基于内容的图像检索技术研究开题报告

1. 研究目的与意义（文献综述）

互联网和多媒体技术在迅速发展，在网络平台上发布和存储的视频信息和图像信息大幅增长，而图像作为多媒体的主要传播形式，已经广泛应用到教育，科学，文化，军事和医疗等多个领域，自从多媒体信息融入到我们的生活中，每天都会产生大量的图像，例如在instagram、facebook、qq、微信、微博等网络社交平台上，图像信息和视频信息每天都在以及其惊人的速度呈爆炸式增长，类型复杂多变，并且具有大规模、多样性等特点，这些图像对于人脑来说，可以表达和翻译，然而对于机器来说是无法表达和翻译的。

要想得到高精度的结果，不能用传统的图像检索机制，因此，在网络中的图像大数据中，用户所需要的信息如何被快捷又精确地找到，已然成为了一项具有深远意义并且非常富有挑战性的研究课题。

人类对图像检索的研究从源于20世纪70年代，由于技术的原因，当时还主要是基于发展相对成熟的文本图像检索技术（text-based image retrieval，简称tbir），利用关键字去描述图像的有关特征，目前在搜索引擎中应用最多的，也是这种文本图像检索方法。

2. 研究的基本内容与方案

基于内容的图像检索(content-based image retrieval，cbir)指的是查询条件本身就是一幅图像，它建立索引的方式是通过提取图像特征，然后通过计算比较这些特征和查询条件之间的距离，来决定两幅图像的相似程度。

本次设计的目标是在matlab中设计一个基于内容的图像检索系统，系统的主要功能是：输入目标图像，选择特征提取方法和相似度测量方法，从而在图像库中检索出相似的图像并输出。

本次设计是建立在数字图像处理技术上对图像检索系统展开的，图像检索系统的重点在于提取图像的低层特征和相似度测量。本系统设计主要包括：图像颜色及纹理特征的提取，多特征融合技术和特征匹配技术等。

3. 研究计划与安排

1-3周：查阅相关文献资料，熟悉题目含义及基本研究内容，撰写开题报告。

4-9周：完成相关理论知识的学习与研究，复习数字图像处理相关知识，对图像检索关键技术进行学习。

10-14周：复习matlab相关知识，对基于内容的图像检索进行仿真实现。

4. 参考文献（12篇以上）

[1]Nikolaos Passalis,Alexandros Iosifidis,Moncef Gabbouj,Anastasios Tefas. Variance-preserving deep metric learning for content-based image retrieval[J]. Pattern Recognition Letters,2020,131.[2]Megha Agarwal,R. P. Maheshwari. Multichannel Local Ternary Co-occurrence Pattern for Content-Based Image Retrieval[J]. Iranian Journal of Science and Technology, Transactions of Electrical Engineering,2020,44(1).[3]张赫.基于颜色和纹理的图像检索算法[J].广播电视信息,2020(02):43-46.[4]D. Mansoor Hussain,D. Surendran. Content based image retrieval using bees algorithm and simulated annealing approach in medical big data applications[J]. Multimedia Tools and Applications,2020,79(5).[5]钟奇林,左劼,孙频捷.基于区域的CBIR图像检索方法研究进展[J].现代计算机,2019(36):64-68.[6]Ranjit Biswas,Sudipta Roy,Debraj Purkayastha. An efficient content-based medical image indexing and retrieval using local texture feature descriptors[J]. International Journal of Multimedia Information Retrieval,2019,8(4).[7]Prashant Srivastava,Ashish Khare. Content-based image retrieval using local ternary wavelet gradient pattern[J]. Multimedia Tools and Applications,2019,78(24).[8]刘清.基于多特征融合的图像检索方法研究[J].电脑与电信,2019(10):4-9.[9]邵福波,黄静.图像检索研究综述[J].山东化工,2019,48(15):81-82.[10]高硕. 基于内容的图像检索系统研究与实现[D].华北理工大学,2019.[11]刘凡. 基于机器学习的图像检索研究[D].上海师范大学,2019.[12]董晨.基于内容的图像检索系统相关技术探究[J].信息系统工程,2019(04):28.[13]缪智文,何丽嘉,刘洞波.一种基于加权颜色形状特征和LBP-GLCM纹理特征提取的服装图像检索方法[J].纺织报告,2019(04):4-7.[14]艾妮. 图像检索中局部特征聚合的研究[D].吉林大学,2019.[15]R. Rani Saritha,Varghese Paul,P. Ganesh Kumar. Content based image retrieval using deep learning process[J]. Cluster Computing,2019,22(2).[16]周文博,王思贤,刘帅.基于图像索引内容结合数据库检索方式的应用与实现[J].数字技术与应用,2019,37(02):59 61.[17]刘颖,张帅,葛瑜祥,王富平,李大湘.轮胎花纹图像检索技术综述[J].计算机科学,2018,45(12):52-60.[18]魏爽.一种基于内容的图像检索系统设计[J].电脑与电信,2018(12):56-59.