图像检索技术综述_向友君
第18卷第3期重庆邮电学院学报(自然科学版)V ol.18 No.3 2006年6月Journal of Chongqing U niversity of Posts and T elecommunications(N atural Science)Jun.2006
文章编号:100425694(2006)0320348207
图像检索技术综述3
向友君,谢胜利
(华南理工大学智能信息处理实验室,广州510640)
摘 要:对于一个图像检索系统,最重要的是信息获取的准确性、快速性和有效性。通过对现有信息检索技术的分析和比较,包括基于内容的信息检索、基于语义的信息检索、基于反馈的信息检索和基于知识的信息检索,指出了现有图像检索系统的难点和不足,同时指出了图像检索技术的发展趋势和研究方向。
关键词:基于内容图像检索;基于语义图像检索;基于反馈图像检索;基于知识图像检索
中图分类号:TN911.73 文献标识码:A
0引 言
基于内容的视觉信息检索(content2based visu2 al information ret rieval,CV IR)是视觉信息研究中的新热点。国际标准化组织ISO/IEC制定的M PEG27国际标准,对不同多媒体信息的描述进行统一标准,极大地促进了对各种多媒体信息的快速查询和访问。最初的图像检索方法利用传统的文本检索技术,为图像作出文字化的注释,以诠释图像的内容。这种方法的特点是简单、易于理解,但是其存在几个根本的问题难以解决。首先,随着图像/视频数据的不断增加,内容不断丰富,很难用文字标签来准确完全地表达其含义,同时对其进行注释的工作量也是非常巨大的。其次,传统的图像注释多采用手工完成,图像注释是靠观察者选出来加上去的,因此受主观因素影响很大,不同的观察者或同一观察者在不同条件下对同一幅图像可能作出不同的描述。最后,对不同的应用需要,可能需要对图像/视频进行不同的描述,这就需要对整个数据库中的数据进行重新制作,更新文字标签,因此这种方法只适用于特定的查询要求,不能满足不同的用户的需求。在本文中,我们根据不同的检索方法对现有的各种信息检索技术进行了系统分析和比较,重点研究了基于语义、反馈和知识的图像检索技术。其中,基于知识的图像检索技术将传统的基于文本的检索和基于特征的检索方法结合起来,融入了基于知识的处理方法,能够更有效地表达图像内容,实现对图像快速有效地检索,因此得到了越来越多的关注。1基于内容的图像检索
20世纪90年代以来,基于内容的图像检索(content2based image ret rieval,CBIR)的研究和应用得到了长足的发展[1,2]。CBIR利用图像的颜色、形状、纹理、轮廓、对象的空间关系等基本视觉特征进行检索,这些特征都是客观独立地存在于图像中的。因此这种图像检索方法的主要特点是利用图像本身包含的客观视觉特性,不需要人为干预和解释,能够通过计算机自动实现对图像特征的提取和存储等。目前基于内容图像检索技术已经取得了不少的成就,一些著名的图像检索系统相继被推出,有IBM的QBIC系统[3],哥伦比亚大学开发的Visual2 SEE K[4,5],M IT多媒体实验室开发的Photo2 Book[6],U C Berkeley开发的Chabot[7]系统等。
颜色特征的表达方法有许多种,包括直方图法、累计直方图法、局部直方图法等。颜色直方图法具有运算速度快、存储空间要求低的特点,并且对图像的尺度及旋转变化不敏感,因此得到了广泛关注。但是,由于颜色描述符选择不完全统一,国际标准M PEG27中给出的颜色空间包括R G B,YCbCr, HSV,HMMD,相对于R G B的线性变换矩阵和单色空间。基于不同的颜色空间进行的检索效果也不尽相同,因此,给各种检索系统的评价带来了一定的难度[8]。另外,虽然颜色直方图直观地描述了图像全局的颜色分布,但它不包含任何位置的图像内容中反映空间内容和关系的信息。为了克服这种缺陷,人们试图将空间信息应用到基于颜色特征的检
3收稿日期:2005204208 修订日期:2006204203
基金项目:国家自然科学基金项目(60274006);国家杰出青年自然科学基金项目(60325310)和教育部跨世纪优秀人才基金资助项目
作者简介:向友君(19772),女,湖南省保靖县人,硕士研究生,主要研究方向为图像处理和视频压缩编解码,E2mail:yix2 iang@https://www.wendangku.net/doc/8f13910441.html,;谢胜利,男,教授,博导,IEEE高级会员,主要研究方向为自适应多路回波消除、盲信号处理以及图像处理等研究。
索中来,现已取得了一些进展。例如:文献[9]中提出的一种新的基于颜色和空间特征的相似性获取方法,设计了无序矩阵来描述图像空间位置的相对关系,使在彩色图像相似度检索时具有较高的检索精度。
纹理描述方法包括统计法、频谱法和结构法,这些方法也常结合使用。一般认为纹理就是纹理元素有规律地排列组合,而把相互接近、相互编织的具有重复性的区域看作为纹理元素。统计法纹理描述符包括灰度直方图的各阶矩、基于共生矩阵的描述符、基于马尔可夫随机场的纹理分析等。频谱法纹理描述的性能较好,有傅里叶变换、DC T变换、Gabor变换、小波变换等。经过变换后,图像中的灰度周期变化或近周期变化信息可以通过频率特性来描述。结构法纹理描述包括图像的对比度、粗细度、方向性、重复性和复杂性等。这种描述方法通常将计算特征与语义联系起来,[10]。
形状特征可用面积、周长、离心率、拐点数、圆形度、形状矩、曲率、分形维等全局和局部特征来表示。从本质上看,形状特征的表达比颜色或纹理的表达要复杂得多,它常与目标联系在一起,常须提取目标的轮廓或描述目标轮廓所包围的区域的性质。基于形状的分析方法主要有:几何参数法、自回归模型法、傅里叶描述符、微分法、小波轮廓表示法、不变矩法、向心链法等,随着人们对图像检索的进一步研究,不断有形状特征描述方法被提出。基于形状的图像检索需要解决的关键问题是图像的平移变换、尺度变换和旋转变换不变性问题。
在图像信息系统中,依据图像中的目标与目标之间的空间位置关系来表示图像相似度也是一个非常重要的方法。图像中目标的关系包括空间关系(如绝对位置和相对位置),朝向关系(如上、下、左、右等),拓扑关系(如相邻、覆盖、包含等)和结构关系。由于纹理特性仅对具有一致纹理的图像或区域有效,而使用形状特征需要对图像进行分割,所以一般仅对具有简单和明显目标轮廓的图像有效。图像的结构特性(如边缘密度、边缘方向、平行线等)既不需要对图像进行分割,也不在乎图像区域是否具有一致纹理。
2基于语义的图像检索
