精华内容
下载资源
问答
  • 基于内容图像检索系统 转载自:http://blog.csdn.net/flyingworm_eley/article/details/6521765 ------------------------------------------------------------------------------------------------------...

    基于内容图像检索系统

    转载自:http://blog.csdn.net/flyingworm_eley/article/details/6521765

    ------------------------------------------------------------------------------------------------------------------------------------------


    基于内容图像检索已经发展二十多年,基本简单技术已经成熟,总结一下几个系统。

    http://gdimitriou.eu/wp-content/uploads/2008/04/google-image-search.jpg

    下面的十款搜索引擎可以帮你实现,以图找图,以图搜图,以图片搜索相似的图片。

    一:http://tineye.com/

    Tineye是典型的以图找图搜索引擎,输入本地硬盘上的图片或者输入图片网址,即可自动帮你搜索相似图片,搜索准确度相对来说还比较令人满意。

    TinEye是加拿大Idée公司研发的相似图片搜索引擎,TinEye主要用途有:1、发现图片的来源与相关信息;2、研究追踪图片信息在互联网的传播;3、找到高分辨率版本的图片;4、找到有你照片的网页;5、看看这张图片有哪些不同版本。

    二:http://shitu.baidu.com

    百度正式上线了其最新的搜索功能——“识图”(shitu.baidu.com)。该功能是百度基于相似图片识别技术,让用户通过上传本地图片 或者输入图片的URL地址之后,百度再根据图像特征进行分析,进而从互联网中搜索出与此相似的图片资源及信息内容。但需要注意的是,用户上传本地图片时, 图片的文件要小于5M,格式可为JPG、JPEG、GIF、PNG、BMP等图片文件。

    三:http://www.gazopa.com/

    GazoPa搜索图片时,不依据关键词进行检索,而是通过图片自身的某些特征(例如色彩,形状等信息)来进行搜索。GazoPa搜索方式有四种:

    第一种是传统的通过关键词搜索图片,但在传统图片搜索领域GazoPa与google等搜索引擎无法竞争。

    第二种是创新的通过图片搜索图片,但在此领域GazoPa无法与TinEye相竞争。TinEye很容易就能搜索出与原图最接近的一些结果,而GazoPa很多时候的搜索结果则完全无法与原图匹配。

    第三种是通过手绘图片搜索图片,这种方式其实没太大用处。GazoPa虽然有这样那样的不足之处,但也算是一个很有独创性的搜索引擎。GazoPa目前还处在内测阶段,想要加入测试的可以在官网上留下你的邮箱地址,收到邀请后你就可以测试使用了。

     

    四、http://similar-images.googlelabs.com/

    Google实验室的图片搜索:输入一个关键词后,例如“lake”,返回的页面里面点击某个图片的下面的Similar images,运用Google 类似图片搜索功能引擎,即刻为你把类似的图片全部搜索出来,展示给用户以便查看。其准确率、相似率相对比较高。

    五、http://www.picitup.com/

    Picitup是一个刚开始公测的专业图片搜索引擎,功能非常强大,并支持中文关键字的搜索,是国内图片爱好者的不错选择。Picitup主要 支持关键字的搜索,但在它的特色搜索项目——名人匹配搜索(Celebritymatchup)中,你可以通过上传本地照片来进行搜索,不过结果一般让人 失望。Picitup可以通过在搜索结果页选择过滤方式来筛选图片,比如可以按颜色、头像(人脸)、风景、产品四种类别来过滤搜索结果。

    Picitup最大特点是提供相似图片搜索,即通过关键字找到初始图片,点击初始图片下面的similar pictures按钮,即可搜索与该张图片类似的图片。其实质和Google实验室类似图片搜索是一样的。

    六、http://www.tiltomo.com/

    Tiltomo是由 Flickr 开发的一个搜索工具,主要用来维护Flickr 自己的图片数据库,其搜索算法主要是基于相似的主题风格或相似的色调和材质。

    七、http://cn.bing.com/

    Live.com允许你进行一次关键字搜索后再执行相似性的搜索。你可以为Live索引中的任意一张图片寻找相似的图片,但搜索结果看起来并不是很精确。
    八、http://www.xcavator.net

    Xcavator 和Live.com很相似,你需要先输入一个关键字,然后在搜索结果中挑选一张图片,在根据这张图片的特点来进行搜索。

    九、http://www.incogna.com

    Incogna的搜索速度非常快,主要是基于色彩和形状上的相似性。

    十、http://www.terragalleria.com

    Terragalleria主要基于视觉上的相似性,而不考虑图片的内容。

    十一、http://labs.ideeinc.com/upload/
    Byo image search是根据你上传的图片来搜索相似的图片,算法主要是基于色彩,也包括主题风格。

