1) image representation and retrieval
图像表示与检索
2) Image feature and representation
图像特征与表示
3) image retrieval
图像检索
1.
Principle of content-based image retrieval and prospects of microscopic identification of TCM;
基于内容的图像检索原理与应用于中药显微鉴定的前景展望
2.
Medical image retrieval based on annular segmentation;
基于环形分割的医学图像检索
3.
Research on face image retrieval based on principal independent content features;
基于主独立内容特征的人脸图像检索方法
4) image searching
图像检索
1.
Dynamic k-mean clustering algorithm applied in image searching;
动态的K-均值聚类算法在图像检索中的应用
2.
Aviation image searching is an.
基于内容的图像检索根据图像、图像的内容语义以及上下文联系进行查找,以图像语义特征为线索从图像数据库中检出具有相似特性的其它图像。
5) image indexing
图像检索
1.
Wavelet Domain Image Indexing Using Directional Gradient Angular Histogram;
小波变换域内基于方向梯度相角直方图的图像检索算法
6) CBIR
图像检索
1.
As a comprehensive technology which combines several technologies, such as information retrieve, image processing, computer vision, artificial intelligence, CBIR has become an urgent research area broadly in multimedia age.
基于内容的图像检索是一项利用图像内容特征来实现图像检索的技术,其基本思想是分析图像所包含的内容特征,从图像库中查找具有相似内容的图像。
2.
The Content-Based Image Retrieval (CBIR) has become one of the hot research areas in image domain for large image database.
随着大规模图像数据库的产生,基于内容的图像检索技术成为图像领域研究的热点问题之一。
3.
CBIR(Content-Based Image Retrieval) is a very important area of graph analyze and also the difficult of the search engine technology.
基于内容的图像检索(CBIR)是图像分析的一个的重要研究领域,也是目前搜索引擎技术的难点。
补充资料:图像表示
图像信息在计算机中的表示和存储方式。图像表示和图像运算一起组成图像模型,是模式分析中的重要组成部分。可以在图像信息的不同等级上对图像进行表示。最基本的物理图像是根据矩形网格抽样原理从连续图像域中抽取二维灰度阵列(矩阵)得到的。也可以用长向量表示二维灰度矩阵,它是按列(或行)扫描灰度矩阵,把下一列(或行)的头和前一列(或行)的尾相接而成。它们的线性可逆变换同样可以用来表示图像。图像的每一行由行程(具有同一灰度的邻近像元集合)序列所组成,因此也可以用行程长度编码(见图像编码)表示图像。另一种表示图像的方法是四分树,它是用树的根节点表示整个图像:假使图像的灰度都取同一数值,就把根节点标上该灰度,并停止产生后继节点,否则就对根节点加入四个后继节点,每个后继点表示图像的一个象限。假使其中的某个象限有同一灰度,就把和它对应的节点标上该灰度,并停止产生该节点的后继节点,否则重复上述产生四个后继节点的过程,直到所有的节点所对应的区域灰度都相同为止。假使图像的大小是2k×2k,若把根节点作为0级节点,则第k级节点就和一个像素相对应。这种表示方法能够减少存储量而且有相应的算法进行图像的基本运算,如邻域查找等。其缺点是图像的相对位移会使四分树表示发生改变,从而很难从四分树表示判断两幅图像是否全同。另一种图像表示方法是在抽取对象的边界或区域的基础上,对边界或区域进行描述,例如从边界上任意点出发沿边界进行跟踪,用数字表示跟踪方向,从而得到边界的数字链码表示。也可以用形状分析的方法表示对象的区域(见图像分割)。