为了克服基于简单视觉特征的图像检索方法的不足,人们提出了基于语义的图像检索方法[11213]。与基于低层物理特征查询不同,语义特征查询是基于文字的查询,包含了自然语言处理和传统图像检索技术。这种检索方法的目标是最大限度地减小图像简单视觉特征与丰富的语义之间的语义鸿沟[14](semantic gap)。缩小语义鸿沟的办法有2种:由高层语义导出低层特征和由低层特征向高层语义的转换。
图像语义具有模糊性、复杂性、抽象性,一般包括3个语义层次:特征语义、目标和空间关系语义、高层语义。特征语义就是图像的颜色、形状、纹理等低级视觉特征,与视觉感知直接相连;目标语义和空间关系语义需要识别和提取图像中的目标类别、目标之间的空间位置等关系,涉及到模式识别和逻辑推理的相关技术;高层语义主要涉及图像的场景语义(如海滨、街道、室内等)、行为语义(如表演、超越、进攻等)和情感语义(如平静、和谐、振奋等)。一般而言,高层的图像语义往往建立在较低层次的语义获得的基础上,并且层次越高,语义越复杂,涉及的领域知识越多。基于语义的图像检索一般指的是基于目标和高级语义的图像检索方法。
在原有检索系统中加入高级语义到低层特征的转化,可以在不改变现有的图像特征库和匹配方式的情况下,实现基于语义的图像检索,其基本框图见图1
。
图1基于语义的图像检索系统框图
Fig.1Block diagram for semantic2based
image retrieval system
图像语义的提取过程是由低层特征向高层语义转化的过程。在获取语义和有效地表达语义的基础上,可以建立语义索引,提取图像语义模型如图2所示
。
图2图像语义提取模型
Fig.2Image semntic retrieval model
3基于反馈的图像检索
相关反馈方法的基本思想是在检索过程中,允
?
9
4
3
?
第3期 向友君,等:图像检索技术综述
许用户对检索结果进行评价和标记,指出结果中哪些是用户希望得到的查询图像,哪些是不相关的,然后将用户标记的相关信息作为训练样本反馈给系统进行学习,指导下一轮检索,从而使得检索结果更符合用户的需要。
应用较广的一种相关反馈方法一方面修改查询向量,另一方面,利用反馈信息修改距离公式中各特征向量的权值,突出查询向量中较为重要的分量。例如:在MA RS系统中[15],通过检测用户标记的图像对每个特征的偏差来确定特征权值,当偏差较小时,表示相关图像对于该特征是一致的,应该将该特征赋予较大的权值。相反地,若标记的图像对一个特征有较大的偏差,则对该特征赋予较小的权值,因此,特征的权值同标记的图像的特征偏差成反比。另外,特征空间中的查询向量向相关的标记样本方向移动,同时远离不相关的图像。Rui等人进一步将相关反馈问题转化为一个矢量方程最优化问题[16],并利用Lagrange乘法器将受限的系统方程转化成不受限的,最终根据加权距离函数寻找最优的特征权值。但是由于它只能在特征空间的轴线方向进行加权,因此对于双峰的相关分布无法达到最优的效果。文献[17]中提出的一种自适应提取最优特征维的相关反馈算法,对图像的各种特征具有适应性,与以往的算法相比,检索精度在多次反馈后有较大提高。
基于支持向量机(SVM)的相关反馈方法[18,19]是在每次反馈过程中对用户标记的正例和反例样本进行学习,建立SVM分类器作为模型,并根据该模型进行检索。在每次反馈过程中,如果用户标记的样本是在特征空间中属性相近的图像,即作为支撑向量的样本,则因为距离较远的样本对SVM分类器没有影响,所以虽然用户标记的反馈图像有限,但是对于建立SVM分类器已经足够,可以有效地控制机器学习的推广能力。SVM方法的主要难点在于核函数的选取,核函数的选取直接影响到分类器的泛化能力。但是,SVM方法还有一个缺点,就是用于反馈的图像必须在标记边界图像和最优图像中作出折中选择。另外,Jing Peng提出了一种基于多类的相关反馈方法[20],将用户反馈的类型至少分为相关、有点相关和不相关3类,使系统更准确地把握用户对图像相似度的反馈信息,从而比二分类方法具有更好的检索性能。
基于Bayes准则的相关反馈方法的基本思想是根据用户反馈的信息进行统计判断。理论上讲, Bayes算法与其他分类算法相比具有最小的出错率,然而实践中由于对应用假设的不准确性,缺乏可靠的概率估计。Cox等人最早把这个理论用于他们建立的基于内容的图像检索系统Pic Hunter中[21],利用用户反馈信息更新数据库中图像的后验概率分布,从而指导选择下一次显示给用户的图像。同其他相关反馈系统修改查询向量不同,该系统是通过修改查询结果来达到优化效果的。随后,Cox等人不断地优化Pic Hunter系统[22,23],提出了用于Bayes相关的反馈系统的优化的交互策略,提出一个熵极小化显示算法,从有限的用户反馈中获取较多的信息等。
D.Sean等人提出一种相关反馈决策树检索技术(relevance feedback decision tree ret riever, RFD T)进行交互的基于内容的图像检索方法[24]。RFD T算法试图将任意一幅图像划分为用户需要和不需要2类中的1类。首先由用户提供一个查询图像,然后根据最近邻准则得到K幅图像。用户对该K幅图像进行标记相关或不相关2种,并反馈到系统中,每个标记的图像对应的特征向量同时被标记,用于训练一个决策树。根据决策树,图像库中每个图像都被划分相关和不相关图像。在第2次反馈过程中,K+1个特征向量被用于构造决策树,并利于决策树选取另外K个图像,供用户进行标记。标记后的图像反馈到系统,此时决策树的训练集由2K+1个特征向量组成。如此循环,检索的精度不断提高,从而达到用户满意的结果。RFD T方法的优点是对数据库中的图像只检索1次,不出现重复标记问题,同时当不选用所有特征进行分类时,其结果优于加权特征分类方法。
总之,基于反馈的图像检索系统能够得到更精确的搜索结果,具有很大的实用价值。基于反馈的检索系统主要有以下几点要求:系统反馈的图像数目要合理,选的图像太少会降低系统的性能,选的图像太多不能达到用户的满意;系统迭代的次数不能太多,应该在几次交互操作后,便满足用户的需要;特征提取和系统处理时间要尽可能短,从而达到用户操作的要求。
4基于知识的图像检索
基于知识的图像检索系统是将人工智能领域的基于知识的处理方法引入到图像处理领域,通过对图像理解、知识表达、机器学习,并结合专家和用户的先验知识,建立图像知识库实现对图像数据库的智能检索。基于知识的图像检索方法主要涉及到自然语言理解、专家系统、知识表达和机器学习等人工智能的主要研究领域。
4.1自然语言理解
自然语言查询要解决的主要问题是:如何针对
?