    十二、淘淘搜:http://www.taotaosou.com/



    展开全文
  • 基于内容图像检索的关键技术研究

    千次阅读 2013-11-27 19:37:46
    基于文本的图像检索技术  20世纪70年代末期,基于文本的图像检索技术(text-based image retrieval)是将图像作为数据库中存储的一个对象,用关键字或自由文本对其进行描述。查询操作是基于该图像的文本描述进行...

    基于文本的图像检索技术
      
    20世纪70年代末期,基于文本的图像检索技术(text-based image retrieval)是将图像作为数据库中存储的一个对象,用关键字或自由文本对其进行描述。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,有些系统的检索模型还有词典支持。另外,图像数据模型、多维索引、查询评价等技术都在这样一个框架下发展起来。然而,完全基于文本的图像检索技术存在着严重的问题。首先,目前的
    计算机视觉技术和人工智能技术都无法自动对图像进行标注,而必须依赖于人工对图像做出标注。这项工作不但费时费力,而且手工的标注往往是不准确的,还不可避免地带有主观偏差。此外,图像中所包含的丰富的视觉特征(颜色或纹理等)往往无法用文本进行客观地描述。

      基于内容的图像检索技术
      
    20世纪90年代初期,随着大规模数字图像库的出现,上述问题越来越严重。为了克服这些问题,基于内容的图像检索技术(content-based image retrieval,简称CBIR)应运而生。区别于原有系统中对图像进行人工标注的做法,
    基于内容的检索技术自动提取每幅图像的视觉内容特征作为索引,如色彩、纹理、形状等。此后几年中,这个研究领域中的许多技术发展起来,一大批研究性的或商用的图像检索系统被建立起来。
      基于内容的图像检索系统具有与传统文本的检索系统完全不同的构架。首先,由于图像依赖其视觉特征而非文本描述进行索引,查询将根据图像视觉特征的相似度进行。用户通过选择具有代表性的一幅或多幅图例来构造查询,然后由系统查找与图例在视觉内容上比较相似的图像,按相似度大小排列返还给用户。这就是所谓的通过图例的检索(query by image example)。另外,基于内容的检索系统一般通过可视化界面和用户进行交互,以便用户能够方便地构造查询、评估检索结果和改进检索结果。
      图1是基于内容图像检索系统的体系结构。系统的核心是图像数据库。图像特征既可以从图像本身提取得到,又可以通过用户交互获得,并用于计算图像之间的相似度。用户和系统之间的关系是双向的:用户可以向系统提出查询要求,系统根据查询要求返回查询结果,用户还通过对查询结果的相关反馈来改进查询结果。


