基于颜色特征的图像检索系统研究(4)
6。 鉴定服务。对一些文物进行数字化管理，当对其进行鉴定时，根据图像检索算法可以迅速区分真伪，实现鉴定。而且其他多种服务可延伸。
近年来，图像检索效率越来越高，应用领域越来越广泛，如何从图像中更好的提取特征是图像检索效率高低的关键，因此全面挖掘图像本身特点，从多个角度解释图像很有必要，目前有颜色特征，纹理特征，形状等等。结合这些特征有利于提高检索效率。知名检索系统有：
1。 QBIC(Query By Image Content) 开创了以内容为基础的图像检索系统的先河[4]。它于20世纪末期由IBM公司开发开发。它可以检索动态和静态的图像。QBIC查询系统提供了多种方式，包括：使用图片本身，并在一定范围内进行搜索，使用者画出草图进行检索，挑选不同的特点进行查询，使用者通过视频片段进行检索，或者对动态图检索。当使用者想要查询的图片进入计算机，计算机通过图像的特点进行特征提取，这些特征有颜色，形状，纹理。由用户自己选择某种方式。形态特征有使用，圆，偏心，轴的挠度和一套代数不变矩的区域。QBIC仍然被认为是为数不多的高维系统中的一个特征指标。
2。 Virage是Virage公司的开发基于图像检索引擎的系统。它和前面介绍的系统有很多相似的地方，它支持多种视觉特性，比如颜色特征，纹理特征，形状特征的图像检索。杰里[4]提出了进一步开放帧图像管理，视觉特性为共同的特征（如颜色，纹理和形状）和领域相关的功能（如用于癌症检测和人脸识别）两类。 此系统的核心提供了四种不同的方法对图像进行检索。每个属性被分配以从0的重量至10。通过颜色特征检索图像是最简单的，通过对于色调，颜色和选定的基本图象的饱和度的进行软件分析，然后找到在图像库中最接近的颜色属性的图像。组分是指颜色区域的相关特性近似的程度。需要反复进行实验，查看它的效率，寻求最后的平衡，它的搜索过程是很快的。结果表明，该矩阵可以选择查看3，6，9，12，15或18的图。通过使四个属性的权重不断变化，从而用来表示不同的搜索结果。文献综述
3。 RetrievalWare系统是由神剑科技有限公司开发制作。它是以内容为基础的图像搜索工具。早期的发展中，它使用的算法是神经网络算法，这是检索系统的重点。它的使用基于图像特征的多种属性，包括色彩，形状，质地，色彩结构，亮度和纵横比结构的较新版本。色彩属性是测量其彩色图像的比例，但不包括颜色或位置的结构的确定，这个人是由彩色属性控制结构;形状属性在一个图像相对定向，曲率和对比度的轮廓线或物品;纹理特征可以看作是图片的平滑度或者是图像的表面粗糙度;亮度属性指定构成该图像组合的像素的多少。这是一个非常强大的图片搜索工具。
4。 Photobook系统也是一种基于内容的图像检索系统[4]。它由三个子系统组成，他们负责不同的方面的工作，主要是对不同特征的提取。因此，用户可以根据图像不同特点对图像进行检索。在Photobook的最新版本中，是把用户的想法嵌入到系统中，即用户反馈系统。由于人类的认识是主观的，他们提出了“模型集”人的因素相结合。根据实验数据显示，这种方法是有效的。
1。6 图像检索所面临的问题
第一是图像特征的表示。从人眼观察角度，图像的存在是丰富多彩的，它可以通过多种方式表达其特点，每一种特点也会有多种方式去诠释，比如可以通过形状特点去描述，还可以使用包含纹理和空间位置关系等等特点描述[3]。多种方式多种角度赋予其更高的精度去模拟人的眼睛所观察到的景象。因此考虑到这个条件，它的特征提取的复杂性，将是图像搜索中的一个大山，需要科技研究人员一步步攀登。
下一篇：Java的学生信息管理系统设计