5
3
? 重庆邮电学院学报(自然科学版) 第18卷
各种语言并存的现象,将各种概念表达方式统一到语义网络中,实现对用户查询请求的理解,进行自然语言智能答询。它将信息检索从基于关键词层面提高到基于知识(或概念)层面,对知识有一定的理解和处理能力,能够实现分词技术、同义词技术、概念搜索、短语以及机器翻译技术等。概念检索能够提供比全文检索更为智能化、知识化的服务是通过自然语言处理的句法分析和规则索引,提取搜索的词句所表达的含义,从词句的概念意义层次上来认识和处理用户的检索请求,而不是传统的全文检索。关键字的机械式匹配为核心的检索经常造成检索不全,答非所问的结果。基于知识的图像检索要实现图像的高级语义检索,必然要涉及到自然语言理解的问题,构建概念空间语义网络,实现智能图像检索。
4.2专家系统和知识表示方法
专家系统的开发有3个基本的要素:领域专家、知识工程师和大量实例。在建立专家系统时,首先由知识工程师把领域专家的专门知识总结出来,以适当的形式存入计算机,建立知识库。根据这些专门知识,系统可以进行推理,作出判断和决策,能够解决一些只有人类专家才能解决的困难问题。专家系统的核心是知识表达和知识库的建立。
图像检索领域涉及到的知识主要为图像数据库相关领域的知识,包括事实性知识和规则性知识。事实性知识是人工定义的描述图像内容的文本注释,对应于各种应用领域中知识的逻辑模型,其内容无法通过图像处理方法从图像中得到,例如,地理信息系统中,标注的城市、街道的名称,医学图像数据库中病人的姓名和身份等信息。规则性知识包括图像的内容特征,高级语义特征和从低级视觉特征到高级语义之间相互转换的规则与条件等。
4.3基于知识的处理方法
基于知识的方法应用很广,普遍适用于图像处理和分析领域的各个分支,包括基于知识的图像增强系统[25]、基于知识的图像分割技术[26229]、基于知识的图像分析和表达系统[30232]、基于知识的图像特征提取和图像识别等[33235]。以下是几个典型的基于知识的处理技术。
R.B.Inamp udi等人提出一种基于知识的卫星遥感图像分割和表示方法[36],它将图像处理技术同领域专家的经验和辅助知识(例如以前的研究区域地图信息)结合起来,能有效地对复杂卫星图像进行分割。一个完整的基于知识的图像分割系统包括2部分:①根据光谱知识规则分割卫星遥感图像;②根据空间规则和以前的地图信息收集更多的区域来优化分割。
C.C.Matt hew等人提出一种基于知识的自动脑瘤分割系统[37]。该系统能够自动分割并标记出对人脑的MRI磁共振图像中的肿瘤。系统通过比较不同类型的组织的不同成像效果,建立了一个知识库。通过一个称为“知识工程”的过程来确定哪些知识对于肿瘤分割最有用,从而建立一个规则系统。
S.Y.Lee等人将基于知识的特征提取方法和模糊神经算法应用于正面人脸识别系统中[38]。在图像预处理过程中,首先通过跟踪人脸轮廓将脸部区域从相似的背景中分离出来,然后,基于对人脸的先验知识,抽取了5个标准化特征。在识别部分,提出一种模糊神经算法,采用梯形模糊函数和修正的误差传播算法。通过对20人的80幅测试图像的测试,表明该方法比传统的方法具有更高的识别率。传统的方法由于脸部边缘通常受到图像阴影,噪声和头发的影响,不能得到正确的分割,可靠性较差。
4.4基于知识的图像检索系统
基于知识的图像检索系统将基于知识的处理方法应用于图像检索系统中,提高了系统的自主性、学习性和智能性。图像检索系统中涉及到的知识库不仅包括自然语言理解所需的语义网络框架,还包括用于将低级图像特征导出高级语义的生成式规则知识库。因此,基于知识的图像检索系统将信息处理技术、人工智能技术和图像处理技术有效地结合在一起,实现了对图像数据库的智能检索。整个系统的核心过程是知识库的建立问题。由于图像类型多种多样,包含了非常丰富的语义知识,因此对其进行特征提取和知识表达是非常困难的。目前进行的基于知识的图像检索研究还仅是针对专门领域的图像库,要建立一个通用的图像知识库还需要各领域专家的共同努力。下面以基于知识的医学图像检索系统为例,对基于知识的图像检索系统作具体说明。
Hsu Chih2Cheng等人将基于知识的处理方法引入基于内容的图像检索领域[39],实现了利用基于知识的方法检索医学图像。它能够支持图像的语义索引,包括相似性预测、空间语义操作符和概念术语参考。感兴趣的图像目标通过对图像的轮廓分割来表达。图像内容(例如形状和空间关系)可以根据特定领域知识从目标轮廓中得到。
该系统采用1个3层的模型来表示图像,将提取图像特征和图像语义结合在一起,3层结构分别是:表达层(representation layer,RL)、语义层(se2 mantic layer,SL)和知识层(knowledge layer, K L)。利用这个模型,可以进行基于特征和内容的图像检索。图像的原始数据存储在RL层,这里同
?