    图1 CBIR系统的体系结构


      图像检索技术的组成
      1.图像特征的提取
      图像特征的提取是基于内容的图像检索技术。从广义上讲,图像的特征包括基于文本的特征(如关键字、注释等)和视觉特征(如色彩、纹理、形状、对象表面等)两类。基于文本的图像特征提取在数据库系统和信息检索等领域中已有深入地研究,本文主要讨论图像视觉特征的提取。
      视觉特征又可分为通用的视觉特征和领域相关的视觉特征。前者用于描述所有图像共有的特征,与图像的具体类型或内容无关,主要包括色彩、纹理和形状;后者则建立在对所描述图像内容的某些先验知识(或假设)的基础上,与具体的应用紧密相关,例如人的面部或指纹特征等。
      对于某个特定的图像特征,通常又有多种不同的表达方法。由于人们主观认识上的千差万别,对某个特征并不存在一个所谓最佳的表达方式。事实上,图像特征的不同表达方式从各个不同的角度刻画了该特征的某些性质。
      2.图像相似度的度量
      (1)视觉特征的相似度模型
      基于文本的检索方法采用文本的精确匹配,而基于内容的图像检索则通过计算查询和候选图像之间在视觉特征上的相似度匹配进行。因此,定义一个合适的视觉特征相似度衡量方法对检索的效果有很大影响。由于视觉特征大都可以表示成向量的形式,
    常用的相似度方法都是向量空间模型(vector space model),即将视觉特征看作是向量空间中的点,通过计算两个点之间的接近程度来衡量图像特征间的相似度。常用的度量方式有绝对值距离度量、欧拉距离度量、二次式距离度量、马式距离度量等。
      (2)图像检索的性能评价
      对检索效果的评价在于检索结果的正确与否,主要使用的是查准率(precision)和查全率(recall)两个指标。查准率的含义是在一次查询过程中,系统返回查询结果中相关图像的数目占所有返回图像数目的比例;查全率则指系统返回查询结果中相关图像的数目占图像库中所有相关图像数目(包括返回的和没有返回的)的比例。用户在评价查询结果时,可以预先确定某些图像作为查询的相关图像,然后根据系统返回的结果来计算查准率和查全率。这两个指标的值越高说明检索方法的效果越好。
      3.相关反馈技术
      系统根据用户提交的查询条件,在图像数据库中找到一些最相似的图像返回给用户。提交的查询将首先转换成由一些特征结合起来的向量,采用线性组合的方法结合起来再分别与数据库中图像的向量计算得到最后的相似度。相似度高的图像成为检索的结果。
      虽然特征和特征相结合起来进行检索,在一定程度上提高了图像检索的效果,不过检索系统的性能还是不太令人满意,其主要原因有以下几个方面:
      (1)由于一张图像中存在很多信息,而且不同的用户对同一张图像的认识差异也很大;这就使得即使是相同的查询,不同用户希望得到的结果差异也很大。
      (2)由于低层特征并不反映图像真正的语义信息,因此当用户提交一张图像作为查询时,系统很难找到用户真正想要寻找的图像。
      这些问题导致自动的图像检索效果不能令人满意。因此,许多系统都引入了人的交互,通过用户的相关反馈来逐渐提高检索的结果。借鉴文本信息检索的方法,我们在系统中也引入了相关反馈来修改用户提交的查询,使得修改后的查询逐步接近用户真正的需求,来提高系统的检索性能。
      通过相关反馈对用户提交的查询的修改,检索的性能比原先有了一定提高。不过,大多数相关反馈并不具有记忆能力,每次反馈后的结果只能提高本次查询结果。因此我们引入了语义网络,把每次反馈的结果记录到语义网络中,使得系统的效果随着使用次数的增加而逐步提高。
      4.索引技术
      为了使基于内容的图像检索技术能够扩展到应用于大规模的图像库,我们必须采用有效的多维索引技术。存在的难题有两个方面:
      (1)高维数:通常情况下,图像特征向量维数的数量级是102。
      (2)非欧拉的相似度度量:由于欧拉度量方法可能无法有效地模仿人类对视觉内容的所有感知,我们经常需要采用其他的相似性度量方法。
      要解决上述这些问题,可行的途径是首先采用维数缩减技术降低特征向量的维数,然后使用适当的多维索引技术(通常能够支持非欧拉的相似度衡量方法)。常用的两种缩减维数方法是Karhunen-Loeve变换法(KLT)和聚类法。尽管经过了维数缩减,图像特征向量的维度仍然较高,因此我们还需要选择一个合适的多维索引算法来为特征向量建立索引。有三个研究领域对多维索引技术做出过贡献,分别是计算几何、数据库管理系统和模式识别。现在较流行的多维索引技术包括Bucketing成组算法、k-d树、优先级k-d树、四叉树、K-D-B树、HB树、R树以及它的变种R 树和R*树等。除了以上几种方法,在模式识别领域有广泛应用的聚类和神经网络技术也是可能的索引技术。
      总的来说,随着多媒体和网络技术的发展,图像信息管理问题越来越成为一个具有重大现实意义和挑战性问题。而基于内容的图像检索技术是解决目前图像信息爆炸的有效方法之一,从而上述几项关键技术就显得尤为重要。

    展开全文
  • 再收集一下基于内容图像检索系统

    千次阅读 2011-04-12 21:02:00
    基于内容图像检索已经发展二十多年,基本简单技术已经成熟,总结一下几个系统。下面的十款搜索引擎可以帮你实现,以图找图,以图搜图,以图片搜索相似的图片。一:http://tineye.com/Tineye是典型的以图找图搜索引擎...

