种方法；纹理特征采用Tamura纹理的粗糙度、对比度和方向性等特征；形状特征则采用形状的面积、离心率等描述方法。
Virage系统[2]。它是由Virage公司开发的基于内容的图像搜索引擎。它支持基于颜色、颜色分布、纹理和结构的查询，并且支持例子查询、草图检索、分类浏览、随机浏览查询模式的任意组合，还允许用户按自己的需要调整这些特征的权值查询。
1.2.2 国内研究现状
在国内，各大重点高校和科研机构都展开了关于基于内容的图像、视频、音频的检索方法的研究。
清华大学结合国家863高技术研究发展项目，开展了“Web上基于内容的图像检索”的研究[3]，研究目标是开发能在Internet/Intranet环境下，通过友好的人机界面，利用主颜色、纹理、颜色分布和轮廓等图像特征或样本图像检索的方法和工具。
中国科学院计算技术研究所和北京图书馆联合开发了“基于特征的多媒体信息检索系统MIRES”[3]。
浙江大学开发了Photo Navigator、Photo Engine和WebscopeCBR等系统，并将CBIR技术成功地用于敦煌壁画数据库的开发[3]。
国防科技大学多媒体开发中心设计开发了News Video CAR(News Video Content Analysis & Representation)[4]，它是一个基于内容的视频新闻节目浏览检索系统。该系统能对视频新闻进行自动分析、分类和管理。
云南大学信息学院设计开发了商标图像检索系统[4]，它利用图像的单元熵来描述图像特征，用欧氏距离度量相似性，实现了对商标的管理和保护。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/wljs/717.html
