图像检索系统课设总结分析

01 Image retrieval Pipeline

图像检索(Image Retrieval）是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。

功能定义:提供n张query图像，对于每张query图像，从m（通常m > n)张gallery图像中，找出与之在语义上最相似k张图片。

图像检索简易Pipeline :
在这里插入图片描述

基于内容的图像检索技术的主要思想是根据图像的一些低级视觉特征，如颜色、纹理、图像对象的形状以及它们之间的空间关系等内容特征作为图像的索引，计算基准查询图像和图像数据库中图像的相似距离，按照相似度匹配进行检索。

基于内容的图像检索技术的研究涉及到人工智能、计算机视觉、信号处理、模式识别、认知心理学、数据库、人机交互等诸多学科领域，具有重要的理论意义。同时，它也是理论和实践紧密结合的一项研究，其最终目的就是帮助人们更方便、更快捷和更准确地去找到锁需要的多媒体资源，因此该技术具有巨大的应用前景。

基于内容的图像检索系统的主要目的还是要克服基于文本图像检索技术的局限性。基于内容的图像检索技术具有如下的特点：

（1）直接从图像的内容中提取线索。正是由于这一特点，使得基于内容的图像检索技术突破了传统的基于关键词检索的局限，直接对图像本身进行分析并提取特征，使得检索能够更加接近目标。

（2）提取特征的方法多种多样。从图像中可以提取的特征包括颜色、纹理、形状、目标轮廓等。

（3）检索是人机交互的。一般来讲，人对于目标的特征比较敏感，能够迅速分辩出目标的颜色、形状等信息，但是对于大量的对象，一方面难以记住这些特征，另一方面人工从大量数据中查找目标效率非常低，而这正是计算机的长处。因此，在基于内容的图像检索中，人和计算机相互分工配合进行检索。

（4）基于内容的图像检索是一种近似匹配。在检索中，可以采取逐步求精的算法，每一层中间结果都是一个集合，不断减小集合的范围，直到定位到近似目标。这一点和传统数据库的精确匹配算法有明显的不同。

CBIR的一般框架如图所示：
CBIR一般框架

图1-1 CBIR一般框架

要求系统使用的数据库能够满足对于著名地标建筑的图像检索，设计精美简洁的UI界面，用户运行应用程序选择图片即可检索，每张图像的平均检索时间应控制在50ms内。

索，设计精美简洁的UI界面，用户运行应用程序选择图片即可检索，每张图像的平均检索时间应控制在50ms内。