《基于内容的图像检索技术研究》开题报告2800字

题目：基于内容的图像检索与推荐技术研究一、论文选题的意义图像一直以来都是人类青睐的多媒体载体之一，在远古时代人们就通过图上像传递有用的信息，从身边和我们密切相关的技术说起，我们每天所获取的天气信息都来自于卫星云图，再由专业天气人员根据丰富的经验判断得出，再者，公安人员对于案件的侦破也常常借助于图像信息，在当今互联网时代，电子商务也大都以图像的形式向客户传递有用的信息，现在己经出现各种对图像的需求，有效地检索和分类图像信息成为急需要解决的问题。基于内容的图像检索(Content-BasedImageRetrieval,CBIR)技术的产生符合了时代的潮流，可以满足人们对于图片的不同需求。作为一种实用性很强的技术，基于内容的图像检索有着广阔的应用前景并涉及到社会和生活的很多方面。图像分类是图像检索的基础，己有研究表明有效的图像分类技术是实现图像快速检索的有效途径，对提高图像检索的效率和精度具有重要的研究价值。因此，基于内容的图像检索的分类方法己成为国内外研究的热点。前期的图像检索的分类方法主要是依靠图片索引中的关键字来进行分类，这种方法基于图像人工文本注释，使用文本检索实现图像分类。使用图像设置关键字和文本描述信息分类方法作为一种网络信息检索分类方法，因为有着写作很难反映图像完整内容和费时费力的缺点，己经越来越不能适应需求。随着海量图像数据的不断出现，科研人员基于图像的颜色、纹理、形状、面积和视特征等信息，根据例图在大规模图像检索中的作用提出了基于内容的图像检索(CBIR)，实现了图像的视觉内容根据分类的特征，这种尝试找到地图查询模式是”关键字找到图“的一个大突破，是成为分类的图像检索技术研究和主流。二、国内外研究现状基于内容的图像检索分类方法研究随着信息时代而不断扩张。多媒体计算机技术、网络传输速度增加，新的有效的图像/视频压缩技术不断出现，让人们通过网络实现全球多媒体信息共享成为可能。为了满足人们大规模图像信息需求，提出一种新的基于内容的图像检索分类方法势在必行。传统的图像检索的分类方法以网页中所包含的图片周围的关键词或者描述性文本作为图片的索引数据并将网络上的图片进行分类。当需要进行图像检索时，系统根据索引数据的分类就可以找到对应的图片。使用此类图片搜索原理的搜索引擎有Google图片搜索、百度图片。但是此类方法也存在明显的不足:使用关键词或者描述性文本对用户的描述准确性和图像关键字有很大的依赖性，很难在图片的结果集中得到一个良好地分类。现在，除了传统搜索引擎主要采用关键字分类方法的图片搜索功能外，国内外也出现了许多采用其它分类方法的专业图片搜索引擎，例如FlickrColorSelectr,MulticolrSearchLab,Retrievr、中国搜图网等等。FlickrColorSelectr和MulticolrSearchLab均使用颜色作为主要搜索特征，用户通过选择想要搜索的颜色来查找具有相似颜色的图片。Retrievr图片搜索引擎能根据用户在涂鸦板上的描绘搜出相关的图像。但是这些搜索分类方法的缺陷是只依赖于颜色特征对搜索出的图像进行分类，缺少依照关键字的分类功能，这就导致了搜索结果缺乏针对性和逻辑性。基于内容的图像检索技术出现于90年代初期，它使用颜色、形状和纹理特征作为图像检索的依据(内容为基础的图像检索技术)。因为它具有重要的研究意义和很好的应用价值，并迅速成为一个研究热点。有许多国内外形成系统，例如，IBMQBIC，麻省理工学院，哥伦比亚等。尽管当前己经有大量研究和实际应用使用了基于内容的图像检索技术，但是由于基于内容的图像检索分类方法还不成熟，还需要进一步的研究和改进。没有一种图像检索分类方法，适用于任何领域，但目前主流的搜索引擎还没有完全实现基于内容的图像检索结果分类，这是一个很好的证明。当前，由于CBIR方法的特征提取、相似度比较等算法复杂度较高，所以该技术目前更多的局限于本地图像的检索。为了在互联网中搜索引擎技术中大规模使用CBIR系统，就要面对如何解决快速有效的提取图像特征、如何在互联网资源中得到想要的相似或相同的图像文件等问题，这些都是对实时性要求较高的CBIR系统函需解决热点问题。因此，将基于内容的图像检索分类方法充分应用于门户搜索引擎，使检索结果实现良好分类，将是未来重要的研究方向。三、论文研究的基本思路及欲解决的主要问题随着诸如智能手机、数码相机、平板电脑等电子设备的普及，人们可以用越来越容易的方式创作以及获取图片。同时，社交网站的兴起，如国外的Instagram、Facebook和国内的QQ等，直接催生了人们分享照片的兴趣。这些原因无疑导致了图像数据库的规模迅猛增长，例如，flickr作为一个照片分享网站，单是2017年就有用户上传了高达6亿张图片，中国最大的电商网站淘宝同样保存着数十亿计的用户图片。海量的图像规模不仅在存储方面增加了难度，同时在应用方面，也对能够让用户精准、快速的查找感兴趣的图片提出了挑战。因此，针对大规模图像数据库的信息检索，成为了当前数字图像处理技术方向的研究热点。到目前为止，大规模图像检索的主流是基于内容的图像检索技术，主要方式是类似于文本处理方面的词袋模型，本文即对此展开介绍，并解释其他的扩展方法。本文下面的组织如下：第1章介绍基于内容的图像检索技术的基本内涵，并介绍图像检索的评价指标，第2章介绍了利用提取图像局部特征的基本BoF模型检索方法，以及相应的索引、相似度计算方式，第3章介绍了对聚类的改进，即汉明嵌入，第4章介绍了基于几何信息的重排，第5章则展示了实验效果，对所采用的方法进行相应的实验，并利用评价指标进行效果评价。四、作者已进行的前期准备及资料搜集情况1、图像检索技术的特点；在检索的时候利用图像的特征内容可以使过程检索效率更高，可移植性强。能够提供比较相近的匹配技术，可以判断出来同一幅图像的不同的表达形式。对于大规模的数据库的检索有着很高的效率。2、图像检索评价指标对图像检索返回的结果，本文利用的评价指标为平均精度均值指标(meanAveragePrecision,mAP)指标。mAP是指的是平均精度(AveragePrecision,AP)的均值：mQ代表查询次数。APi则是第iAP实现中，积分会被一个有限和代替：APn表示取回的图像结果的个数，j是取回图像的序列，Pj就代表前j个图像的精度，∆rj则是从第j−1五、阶段性工作计划1选题2022年10月15日-2022年10月31日2撰写论文开题报告并提交2022年11月1日-2022年11月25日3准备资料、撰写修改并提交论文初稿2022年11月26日-2023年1月20日4准备资料、撰写修改并提交论文二稿2023年1月21日-2023年2月20日5论文定稿、打印装订并提交论文终稿2023年2月20日-2023年3月21日6论文答辩2023年3月22日-2023年4月10日六、参考文献七、指导教师审阅意见