本书共分为九章,前两章简要介绍了图像检索以及图像的基本理论知识和开发平台,帮助读者朋友初步了解图像检索技术。紧接着的四章则详细介绍了图像检索的相关算法并给出了一些编程实例,通过丰富的实现代码帮助读者朋友进一步理解和掌握图像检索的相关技术。最后三章是对图像检索基础知识的扩展,主要涉及到相关反馈、并行处理、高维索引等技术,为学有余力的读者提供更多关于图像检索的相关知识和发展方向。
《图像检索原理与实践/信息安全专业“十二五”规划教材》主要内容包括:图像检索与基本开发平台、图像的基本概念和操作、基于颜色的图像检索、特征比较、基于纹理特征的图像检索、基于混合特征的图像检索等。
第1章图像检索与基本开发平台
1.1概述
1.2典型的基于内容的图像检索系统
1.3检索性能的评价标准
1.4开发环境介绍
1.5集成开发环境的基本操作
1.6开发编程步骤
1.7图像检索系统的基本框架
第2章图像的基本概念和操作
2.1基本概念
2.2常见的图像格式
2.3图像文件格式的基本参数
2.4图像的BMP文件格式
2.5BMP图像的基本操作
2.6基本操作实例
第3章基于颜色的图像检索
3.1颜色的属性
3.2几种颜色模型
3.3颜色特征提取的基本方法
3.4颜色特征提取方法的实现
3.5基于参考颜色表法的图像检索实现
3.6基于块RGB均值法的图像检索实现
第4章特征比较
4.1特征空间
4.2欧氏距离
4.3街区距离
4.4直方图相交法
4.5二次式距离
4.6马氏距离
4.7几种距离算法的比较
第5章基于纹理特征的图像检索
5.1几种纹理特征的提取方法
5.2基于像素域的纹理检索
5.3基于变换域的纹理检索
5.4基于纹理的图像检索实现
5.5图像特征的高斯归一化
第6章基于混合特征的图像检索
6.1检索特征选择
6.2特征权值分配
6.3特征权重调整
6.4混合特征的图像检索实现
第7章图像检索的相关反馈
7.1相关反馈的概念
7.2相关反馈中的学习问题
7.3短期学习
7.4长期学习
7.5基于短期学习的图像检索
7.6基于日志库分析的长期学习
第8章图像检索中的并行设计
8.1并行算法设计原理
8.2图像库特征提取模块的并行设计
8.3查询模块的并行设计
8.4并行测试实例
第9章图像检索中的高维索引
9.1高维数据的空间分布特征
9.2高维数据的几种常用查询方式
9.3向量空间索引结构
9.4度量空间索引结构
9.5向量空间索引结构和度量空间索引结构的异同
9.6索引结构的并行处理
9.7几种常用的相似性检索算法
9.8BlockB—Tree:一种从高维转换到一维的索引结构
9.9结合聚类的BlockB—Tree扩展
主要参考文献
版权页:
其中,K是这个向量的维数。为了充分表达图像的丰富内容,该对象模型允许采用多个特征(特征表达)对图像进行描述,每个特征都有动态权值与之对应。图像特征权值存在于上述模型的每一级上,Wi,Wij,Wijk分别对应于图像特征fi、特征表达ri和特征表达的每一分量rijk。
相关反馈的目的就是找到最能体现用户信息需要的恰当权值。此外,由于在图像检索中采用了基于例子的检索,查询X本质上也是图像对象,因此它可以用上述模型来描述。
这里要特别注意的是,图像特征等价于上述图像模型中的特征表达形式rij模型中的图像特征fi指的是抽象概念上的图像特征,而并非具体的数学表达形式。
一个图像对象模型I(X,F,R)同一组相似度算法M={mij}一起构成了CBIR模型(X,F,R,M)。相似度算法M是用来计算两个图像对象之间的相似度。不同的特征可能采用不同的相似度算法,例如,直方图相交适用于颜色直方图。