    基于内容图像检索已经发展二十多年,基本简单技术已经成熟,总结一下几个系统。

    http://gdimitriou.eu/wp-content/uploads/2008/04/google-image-search.jpg

    下面的十款搜索引擎可以帮你实现,以图找图,以图搜图,以图片搜索相似的图片。

    一:http://tineye.com/

    Tineye是典型的以图找图搜索引擎,输入本地硬盘上的图片或者输入图片网址,即可自动帮你搜索相似图片,搜索准确度相对来说还比较令人满意。

    TinEye是加拿大Idée公司研发的相似图片搜索引擎,TinEye主要用途有:1、发现图片的来源与相关信息;2、研究追踪图片信息在互联网的传播;3、找到高分辨率版本的图片;4、找到有你照片的网页;5、看看这张图片有哪些不同版本。

    二:http://shitu.baidu.com

    百度正式上线了其最新的搜索功能——“识图”(shitu.baidu.com)。该功能是百度基于相似图片识别技术,让用户通过上传本地图片 或者输入图片的URL地址之后,百度再根据图像特征进行分析,进而从互联网中搜索出与此相似的图片资源及信息内容。但需要注意的是,用户上传本地图片时, 图片的文件要小于5M,格式可为JPG、JPEG、GIF、PNG、BMP等图片文件。

    三:http://www.gazopa.com/

    GazoPa搜索图片时,不依据关键词进行检索,而是通过图片自身的某些特征(例如色彩,形状等信息)来进行搜索。GazoPa搜索方式有四种:

    第一种是传统的通过关键词搜索图片,但在传统图片搜索领域GazoPa与google等搜索引擎无法竞争。

    第二种是创新的通过图片搜索图片,但在此领域GazoPa无法与TinEye相竞争。TinEye很容易就能搜索出与原图最接近的一些结果,而GazoPa很多时候的搜索结果则完全无法与原图匹配。

    第三种是通过手绘图片搜索图片,这种方式其实没太大用处。GazoPa虽然有这样那样的不足之处,但也算是一个很有独创性的搜索引擎。GazoPa目前还处在内测阶段,想要加入测试的可以在官网上留下你的邮箱地址,收到邀请后你就可以测试使用了。

     

    四、http://similar-images.googlelabs.com/

    Google实验室的图片搜索:输入一个关键词后,例如“lake”,返回的页面里面点击某个图片的下面的Similar images,运用Google 类似图片搜索功能引擎,即刻为你把类似的图片全部搜索出来,展示给用户以便查看。其准确率、相似率相对比较高。

    五、http://www.picitup.com/

    Picitup是一个刚开始公测的专业图片搜索引擎,功能非常强大,并支持中文关键字的搜索,是国内图片爱好者的不错选择。Picitup主要 支持关键字的搜索,但在它的特色搜索项目——名人匹配搜索(Celebritymatchup)中,你可以通过上传本地照片来进行搜索,不过结果一般让人 失望。Picitup可以通过在搜索结果页选择过滤方式来筛选图片,比如可以按颜色、头像(人脸)、风景、产品四种类别来过滤搜索结果。

    Picitup最大特点是提供相似图片搜索,即通过关键字找到初始图片,点击初始图片下面的similar pictures按钮,即可搜索与该张图片类似的图片。其实质和Google实验室类似图片搜索是一样的。

    六、http://www.tiltomo.com/

    Tiltomo是由 Flickr 开发的一个搜索工具,主要用来维护Flickr 自己的图片数据库,其搜索算法主要是基于相似的主题风格或相似的色调和材质。

    七、http://cn.bing.com/

    Live.com允许你进行一次关键字搜索后再执行相似性的搜索。你可以为Live索引中的任意一张图片寻找相似的图片,但搜索结果看起来并不是很精确。
    八、http://www.xcavator.net

    Xcavator 和Live.com很相似,你需要先输入一个关键字,然后在搜索结果中挑选一张图片,在根据这张图片的特点来进行搜索。

    九、http://www.incogna.com

    Incogna的搜索速度非常快,主要是基于色彩和形状上的相似性。

    十、http://www.terragalleria.com

    Terragalleria主要基于视觉上的相似性,而不考虑图片的内容。

    十一、http://labs.ideeinc.com/upload/
    Byo image search是根据你上传的图片来搜索相似的图片,算法主要是基于色彩,也包括主题风格。

    十二、淘淘搜:http://www.taotaosou.com/

    CBIR在电子商务的典型应用。

    http://www.taotaosou.com/img/index_logo.png

     

    十三、~~淘~~宝图像:http://imagine.**tao**bao.com

    是淘淘搜的团队做的。结果更加绚丽实用。


    展开全文
  • 基于内容图像检索的若干技术研究

    千次阅读 2011-06-09 15:31:00
    颜色直方图的这些特性使得它比较适合于检索具有全局颜色相似性的图像,即通过比较颜色直方图的差异来衡量两幅图像在颜色全局分布上的差异。这是它在许多图象检索系统中被广泛采用的原因。它所描述的是不同颜色在整幅...