更高一级的图像表示是描述图像中的物体和物体间的关系。这样一种图像常常称为逻辑图像。图像中的物体或组成部分可以用区域或一组几何特性来表征,还可以详细说明组成部分的位置和其他非几何的属性。一般用图表示逻辑图像,图中节点表示物体的组成部分,每个节点用组成部分的有关性质作成的表作为标签,必要时还可以用指针指向低一级水平的图像数据结构(如形成该区域的灰度阵列数据)。节点之间的有向弧用来表示相应组成部分之间的关系,用关系性质作成的表作为弧的标签。例如,图b给出由三个矩形块所组成的图像(图a)的逻辑图像表示。此外,也可以用文法形式表示物体之间的关系(见模式文法)。
为了使各种表示在同一系统中同时存在,就需要有相应的算法把一种表示转换为另一种表示,例如把二维阵列变换为四分树,或从四分树表示变换为二维阵列,以及从物理图像转换为逻辑图像,或者如计算机作图那样从逻辑图像数据得到相应的物理图像数据。此外还应有修改数据(如在树结构中增加或删除一个节点)的程序方法。
三维图像的一种表示方法是把三维阵列看成是由一系列二维图像阵列所组成,从而可以应用二维图像的表示方法;也可以类似四分树的方法,把立方块分解为原边长的二分之一的八个小立方块,递归地用八分树表示三维图像。另一种三维物体的近似表示方法是用广义锥,所谓广义锥是一个由轴、横截面形状和尺寸函数所组成的三元组。例如一个圆盘形以与轴成90°方向运动,且轴是一个水平线段并通过圆盘的中心,而尺寸函数又是一个常数时,就得到一个平放的圆柱体。任何复杂的三维物体都可以用相应的横截面形状沿轴线运动且尺寸大小按照尺寸函数改变所扫出的物体图像来近似地表示。此外,三维物体的边界可以用一组表面表示,其中每个表面可以用表面的斜率表征,从而可以用三维链码表示空间曲面。现代已研究出在二维图像基础上表示三维图像信息的各种方法。
参考书目
A.Rosenfeld and A.C.Kak,Digital Picture Processing, Academic Press, New York,1982.
K.S.Fuand T.L.Kunii(editors),Picture Engineering, Springer-Verlag, Berlin, 1976.
更高一级的图像表示是描述图像中的物体和物体间的关系。这样一种图像常常称为逻辑图像。图像中的物体或组成部分可以用区域或一组几何特性来表征,还可以详细说明组成部分的位置和其他非几何的属性。一般用图表示逻辑图像,图中节点表示物体的组成部分,每个节点用组成部分的有关性质作成的表作为标签,必要时还可以用指针指向低一级水平的图像数据结构(如形成该区域的灰度阵列数据)。节点之间的有向弧用来表示相应组成部分之间的关系,用关系性质作成的表作为弧的标签。例如,图b给出由三个矩形块所组成的图像(图a)的逻辑图像表示。此外,也可以用文法形式表示物体之间的关系(见模式文法)。
为了使各种表示在同一系统中同时存在,就需要有相应的算法把一种表示转换为另一种表示,例如把二维阵列变换为四分树,或从四分树表示变换为二维阵列,以及从物理图像转换为逻辑图像,或者如计算机作图那样从逻辑图像数据得到相应的物理图像数据。此外还应有修改数据(如在树结构中增加或删除一个节点)的程序方法。
三维图像的一种表示方法是把三维阵列看成是由一系列二维图像阵列所组成,从而可以应用二维图像的表示方法;也可以类似四分树的方法,把立方块分解为原边长的二分之一的八个小立方块,递归地用八分树表示三维图像。另一种三维物体的近似表示方法是用广义锥,所谓广义锥是一个由轴、横截面形状和尺寸函数所组成的三元组。例如一个圆盘形以与轴成90°方向运动,且轴是一个水平线段并通过圆盘的中心,而尺寸函数又是一个常数时,就得到一个平放的圆柱体。任何复杂的三维物体都可以用相应的横截面形状沿轴线运动且尺寸大小按照尺寸函数改变所扫出的物体图像来近似地表示。此外,三维物体的边界可以用一组表面表示,其中每个表面可以用表面的斜率表征,从而可以用三维链码表示空间曲面。现代已研究出在二维图像基础上表示三维图像信息的各种方法。
参考书目
A.Rosenfeld and A.C.Kak,Digital Picture Processing, Academic Press, New York,1982.
K.S.Fuand T.L.Kunii(editors),Picture Engineering, Springer-Verlag, Berlin, 1976.
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条