基于内容的web图片搜索技术研究

基于内容的web图片搜索技术研究

ID:11802327

大小:25.50 KB

页数:4页

时间:2018-07-14

基于内容的web图片搜索技术研究_第1页
基于内容的web图片搜索技术研究_第2页
基于内容的web图片搜索技术研究_第3页
基于内容的web图片搜索技术研究_第4页
资源描述:

《基于内容的web图片搜索技术研究》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、基于内容的Web图片搜索技术研究  1基于内容的Web图片搜索技术研究  1引言  近年来,互联网技术、云计算技术、移动计算、大数据存储技术飞速发展,已经成为人们网络购物、在线教育、移动医疗的重要信息来源。网络资源信息众多,从简单的文本到视频、图像和声音等多媒体资源,增加了人们获取资源的难度[1]。搜索引擎是随着Web信息资源的迅速增加而诞生的一种技术。搜索引擎可以按照既定的搜索策略,在互联网中搜集、发现信息,并且对信息进行理解、提取、组织和处理,根据用户需求反馈搜索结果,从而达到快速导航的信息服务目的[2]。由于搜索引擎主要是输入文字等关键词进行查询,如果图像内容无法通过关键词描述或描述

2、不精确时,搜索引擎就无法准确搜索到客户期望的图片内容[3]。为了提高图片搜索质量,人们提出了基于内容的Web图像搜索技术,该技术可以直接分析图片内容,根据特征进行分类,搜索引擎通过对网络上的多媒体图像进行比对和分析,输出检索的图片资源[4]。  基于内容的Web图片搜索关键技术研究  在设计与实现过程中,基于内容的Web图片搜索引擎的关键技术主要包括图片特征提取和表示、特征向量的比对技术、网络海量图片的分析和信息存储等。图片特征提取和表示是基于内容的Web图片搜索最为核心的技术,只有准确提取图片中隐含的内容信息,才可以正确地理解、分析和辨别图像[5]。目前,图像特征主要包括低级特征和高级特

3、征两类,低级特征包括图片颜色、形状、纹理,高级特征主要包括图片中物体名字和图片主题等语义特征。低级特征可以通过图片分割等自动分析技术获取,高级特征需要人工获取。图片特征提取之后,可以使用向量形式进行表示和描述,建立一个良好的图片特征数据库。图片特征向量建立完毕之后,需要采用先进的图片比对技术,图片分析与比对技术主要包括神经网络、遗传算法、支持向量机等算法,可以将用户期望搜索的内容与Web图片信息库进行比对,选择用户期望的图片内容。互联网中的图片资源较多,因此如何组织图片资源,将其保存在一个有效的数据库中,以便人们能够快速地提取图片并且对其进行分联盟析,将特征信息存储到向量特征数据库中,已经

4、是图片搜索的挑战问题。目前常用的图片存储数据库主要采用智能分级网络数据库,可以实现动态添加图片资源、描述图片资源特征、快速搜索等。  基于内容的Web图片搜索应用趋势探索  目前,基于内容的Web图片搜索技术将会在数字图书馆、Web图片搜索、家庭电子相册和电子商务等领域得到广泛的应用,以便提高人们获取图片信息资源的能力。  数字图书馆建设。近年来,数字图书管理收录的信息资源越来越丰富,传统的文字搜索已经无法满足需求。基于内容的Web图片搜索引擎可以帮助数字图书馆用户直接搜索多媒体资源,以便能够快速的获取图书资源,为用户提供高可靠性服务。  Web图片搜索。目前,多媒体数据资源在Web内容中

5、占据的比例越来越高,出现了Flash动画、视频图像等新兴多媒体类型,因此,为了能够满足人们的需求,基于内容的图片搜索可以应用在Web多媒体图像搜索过程中,满足人们获取多媒体信息的需求。  家庭电子相册。目前,智能手机、数码相机、数码摄像机、扫描仪等多媒体录入设备越来越多,越来越多的家庭重视日常生活的留念,使用数字设备拍摄、录制、保存和管理家庭照片和视频资源,但是目前所有的设备都不支持基于内容的检索,必须为每一个照片或视频资源赋予准确的概括的名字,管理工作复杂。因此,基于内容的Web图像搜索技术可以应用于家庭相册软件中,实现自动化、内容式搜索。  电子商务。目前,随着淘宝网、天猫网、京东商城

6、、国美商城、蘑菇街等电子商务网站的快速发展和进步,电子商务已经如雨后春笋般出现在人们的生活过程中。为了能够保证商品的畅销,许多商品都设计和制作了美丽的电子图片、录制视频资源和动画向人们展示。因此,为了能够更好地向用户推广商品,需要根据用户的需求,基于内容直接实现电子商务图片、视频和动画资源搜索,为用户提供直观的购物体验。  结语  基于内容的Web图片搜索技术可以采用图片分割、特征提取、特征描述、特征匹配等技术直接搜索图片资源,有效提高人们使用互联网多媒体资源的效率。但是,基于内容的Web图片搜索研究尚处于探索阶段,并没有得到广泛的应用,其研究前景是非常广阔的,未来必将得到广泛的推广。

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。