    1.       颜色特征

    (1)     颜色直方图

    颜色直方图的优点是:计算简便;对幅度不大的平移、缩放和旋转等几何变换不敏感;对于图像质量的变化,如模糊,也不甚敏感。颜色直方图的这些特性使得它比较适合于检索具有全局颜色相似性的图像,即通过比较颜色直方图的差异来衡量两幅图像在颜色全局分布上的差异。这是它在许多图象检索系统中被广泛采用的原因。它所描述的是不同颜色在整幅图象中所占的比例,但是并不关心每种颜色所处的位置,缺点是缺乏对图像中颜色的空间分布的描述。

    (2)     颜色矩

    strickerOrengn认为图像的信息集中在颜色的低阶矩中,并提出了颜色矩的索引方法。他们对图像中的所有像素统计,并在每种颜色分量上的计算一阶矩(Mean)、二阶矩(variance)和三阶矩(Skewness)。由于颜色分布信息主要集中在低阶矩中,因此可以采用颜色的一阶矩(mean)、二阶矩(variance)和三阶矩(翻物ess)来表达图像的颜色特征。因此,如果我们只计算图像的三个低阶距的话,则一共有9个分量值,其中3个颜色分量,每个颜色分量有3个低阶矩。在实际应用中为避免低阶矩较弱的分辨能力,颜色矩常和其它特征结合使用。

    (3)     颜色聚合向量

    其核心思想是将直方图的每个颜色的像素分为两部分:聚合像素和非聚合像素。当图像中某个颜色bin的像素所占据的连续区域的面积大于某一阐值时,把该区域内的所有像素作为聚合像素,否则为非聚合像素。据此,可以统计图像在每种颜色bin上的聚合像素和不聚合像素的数量,并将每一颜色bin的聚合像素和不聚合像素组合在一起就得到了相应图像的颜色聚合向量(也有人称之为颜色一致性矢量),并以此作为图像的颜色特征。

    该特征不但刻画了某种颜色的像素数量占整个图像的比例,还包含了颜色分布的空间信息,因此在需要物体空间信息的图像检索中颜色聚合向量比颜色直方图会有更好的检索结果。

    (4)     颜色相关图

    该特征不但刻画了某种颜色的像素数量占整个图像的比例,还包含了颜色分布的空间信息,因此在需要物体空间信息的图像检索中颜色聚合向量比颜色直方图会有更好的检索结果。

    (5)     颜色集

    首先选择合适的颜色空间并在此空间进行量化。然后,利用此颜色量化函数对图像进行量化处理。最后,为每一种颜色确定一个阐值,如果图像中属于此颜色的像素数目达到了此阐值,则相应二值指示向量的对应位置置为“1”,否则置0。事实上,颜色集只是一种表示方式,它等价于阐值直方图。另外,如果每一种颜色阐值定义的都比较高的话,颜色集中置“1”的那些颜色事实上就是图像的主色。

    基于颜色的检索方法仅仅是基于内容检索的一种重要的方法,实际上在应用中它常

    常和其它图像特征相结合,才能达到更好的效果。

    2.       纹理特征

    将图像中局部具有不规则性,而宏观有规律的特性称之为纹理[27]。纹理是与物体表面材质有关的图像特征,是一种不依赖于颜色或亮度反映的视觉特征[28】,它是图像的低层特征,是图像的一个重要属性,目前广泛地应用于基于内容的图像检索中。

    纹理分析的方法大致可以分为以下三种:统计法、结构法以及频谱法[29]

    统计法是利用图像中的象素统计特性来描述纹理的。其中包括自相关函数法、光学变换法、数字变换法、纹理边界法、灰度共生矩阵法等。

    结构法则认为纹理是由一些基本纹理单元按照某种排列组合而成。其中主要包括马尔可夫模型、分形模型以及Wold分解模型。但是由于大多数的图像纹理是不规则,因而这种方法没有被广泛的采用。

    频谱法则是把图像从时域空间变换到频域空间,然后在频域空间提取图像的纹理特征。典型的算法有:小波变换、傅立叶变换以及DCT变换等。这种方法是在频率域范围内利用功率谱函数以及滤波器理论来进行纹理的分析。