1
5
3
?
第3期 向友君,等:图像检索技术综述
一图像目标可以以不同的形式表达(如X光照片, MRI,CT图像等)。用于查询的图像目标通过RL 层中提取的图像轮廓表达。在SL层中,一个基于目标的技术用来对从RL中抽取的图像表达的内容进行建模。在SL中,特征被分为导出的特征、复合的特征和概念特征。这些特征加上附加的知识来表示图像特征语义或相似度。K L包括基于抽取的图像特征值来解释图像语义和图像相似度的逻辑规则。在K L层,图像的特征分类通过一个自动的聚类算法实现,并且通过一种称为类型抽象层(type abst raction hierarchies,TA Hs)的语义网络表示图像的语义信息。类型抽象层能够把低级目标特征和高级语义结合起来,提供对图像内容的多层次的知识描述,用来处理语义操作符查询和相似度操作符查询。如概念术语(如大,近)可以通过TA Hs翻译成相关属性的取值范围。这些导出的特征取值范围被用作检索相似图像的查询约束,用于基于内容的图像检索过程。
另外,文献[40]中Wesley W.Chu进一步优化了上述系统,将基于知识的语义图像模型分为4层(原始数据层、特征内容层、方案层和知识层),提供支持时间、空间、进化的访问和处理机制。Shyu Chi2Ren等人提出了根据人类感知类对医学图像进行检索的方法[41]。该方法同样采用了一个层次结构,首先对图像提取特征,这些低层特征用来表示感知类,然后根据不同的感知类的关系来描述疾病类别。根据内科专家的感知类,列出每一种类型的肺病所表现的低级特征,并且对这些低级特征赋予不同的权值,以构造线性分类器来进行检索。这种系统对于特征提取和病例检索更优于其他方法。
综上,基于知识的视觉检索系统应该具备下列特性:
1)系统将图像的人工注释、机器自动提取的图像低层特征同高级语义和领域专家的先验知识相结合,构成知识库系统;
2)计算机系统不仅能保存知识,而且可以用推理的方式,自动将知识用于图像的高级和低级语义的检索,体现了系统的智能化的特点;
3)对用户而言应该形成一个简单的、友好的集成界面,理想的界面是普通的用户只需提出要求,而不必具有专业知识和了解其中的方法和过程。
5总结与展望
图像检索的发展是一个从简单到复杂、从低级到高级的过程,从最初的文本信息查询发展到基于内容的图像检索。同时随着人们对图像理解、图像识别研究的不断深入,提出了基于图像语义的检索,充分利用了图像的语义信息,提高了图像检索系统的能力。另外,为了解决语义鸿沟的问题,人们提出了基于反馈的信息检索技术,利用人机交互行为,改进系统的能力,提高检索结果的准确性。最后,随着人工智能和信息技术的发展,一种智能的基于知识的信息检索系统成为信息检索领域的发展方向。基于知识的信息检索技术将基于视觉特征和基于文本语义的技术结合在一起,通过建立知识库,实现自动提取语义和图像特征的功能,并且充分考虑到用户特征对检索系统的影响,这是建立高效、实用、快速的图像检索系统的必然的发展方向。并且图像检索领域的关键问题是对人类视觉机制的进一步了解,即探求人是如何去感知图像内容的,这个问题的解决能够进一步优化数据特征索引技术,解决对大规模数据库检索速度的瓶颈问题。随着多媒体数据压缩技术和互联网的迅速发展,信息的形式多种多样,视觉信息数据不仅包括单幅的图像数据还包括视频数据,针对视频数据的特点,进行高速、可靠的检索也是一个需要研究的课题。将信息检索技术推向实用化,也是信息技术发展的主要目标。
参考文献:
[1] 黄祥林,沈兰荪.基于内容的图像检索技术研
究[J].电子学报,2002,30(7):106521071. [2] 徐杰,施鹏飞.基于内容的图像检索技术[J].
中国图像图形学报,2003,8(A9):9772983. [3] FL IC KN ER M,SAW HN E Y H,N IBLAC K
W,et al.Query by image and video content:
t he QB IC system[J].IEEE Comp uter,1995,
28(9):23232.
[4] SM IT H J R,C HAN G Shih2f u.VisualSEE K:
a f ully automated content2based image query
system[EB/OL].(1996207223)[2004211212].
http://citeseer.ist.p https://www.wendangku.net/doc/8f13910441.html,/
smit h96visualseek.ht m1.
[5] SM IT H J R,CHAN G Shih2f u.Local color
and text ure ext raction and spatial query[EB/
OL].(1996203223)[2004211212].http://iee2
https://www.wendangku.net/doc/8f13910441.html,/ie13/4140/12210/
00560998.pdf?arnumber=560998
[6] PEN TL AND A,PICARD R W,SCL AROFF
S.Photobook:Content2Based Manip ulation
of Image Databases[J].Internatio nal Journal
of Comp uter Vision,1996,18(3):2332254. [7] O G L E V E,STON EBRA KER M.Chabot:
ret rieval from a relational database of images
[J].IEEE Comp uter,1995,28(9):40248.
?
2
5
3
? 重庆邮电学院学报(自然科学版) 第18卷
[8] 刘忠伟,章毓晋.十种基于颜色特征的图像
检索算法的比较和分析[J].信号处理,2000
16(1):79284.
[9] 贾克斌,方晟,沈兰荪.基于颜色和空间特征
的彩色图像获取方法[J].电子学报2003,31
(6):8952898.
[10] KUAN J P K,J O YCE D W,L EWIS P H.
Text ure content based ret rieval using text
descriptions[EB/OL].(1998212223)[20042
11212].https://www.wendangku.net/doc/8f13910441.html,/abs/
1998SPIE.3656.75K
[11] MOJ SLLOV IC A,GOM ES J.Semantic
Based Categorization,Browsing and Ret rieval
in Medical Image Databases[EB/OL].(20022
08210)[2004211214].http://www.research.
https://www.wendangku.net/doc/8f13910441.html,/visualanalysis/papers/icip200222.
pdf.
