5.2.1内容检索与内容匹配 ●问题的提出 当我们的数字图像数量很多时(达到上干张、 甚至上百万张),如何快速有效地找到需要 的数字图像是一项有挑战性的工作 那么,如何利用计算机辅助检索图像呢? (与文本检索不同,图像与图像之间的比较 是一个复杂的问题)
5.2.1 内容检索与内容匹配 • 问题的提出 – 当我们的数字图像数量很多时（达到上千张、 甚至上百万张），如何快速有效地找到需要 的数字图像是一项有挑战性的工作 – 那么，如何利用计算机辅助检索图像呢？ （与文本检索不同，图像与图像之间的比较 是一个复杂的问题）
5.2.1内容检索与内容匹配 传统的图像检索方法 通过图片的元数据或标引文字进行检索 例:图像元数据 宽度:210 高度:172 主题:玻璃瓶与草 背景:淡灰 内容:6个有草的玻璃瓶 3个瓶有红色液体 3个瓶有透明液体
5.2.1 内容检索与内容匹配 • 传统的图像检索方法 – 通过图片的元数据或标引文字进行检索 例：图像元数据 宽度：210 高度：172 主题：玻璃瓶与草 背景：淡灰 内容：6个有草的玻璃瓶 3个瓶有红色液体 3个瓶有透明液体
5.2.1内容检索与内容匹配 ·传统的图像检索方法 标引文字的检索的局限性是: ·图片的标引文字主要靠人工输入。对大数据量的场 合(如Web资源、数字图书馆等)应用困难 标引文字无法精确完整的刻画图片内容 文字描述一维线性的媒体,而图片是维非线性的媒体 生成或利用元数据的过程实质是在两种差异很大的媒体间 的翻译过程,有很大的随意性和信息损失
5.2.1 内容检索与内容匹配 • 传统的图像检索方法 – 标引文字的检索的局限性是： • 图片的标引文字主要靠人工输入。对大数据量的场 合（如Web资源、数字图书馆等）应用困难 • 标引文字无法精确完整的刻画图片内容 – 文字描述一维线性的媒体，而图片是二维非线性的媒体 – 生成或利用元数据的过程实质是在两种差异很大的媒体间 的翻译过程，有很大的随意性和信息损失
5.2.1内容检索与内容匹配 基于内容的图像检索方法 图胜千言,考虑绕过这些转换(翻译)过 程直接利用图片去检索图片,这就是基于内 容的检索的出发点 基于内容的图像检索的英文缩写:CBIR Content-Based Image Retrieval 90年代初,国际上就开始了对基于内容的多 媒体信息检索方面的研究
5.2.1 内容检索与内容匹配 • 基于内容的图像检索方法 – 一图胜千言，考虑绕过这些转换（翻译）过 程直接利用图片去检索图片，这就是基于内 容的检索的出发点 – 基于内容的图像检索的英文缩写：CBIR Content-Based Image Retrieval – 90年代初，国际上就开始了对基于内容的多 媒体信息检索方面的研究
5.2.1内容检索与内容匹配 基于内容的图像检索方法 大量原型系统已经推出技术正在逐步走向成 熟,已经出现一些商用系统。 商用系统如:IBM的QBIC、 VirageAJVIR Image Engine. 原型系统如:UCB的 BlobWorld(形状) Stanford的系统(颜色)。 检索效果仍需改进
5.2.1 内容检索与内容匹配 • 基于内容的图像检索方法 – 大量原型系统已经推出,技术正在逐步走向成 熟，已经出现一些商用系统。 • 商用系统如：IBM的QBIC、 Virage的VIR Image Engine。 • 原型系统如：UCB的BlobWorld（形状）、 Stanford的系统（颜色）。 – 检索效果仍需改进