    按照人的感知,纹理通常表现为粗糙度(coarseness)、对比度(contrast)、方向度 (directionality)、线像度 (linellikeness)、规整度 (regularity)和粗略度 (roughness)
    展开全文
  • 基于内容图像检索 2016-07-26 19:48 4523人阅读 评论(3) 收藏 举报 分类: 图像检索(9) 目录(?)[+] 图像检索基于内容图像检索技术  2016年06月05日 图像检索 图像检索 字数:6890 ...
  • 基于内容图像检索概述

    千次阅读 2012-11-22 16:34:51
    基于内容图像检索概述 摘要:我们现在处于信息爆炸的时代,各种海量信息充斥在我们周围,如何能在海量的数据中搜索到我们想要的图像是个很有挑战性的研究课题。本文简要分析了目前基于内容图像检索(CBIR)的几...
  • 基于内容图像检索 概述

    千次阅读 2014-05-26 19:25:29
    本文简要分析了目前基于内容图像检索(CBIR)的几种主要方法,如颜色,纹理,语义和综合多特征等。最后还对基于内容图像检索的未来进行展望。 关键词:CBIR;图像检索;颜色;语义 1引言
  • 为什么需要基于内容图像检索(CBIR)2. 查询方式和现有系统3. 具体内容3.1 特征提取3.2 颜色特征3.3 纹理特征3.4 形状特征3.5 相关反馈3.6 索引结构3.7 MPEG-7 1. 为什么需要基于内容图像检索(CBIR) 当前...
  • 基于内容图像检索引擎

    千次阅读 2017-02-10 12:05:32
    基于内容图像检索引擎(以图搜图) 标签: CBIR基于内容图像检索引擎以图搜图图像识别 2013-10-05 10:41 77643人阅读 评论(5) 收藏 举报  分类: 图像检索(6) 互联网(1) CVPR(14)...
  • 基于内容图像检索

    2019-01-10 11:00:11
    以下内容是从360百科上整理的,仅仅为了方便自己查看,请其他人点击原文查看。 ...   评价:写的一般吧。随便看看吧,很多技术都很老了。... 基于内容图像检索,即CBIR(Content-based image ret...
  • 转:https://blog.csdn.net/u013087984/article/details/52038980图像检索基于内容图像检索技术 2016年06月05日 图像检索 图像检索 字数:6890背景与意义在Web2.0时代,尤其是随着Flickr、Facebook等社交网站...
  • 基于内容图像检索系统(合集)

    万次阅读 2013-10-09 19:24:29
    基于内容图像检索,即CBIR(Content-based image retrieval),是计算机视觉领域中关注大规模数字图像内容检索的研究分支。典型的CBIR系统,允许用户输入一张图片,以查找具有相同或相似内容的其他图片。而传统的...
  • 基于HSV图像检索matlab代码

    热门讨论 2013-07-13 16:27:59
    基于HSV图像检索matlab代码,效果较好。
  • 基于内容图像检索概述。课程报告论文
  • 基于内容图像检索引擎(以图搜图) 本文介绍一些基于内容图像检索技术(Content-Based Image Retrieval,CBIR)的搜索引擎(即以图搜图),这类搜索引擎基本上代表了图像检索和识别的主流技术,其中有些...
  • 基于内容图像检索源代码

    热门讨论 2010-03-27 19:37:55
    该代码主要是用于图像检索的,希望对大家有帮助!
  • 作者:赵丽丽 ...基于内容图像检索(CBIR, Content Based Image Retrieval)是相对成熟的技术领域,在工业界也有广泛的应用场景,如搜索引擎(Google、百度)的以图搜图功能,各电商网站(淘宝、Amazo...
  • 基于内容图像检索(CBIR, Content Based Image Retrieval)是相对成熟的技术领域,在工业界也有广泛的应用场景,如搜索引擎(Google、百度)的以图搜图功能,各电商网站(淘宝、Amazon、ebay)的相似商品搜索,...
  • 基于内容图像检索技术(1)

    千次阅读 2014-10-14 22:28:19
    基于内容图像检索技术 一、概述  基于内容图像检索技术是一种综合集成技术,它通过分析图像的内容,如颜色、纹理等,建立特征索引,并存储在特征库中。用户在查询时,只要把自己对图像的模糊印象描述出来,就可以在...
  • 文章目录基于内容图像检索系统第一章 基于内容图像检索简介及相关工作1.1 简介1.2 相关工作第二章 基于内容图像检索原理及方法分析2.1 颜色度量体系2.2 颜色特征的表达第三章 实验论证3.1流程图 基于内容的...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 51,494
精华内容 20,597
关键字:

基于内容的图像检索