[12] BA RB A,SH YU Chi2ren.Semantics model2
ing in diagno stic medical image databases u2
sing customized f uzzy membership f unctions
[EB/OL].(2003206220)[2004211214].ht2
tp://https://www.wendangku.net/doc/8f13910441.html,/ie15/8573/27148/
01206595.p df?arnumber=1206595.
[13] EYGEN IOU T,PON TIL M,PA PA GEOR2
GIOU C,et al.Image Rep resentations and
Feat ure Selection for Multimedia Database
Search[J].IEEE Trans.on Knowledge and
Data Engineering,2003,15(4):9112920. [14] SM EULDERS W M.Content2Based Image
Ret rieval at t he End of t he Early Years[J].
IEEE Trans on Pattern Analysis and Ma2
chine Intelligence,2000,22(12):134921379.
[15] RU I Y,HUAN G T S,M EHRO TRA S.
Content2based image ret rieval wit h relevance
feedback in MA RS[EB/OL].(1997204224)
[2004211214].http://citeseer.ist.p https://www.wendangku.net/doc/8f13910441.html,/
rui97content based.ht ml.
[16] RU I Y,HUAN G T S.Optimizing learning
in image ret rieval[J].Proceedings of Com2
p uter Vision and Pattern Recognition,2000,1
(13215):2362243.
[17] 朱旭娟,李晓华,沈兰荪.一种自适应提取
最优特征维的相关反馈算法[J].电路与系统
学报,2004,9(1):36240.
[18] ZHAN G Lei,L IN Fu2zong,ZHAN G Bo.
Support vector machine learning for image
ret rieval.International Conference on Image
Processing[EB/OL].(2001208216)[20042112
14].https://www.wendangku.net/doc/8f13910441.html,/citation.cf m?id
=500159&dl=GU ID E&coll=GU IDE. [19] HON G Peng2yu,TIAN Qi,HUAN G T S.
Incorporate support vector machines to con2
tent2based image ret rieval wit h relevant feed2
back.Proceedings of International Conference
on Image Processing[EB/OL].(2000203210)
[2004211214].https://www.wendangku.net/doc/8f13910441.html,/～
qitian/e_paper/icip00svm/icip00_svm.pdf. [20] PEN G Jing.Multi2class relevance feedback
content2based image ret rieval[J].Comp uter
Vision and Image U nderstanding,2003,87
(1):42267.
[21] COX I J,M ILL ER M L,OMO HUNDRO S
M,et al.Pichunter:Bayesian relevance feed2
back for image ret rieval.Proceedings of t he
13t h International Conference on Pattern
Recognition[EB/OL].(1996202210)[20042
11214].http://http://citeseer.ist.p https://www.wendangku.net/doc/8f13910441.html,/
ho ng00incorporate.ht ml.
[22] COX I J,M ILL ER M L,M IN KA T P,et al.
An optimized interaction st rategy for Bayes2
ian relevance feedback[C].Proceedings of
t he IEEE Co nference on Comp uter Vision
and Pattern Recognition[EB/OL].(19982042
20)[2004211214].http://citeseer.ist.p su.
edu/co x98optimized.ht ml.
[23] COX I J,M ILL ER M L,M IN KA T P,et al.
The Bayesian image retrieval system,Pi2
c Hunter:Theory,Implementation,an
d Psy2
chop hysical Experiment s[J].IEEE Trans.
on Image Processing,2000,9(1):20237.
[24] MACAR T HU R S D,BRODL E Y C E,KA K
A C.Interactive Content2Based Image Re2
t rieval U sing Relevance Feedback[J].Com2
p uter Vision and Image U nderstanding,
2002,88(2):55275.
[25] TIZHOOSH H R,KRELL G,M ICHA EL IS
B.Knowledge2based enhancement of mega2
voltage images in radiation t herapy using a
hybrid neuro2f uzzy system[J].Image and
Vision Comp uting,2001,19:2172233.
[26] HA KER S,SA PIRO G,TANN ENBAUM
A.Knowledge2based Segmentation of SA R
Data wit h Learned Priors[J].IEEE Trans.
On Image Processing,2000,9(2):2992301.
?
3
5
3
?
第3期 向友君,等:图像检索技术综述
[27] XU Q ,LAM L ,SU EN C Y.Suen.A
knowledge 2based segmentation system for handwritten dates on bank cheques [EB/OL ].(2001208212)[2004211212].http ://iee https://www.wendangku.net/doc/8f13910441.html,/ie15/7569/20622/00953818.p df ?arnumber =953818.
[28] PARA GIOS N.A level set app roach for
shape 2driven segmentation and t racking of t he left vent ricle [J ].IEEE Trans.on Medi 2cal Imaging ,2003,22(6):7732776.
[29] TON J ,STIC K L EN J ,J A IN A K.Knowl 2
edge 2Based Segmentatio n of Landsat Images [J ].IEEE Trans.on Geo science and Remote Sensing ,1991,29(2):2222232.
[30] 谭国真,高文.K BMDS :基于知识的地图数
据库系统[J ].大连理工大学学报,1996,36(1):1052109.
[31] D HA WAN A P ,A RA TA L.Knowledge 2
Based 3D Analysis f rom 2D Medical Images [J ].IEEE Engineering in Medicine and Biol 2ogy.1991,10(4):30237.
[32] 谢逢,罗立民,田雪芹.基于知识的人脑三
维医学图像自动分析显示系统[J ].自动化学报,1997,23(4):4962501.
[33] 姜军,张桂林.一种基于知识的快速人脸检
测方法[J ].中国图像图形学报,2002,7(A1):6210.
[34] O KADA K ,KITE L.Christop h von der
Malsburg.An Adaptive Person Recognition System [EB/OL ].(2001206202)[2004211212].http ://https://www.wendangku.net/doc/8f13910441.html,/ie15/7714/21147/00981943.p df ?arn.[35] L I C ,GOLD GOF D B ,HALL L O.Knowl 2
edge 2Based Classification and Tissue Labe 2ling of MR Images of Human Brain[J ].IEEE Trans on Medical Imaging ,1993,12(4):7402750.
