基于內容模糊圖像檢索技術

前言：本站為你精心整理了基于內容模糊圖像檢索技術范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要：在本文中，提出了一種模糊圖箱數據模型和模糊空間的概念，給出了模糊相似性度量方法，描述了一個模糊空間中的檢索過程。

關鍵詞：基于內容模糊檢索匹配數據模型

1．模糊檢索的基本概念

模糊檢索即根據檢索對象的模糊特征來查找所需內容。在傳統的信息檢索領域，最流行的查詢是：精確的查詢條件和與滿足查詢條件的結果。而在實際使用中，有許多查詢條件不能精確定義，查詢結果卻是一組與查詢條件近似匹配的對象。其中包含了模糊概念，這就是模糊查詢。因此，在模糊查詢中，查詢條件是不確切的，查詢結果是近似的。

2．模糊數據庫模型

關系模型是傳統數據庫使用最多的數據模型。顯然，傳統關系模型難以適應基于內容的圖像數據庫的模糊查詢。為適應基于內容的圖像檢索，同時最大限度的利用關系數據庫的優點，我們對關系模型的概念進行了

擴展。其數據結構是一張由基本屬性和超屬性組成的二維表，即超關系構成。

3．模糊查詢過程

模糊查詢就是根據模糊特征來查找所需內容，由于檢索中查詢要求往往是根據人的主觀性所決定。因此很大程度上帶有模糊性，我們用圖1所示的查詢體系結構來說明具有模糊特征的基于內容檢索的基本方法。

3.1模糊查詢接口

模糊查詢接口是用戶輸入模糊查詢條件的人—機交互接口。模糊特征的描述實際上往往由用戶的主觀性所決定，對于圖像紋理，習慣于用“很粗”、“中等”、“弱”這樣的一些模糊概念來描述；形狀一般用“幾何形的”、“立體形的”或“似長方形的”、“正方形的”等概念描述；顏色特征通常用“很艷”、“一般”、“暗淡”或“大紅”、“紫紅”、“紅”這樣的模糊概念來描述。系統將復雜的多維特征經過模糊分類簡化為有限的幾個特征集上，數字化表示成模糊特征向量（Qji,j=1,…,Mi,i=1,…,q）。

要使用戶模糊查詢描述更精確，還需進行模糊特征的調整。當用戶用模糊概念輸入特征，計算機通過用相似性計算公式求得庫中一些與用戶輸入特征相近的對象，返回給用戶，然后由用戶從這組相似對象中選擇一個對象作為目標對象，并用模糊術語(如“更窄”、“更暗”等調整參考對象的每個特征，這些模糊術語又被轉化為一定的數值，經過相似性匹配求出更相似的對象。假設調整后的特征值為則調整可用如下公式表示:

=+

其中,是特征的當前值;是特征調整后的值;是特征的標準誤差;

是由用戶指定的改變映射成特征的結果(如“更窄”“更寬”等模糊術語)。

查詢模塊經過過濾操作得到更相似的對象組，用戶再次選擇直至找到要查詢的對象。

3.2模糊相似性度量

模糊相似性度量是實現模糊相似匹配的核心，常用模糊相似距離來作為檢查模糊查詢向量和模糊圖像向量之間的相似性的度量標準。為討論方便，我們以模糊年齡的相似性度量為例，來定義模糊查詢向量Qj,j=1,2,…,q和模糊圖像向量Bj,j=1,2,…,q之間的相似性度量。Qj,Bj是相同的模糊空間里的模糊子集（這里我們已經省略了上標）。

我們在多維模糊空間中對Q和B之間的距離dis定義為：

card(A)表示模糊集的基數，定義為：

4.結束語

模糊查詢與基于內容的圖像檢索有著密切的聯系。本文提出了一種模糊圖像數據模型和模糊空間的概念，該模型將可視特征、空間特征、語義特征看作超屬性，既充分利用了傳統關系數據庫的優點，同時又考慮了圖像數據以及模糊查詢的特點，能對圖像特征進行操作，文中提出的模糊空間和模糊相似性度量方法能支持基于模糊特征的圖像查詢，較好地體現用戶圖像查詢的應用需求。

參考文獻

1.白雪生，徐光佑，史元春，基于內容檢索的一種中間表達機制，軟件學報，Vol.10(4),400-405

2.Wu,J.K.andA.DesaiNarasimhalu,Fuzzycontent-basedretrievalinimagedatabase,InformationProcessing&Management,Vol.34,No.5,513-534