图像检索中索引存储与检索方法的研究与实现

摘要

图像检索的主要技术包括：图像特征的提取，图像特征的索引及检索。基于颜色直方图的图像检索可以快速地提取出图像索引，但颜色直方图仅仅表示图像中各种颜色的统计分布，而没有包含任何颜色的空间布局信息，由于颜色的空间布局明显不同，图像可以具有相似的颜色直方图，因此基于颜色直方图的图像检索区分度比较差，容易把很多实际内容相差很大而颜色直方图相似的图像都检索出来，给检索者带来选择的麻烦。而基于颜色与空间特征结合的图像检索可以克服颜色直方图的区分度比较差的缺点。但在一般的颜色与空间特征结合的图像检索方法中，其特征索引的提取都比较费时。国际标准MPEG-7中建议了一种颜色布局描述符，它表达了颜色的空间分布信息，该颜色布局描述既可以描述颜色的空间分布，又可以快速地提取出特征参数作为图像索引。 在基于内容的多媒体检索过程中，图像特征通常用高维向量来表示。根据高维特征向量的空间分布特点，将树形高维索引结构同聚类技术相结合，可以大大提高检索的效率。系统中用度量聚类树作为索引结构，实现了基于度量聚类树的范围查询和近邻查询算法，这两种算法充分利用了树节点中存储的距离表信息对检索过程中的检索路径进行判断与裁剪，大大减少了检索过程中高维向量间的距离计算次数，提高了算法的执行效率。此外，用表与表之间一对多的关系模型对度量聚类树进行了存储，避免了系统重复建立索引树的额外开销，方便了对索引的维护。 最后，把索引的存储技术以及基于度量聚类树的检索技术应用到了基于颜色布局特征的图像检索系统中。实验证明，索引的存储提高了系统的运行效率；基于度量聚类树的检索给系统提供了良好的检索性能。