[36] INAM PUDI R B ,GUN TU PALL I S P ,RAO
A A.Knowledge based app roach for automa 2ted digital image p rocessing[EB/OL ].(2002210202)[2004211212].http ://https://www.wendangku.net/doc/8f13910441.html,/xp1/abs_f ree.jsp ?arNumber =1026109[37] MA T T H EW C C ,L AWRENCE O H ,
DM ITR Y B G.Automatic Tumor Segmenta 2tion U sing Knowledge 2Based Techniques [J ].IEEE Transactions on Medical Imaging ,1998,17(2):1872201.[38] L EE S Y ,HAM Y K ,PA R K R H.Recogni 2
tion of Human Front Faces U sing Knowl 2edge 2based Feat ure Ext raction and Neuro 2Fuzzy Algorit hm [J ].Pattern Recognition ,1996,29(11):186321876.
[39] HSU C C ,C HU W W ,TA IRA R K.A
Knowledge 2Based Approach for Ret rieving Images by Content [J ].IEEE Trans on Knowledge and Data Engineering ,1996,8(4):5222532.
[40] CHU W W ,HSU C C ,CARD ENAS A F.
Knowledge 2Based image ret rieval wit h spatial and temporal const ruct s [J ].IEEE Trans.On Knowledges and Data Engineering ,199810(6):8722888.[41] SH YU Chi Ren ,PAVLOPOULOU C ,KA K
A C ,et al.U sing Human Percept ual Catego 2ries for Content 2Based Retrieval f rom a Med 2ical Image Database [J ].Comp uter Vision and Image Understanding.2002,88(3):1192
151.
(责任编辑:刘勇)Survey of image retrieving techniques
XIAN G Y ou 2jun ,XIE Sheng 2li
(S i gnal &I nf ormation Processing L aboratory ,S outh China Universit y of
Technolog y ,Guangz hou 510640,P.R.China )
Abstract :Research on visual information ret rieval has recently wit nessed a booming interest.The
quality of an image ret rieval system mainly depends on it s veracity ,speediness and efficiency for ret rieving images.In t his paper ,t he aut hors investigate various image ret rieving techniques ,such as content based image ret rieval ,semantic based ret rieval in image databases ,interactive im 2age ret rieval using relevance feedback ,knowledge based image ret rieval and so on.From evalua 2ting t hem ,t he aut hors have p resented t he current challenges and f ut ure t rends for visual informa 2tion ret rieval.
K ey w ords :content 2based ;semantic based ;relevance feedback ;knowledge 2based
?453? 重庆邮电学院学报(自然科学版) 第18卷
图像识别技术的研究现状论文
图像识别技术研究现状综述 简介： 图像识别是指图形刺激作用于感觉器官，人们辨认出它是经验过的某一图形的过程,也叫图像再认。在图像识别中,既要有当时进入感官的信息,也要有记忆中存储的信息。只有通过存储的信息与当前的信息进行比较的加工过程，才能实现对图像的再认。图像识别技术是以图像的主要特征为基础的，在图像识别过程中，知觉机制必须排除输入的多余信息,抽出关键的信息。在人类图像识别系统中，对复杂图像的识别往往要通过不同层次的信息加工才能实现。对于熟悉的图形,由于掌握了它的主要特征，就会把它当作一个单元来识别，而不再注意它的细节了。这种由孤立的单元材料组成的整体单位叫做组块，每一个组块是同时被感知的。图像在人类的感知中扮演着非常重要的角色，人类随时随处都要接触图像。随着数字图像技术的发展和实际应用的需要，出现了另一类问题，就是不要求其结果输出是一幅完整的图像，而是将经过图像处理后的图像，再经过分割和描述提取有效的特征，进而加以判决分类，这就是近20年来发展起来的一门新兴技术科学一图像识别。它以研究某些对象或过程的分类与描述为主要内容，以研制能够自动处理某些信息的机器视觉系统，代替传统的人工完成分类和辨识的任务为目的。 图像识别的发展大致经历了三个阶段：文字识别、图像处理和识别及物体识别：文字识别的研究是从1950年开始的，一般是识别字母、数字和符号，并从印刷文字识别到手写文字识别，应用非常广泛，并且已经研制了许多专用设备。图像处理和识别的研究，是从1965年开始的。过去人们主要是对照相技术、光学技术的研究，而现在则是利用计算技术、通过计算机来完成。计算机图像处理不但可以消除图像的失真、噪声，同时还可以进行图像的增强与复原，然后进行图像的判读、解析与识别，如航空照片的解析、遥感图像的处理与识别等，其用途之广，不胜枚举。物体识别也就是对三维世界的认识，它是和机器人研究有着密切关系的一个领域，在图像处理上没有特殊的难点，但必须知道距离信息，并且必须将环境模型化。