基于内容的图像检索

>>

第53卷第 期　2009年5月　　

基于内容的图像检索高层语义处理方法

席彩丽

淮海工学院图书馆　连云港222005

〔摘要〕从图像语义层次描述方式、图像语义抽取方法两个方面对利用语义进行图像检索的研究状况进行总结,提出建立语义模板用于支撑高层语义检索,同时应用多层次的相关反馈方法建立和修正图像低层特征与高层语义间的联系,缩小图像检索过程中的“语义鸿沟”,达到一定程度语义检索的目的。〔关键词〕基于内容的图像检索　语义鸿沟　语义模型　知识表示〔分类号〕TP391.41

TheMethodsofHigh2LevelSemanticsProcessingilXiCaili

HuaiHaiInstituteofTechnology〔Abstract〕Thisofartofimageretrievalusingsemanticsmainlyfocusingupontwoaspects:levelof

image’ssemanticsemanticextraction.Generatingsemantictemplatetosupporthigh2levelimageretrieval,andusingmulti2layerrelevancefeedbackmethodsinthecontent2basedimageretrieval(CBIR)couldbuildandmodifytheassociationlow2levelfeatureandhigh2levelsemantic,whichwouldbehelpfultonarrowthe‘semanticgap’inimageretrievaltoreachthepurposeofsemanticre2trievaltosomeextent.

〔Keywords〕content2basedimageretrieval　semanticgap　semanticmodeling　knowledgerepresentation

　　计算机图像处理技术和多媒体技术的迅猛发展,使得基于内容的图像检索(ContentBasedImageRe2

trieval,CBIR)成为近年来非常活跃的研究领域之一。CBIR是一项从图像数据库中找出与检索式内容相似

含义。

　　基于高层语义信息的图像检索被认为是最具利用价值的图像语义检索方式,因为它允许用户在检索过程中可以用主观感觉来描述图像,这对于图像检索者而言,无疑有助于提高检索效率和准确度

[3]

的图像的检索技术,它利用从图像中自动抽取出来的低层特征,如颜色、纹理、轮廓和形状等特征,进行计算和比较,检索出符合用户需求的结果图像集,且其检索结果可以借鉴文本检索技术中的相关反馈技术得到优化提高。目前,有许多商业产品和实验原型系统被开发出来,如IBM公司的QBIC项目,VisuakSeek,Pic2

SOM,PicHunter,MIRROR

[1]

。为了从

高层语义信息方面对图像进行检索,必须利用更多的语义信息,目前面临的主要困难是:一是将图像视觉特征映射到高层语义的方法,即高层语义的提取方法;二是语义检索系统的语义处理方法,即如何减小“语义鸿沟”对图像检索系统的影响。本文从语义信息的抽取、建模和处理等方面对研究状况进行归纳和总结,提出了利用语义模板、相关反馈技术来缩小“语义鸿沟”对图像检索的影响。

。

　　然而,目前CBIR主要利用了图像的低层视觉特征

(如颜色、纹理、形状)进行检索,而人对图像的描述以

及对图像之间相似性的判断则一般是建立在图像所描述的对象、场景以及行为特征之上

[2]

,也就是说,由于

1　图像检索的语义层次

　　图像检索系统的用户会对系统提出怎样的查询请求以及如何判断检索结果的有用性,这对于如何来表达图像的内容至关重要

[4]

检索者进行检索的主要依据是图像的高层语义(如图像所表达的对象、行为、场景或感情色彩),而不是图像的颜色、纹理、形状等细节特征,因此,CBIR无法真正支持基于语义的图像检索,其关键性的局限在于没有利用知识推理系统来进一步挖掘图像的高层语义

。图像的内容可用图1来简

单描述:第一层是物理特征,反映了图像的低层物理特

　　收稿日期:2008-10-20　　修回日期:2008-12-15　　本文起止页码:121-124　　本文责任编辑:杜杏叶

121