在自动化技术已从体力劳动向部分智力劳动自动化发展的今天，尽管机器人的研究非常盛行，还只限于视觉能够观察到的场景。进入80年代，随着计算机和信息科学的发展，计算机视觉、人工智能的研究已成为新的动向 图像识别与图像处理的关系： 在研究图像时，首先要对获得的图像信息进行预处理（前处理）以滤去干扰、噪声，作几何、彩色校正等，以提供一个满足要求的图像。图像处理包括图像编码，图像增强、图像压缩、图像复原、图像分割等。对于图像处理来说，输入是图像，输出（即经过处理后的结果）也是图像。图像处理主要用来解决两个问题：一是判断图像中有无需要的信息；二是确定这些信息是什么。图像识别是指对上述处理后的图像进行分类，确定类别名称，它可以在分割的基础上选择需要提取的特征，并对某些参数进行测量，再提取这些特征，然后根据测量结果做出分类。为了更好地识别图像，还要对整个图像做结构上的分析，对图像进行描述，以便对图像的主要信息做一个好的解释，并通过许多对象相互间的结构关系对图像加深理解，以便更好帮助和识别。故图像识别是在上述分割后的每个部分中，找出它的形状及纹理特征，以便对图像进行分类，并对整个图像做结构上的分析。因而对图像识别环节来说，输入是图像（经过上述处理后的图像），输出是类别和图像的结构分析，而结构分析的结果则
关于图像检索的学习报告
关于“图像检索”的查析报告 图像检索 定义: 在图像集合中查找具有指定特征或包含指定内容的图像的技术。 何为图像检索 在检索原理上，无论是基于文本的图像检索还是基于内容的图像检索，主要包括三方面：一方面对用户需求的分析和转化，形成可以检索索引数据库的提问；另一方面，收集和加工图像资源，提取特征，分析并进行标引，建立图像的索引数据库；最后一方面是根据相似度算法，计算用户提问与索引数据库中记录的相似度大小，提取出满足阈值的记录作为结果，按照相似度降序的方式输出。 基于文本的图像检索 基于文本的图像检索沿用了传统文本检索技术，回避对图像可视化元素的分析，而是从图像名称、图像尺寸、压缩类型、作者、年代等方面标引图像，一般以关键词形式的提问查询图像，或者是根据等级目录的形式浏览查找特定类目下的图像。图像所在页面的主题、图像的文件名称、与图像密切环绕的文字内容、图像的链接地址等都被用作图像分析的依据，根据这些文本分析结果推断其中图像的特征。 在基于文本的图像检索系统中，需要先对所有的图像进行关键字标注，然后才能使用全文检索技术对图像进行搜索。这种方法存在两个方面的问题：一是这种方法需要较多的人工参与，而且随着图像数目的增加，这种方法很难实现； 二是由于图像所包含的信息量庞大，不同的人对于同一张图像的理解也不相同，这就导致对图像的标注没有一个统一的标准，因而检索的结果不能很好地符合用户的需求。 因此，利用图像本身的内容进行检索势在必行。 基于内容的图像检索 基于内容的图像检索，即CBIR(Content-based image retrieval)，是计算机视觉领域中关注大规模数字图像内容检索的研究分支。基于内容的图像检索的研究还涉及了图像处理(Image Processing)、图像检索(Image Retrieval)等多个研究领域。 工作流程 基于CBIR 技术的图像检索系统，在建立图像数据库时，系统对输入的图像进行分析并分类统一建模，然后根据各种图像模型提取图像特征存入特征库，同时对特征库建立索引以提高查找效率。而用户在通过用户接口设置查询条件时，可以采用一种或几种的特征组合来表示，然后系统采用相似性匹配算法计算关键图像特征与特征库中图像特征的相似度，然后按照相似度从大到小的顺序将匹配图像反馈给用户。用户可根据自己的满意程度，选择是否修改查询条件，
图像增强算法综述
图像增强算法研究综述 刘璐璐 宁波工程学院电子与信息工程学院计算机科学与技术071班，邮编:(315100) E-mail:375212239@https://www.wendangku.net/doc/8f13910441.html, 摘要：本文简要介绍图像增强的概念和图像增强算法的分类，从图像的直方图均衡化处理方法，直方图规定化处理方法和图像平滑处理方法三方面对图像增强算法进行讨论和研究，并说明了图像增强技术的应用和前景展望。 关键词：图像增强直方图均衡化直方图规定化平滑处理 近年来，随着电子计算机技术的进步，计算机图像处理得到了飞跃的发展，己经成功的应用于几乎所有与成像有关的领域，并正发挥着相当重要的作用。它利用计算机对数字图像进行系列操作，从而获得某种预期的结果。对图像进行处理时，经常运用图像增强技术以改善图像的质量增强对某种信息的辨识能力，以更好的应用于现代各种科技领域，图像增强技术的快速发展同它的广泛应用是分不开的，发展的动力来自稳定涌现的新的应用，我们可以预料，在未来社会中图像增强技术将会发挥更为重要的作用。在图像处理过程中，图像增强是十分重要的一个环节。 1.图像增强概念及现实应用 1.1 图像增强技术 图像增强是数字图像处理的基本内容之一。图像增强是指按特定的需要突出一幅图像中的某些信息，同时，削弱或去除某些不需要的信息。这类处理是为了某种应用目的去改善图像质量，处理的结果更适合于人的视觉特性或机器识别系统，图像增强处理并不能增加原始图像的信息，而只能增强对某种信息的辨识能力，使处理后的图像对某些特定的应用比原来的图像更加有效。 1.2图像增强技术的现实应用 目前，图像增强处理技术的应用己经渗透到医学诊断、航空航天、军事侦察、纹识别、无损探伤、卫星图片的处理等领域，在国民经济中发挥越来越大的作用。其中最典型的应用主要体现以下方面。 1
图像识别技术发展状况及前景
医学图像配准技术 罗述谦综述 首都医科大学生物医学工程系(100054) 吕维雪审 浙江大学生物医学工程研究所(310027) 摘要医学图像配准是医学图像分析的基本课题,具有重要理论研究和临床应用价 值。本文较全面地介绍了医学图像配准的概念、分类、配准原理、主要的配准技术及评 估方法。 关键词医学图像配准多模 1 医学图像配准的概念 在做医学图像分析时,经常要将同一患者的几幅图像放在一起分析,从而得到该患者的多方面的综合信息,提高医学诊断和治疗的水平。对几幅不同的图像作定量分析,首先要解决这几幅图像的严格对齐问题,这就是我们所说的图像的配准。 医学图像配准是指对于一幅医学图像寻求一种(或一系列)空间变换,使它与另一幅医学图像上的对应点达到空间上的一致。这种一致是指人体上的同一解剖点在两张匹配图像上有相的空间位置。配准的结果应使两幅图像上所有的解剖点,或至少是所有具有诊断意义的点及手术感兴趣的点都达到匹配。 医学图像配准技术是90年代才发展起来的医学图像处理的一个重要分支。涉及“配准”的技术名词除registration外,mapping、matching、co-registration、integration、align-ment和fusion 等说法也经常使用。从多数文章的内容看,mapping偏重于空间映射;fu-sion指图像融合,即不仅包括配准,而且包括数据集成后的图像显示。虽然在成像过程之前也可以采取一些措施减小由身体移动等因素引起的空间位置误差,提高配准精度(称作数据获取前的配准preacquisition),但医学图像配准技术主要讨论的是数据获取后的(post-acquisition)配准,也称作回顾式配准(retrospective registration)。当前,国际上关于医学图像配准的研究集中在断层扫描图像( tomographic images,例如CT、MRI、SPECT、PET等)及时序图像(time seriesimages,例如fMRI及4D心动图像)的配准问题。 2 医学图像基本变换 对于在不同时间或/和不同条件下获取的两幅图像I1(x1,y1,z1)和I2(x2,y2,z2)配准,就是寻找一个映射关系P:(x1,y1,z1) (x2,y2,z2),使I1的每一个点在I2上都有唯一的点与之相对应。并且这两点应对应同一解剖位置。映射关系P表现为一组连续的空间变换。常用的空间几何变换有刚体变换(Rigid body transformation)、仿射变换(Affine transformation)、投影变换(Projec-tive transformation)和非线性变换(Nonlin-ear transformation)。 (1)刚体变换: 所谓刚体,是指物体内部任意两点间的距离保持不变。例如,可将人脑看作是一个刚体。 处理人脑图像,对不同方向成像的图像配准常使用刚体变换。刚体变换可以分解为旋转和平移:P(x)=Ax+b(1) x=(x,y,z)是像素的空间位置;A是3×3的旋转矩阵,b是3×1的平移向量。
图像哈希检索背景综述(一)
慌乱挣扎的第一个学期终于马上就要结束。 差不多忙活了一个学期，最近终于开始慢慢理清楚这个思路，也准备开始使用一些benchmark的数据集来对某一篇paper的算法做一下实验，实现一下。 感觉自己的思路有时候不太清晰，因此现在开始想写一点东西，把自己做的事情和思路一步步记录下来，包括以后每次看的paper的理解，也能够成为见证自己学习的一个过程。现在从最开始的背景综述开始写起。 现在的图像检索技术基本上还是分为两类，基于文本的图像检索（Text-based Image Retrieval,TBIR）和基于内容的图像检索（Content-based Image Retrieval, CBIR）。 基于文本的图像检索也就是主要利用文本描述的方式对一幅图像进行特征的描述，建立相应的描述子或者key words，比如图像的年代、作者、尺寸、编码、名称等一些关键性的信息，将它们进行自动或者人工采集标注，产生图像的索引数据库，然后将用户输入的关键字，进行匹配查找，再返回结果的一种图像检索方式。它易于实现，查准率也较高，但是存在文本描述有限，有些图像特征不好描述甚至无法描述，而且存在不同描述人的较大的主观性，并且需要人工标注，在海量数据的处理中越来越失去应用价值，进而也不能满足检索的要求。 基于内容的检索技术是由计算机对图像的特征进行分析，提取特征，如颜色、纹理和形状等，将提取的特征作为向量存入图像数据库，对于输入的检索图片做相同的处理，利用相似性准则计算该查询图片与图像特征库中的每一个特征向量的相似度，根据相似度排序后，输出给定阈值下的检索结果。其优点在于使用机器对图像的内容进行判别性的信息提取，得到特征的描述子，不需要人为地对图像进行文本标注；并且，该过程作为一个近似匹配的过程，对于检索效率的提升也有了很大的贡献，但是对于图像特征的提取上，复杂的算法需要实现从最底层图像特征到高层的语义信息的联系显得有点困难，因此检索准确性上不是很高。 随着CBIR成为研究热点，目前国内外有了许多以图搜图的图像搜索引擎系统。总结了一下目前以图搜图的一些搜索引擎有以下： picitup,Google的按图搜索，图想，百度试图，TinEye，千视惠搜，搜鞋客等。 在海量数字图像数据再互联网上泛滥之后，对于图像的快速和有效检索就显得日益重要。传统的方法有基于树的索引结构，如k-d树，但它仅仅在处理低维数据时可以有效提高检索速度，当数据维度超过20维时，其检索效率就接近于穷举的搜索方式。因此，目前针对高维数据的快速检索问题，图像哈希技术在上世纪九十年代末诞生。
基于matlab的图像预处理技术研究文献综述
毕业设计文献综述 题目：基于matlab的图像预处理技术研究 专业：电子信息工程 1前言部分 众所周知，MATLAB在数值计算、数据处理、自动控制、图像、信号处理、神经网络、优化计算、模糊逻辑、小波分析等众多领域有着广泛的用途，特别是MATLAB的图像处理和分析工具箱支持索引图像、RGB 图像、灰度图像、二进制图像，并能操作*.bmp、*.jpg、*.tif等多种图像格式文件如。果能灵活地运用MATLAB提供的图像处理分析函数及工具箱，会大大简化具体的编程工作，充分体现在图像处理和分析中的优越性。 图像就是用各种观测系统观测客观世界获得的且可以直接或间接作用与人眼而产生视觉的实体。视觉是人类从大自然中获取信息的最主要的手段。拒统计，在人类获取的信息中，视觉信息约占60%，听觉信息约占20%，其他方式加起来才约占20%。由此可见，视觉信息对人类非常重要。同时，图像又是人类获取视觉信息的主要途径，是人类能体验的最重要、最丰富、信息量最大的信息源。通常，客观事物在空间上都是三维的(3D)的，但是从客观景物获得的图像却是属于二维(2D)平面的。 图像存在方式多种多样，可以是可视的或者非可视的，抽象的或者实际的，适于计算机处理的和不适于计算机处理的。 图像处理它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在 1964 年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动
开题报告、文献检索)
开题报告、文献综述、外文翻译、论文反抄袭软件、论文目录，就差论文正文了，其他都全了！！ 开题报告主要包括以下几个方面： （一）论文名称 论文名称就是课题的名字 第一，名称要准确、规范。准确就是论文的名称要把论文研究的问题是什么，研究的对象是什么交待清楚，论文的名称一定要和研究的内容相一致，不能太大，也不能太小，要准确地把你研究的对象、问题概括出来。 第二，名称要简洁，不能太长。不管是论文或者课题，名称都不能太长，能不要的字就尽量不要，一般不要超过20个字。 （二）论文研究的目的、意义 研究的目的、意义也就是为什么要研究、研究它有什么价值。这一般可以先从现实需要方面去论述，指出现实当中存在这个问题，需要去研究，去解决，本论文的研究有什么实际作用，然后，再写论文的理论和学术价值。这些都要写得具体一点，有针对性一点，不能漫无边际地空喊口号。主要内容包括：⑴ 研究的有关背景(课题的提出)：即根据什么、受什么启发而搞这项研究。⑵ 通过分析本地（校）的教育教学实际，指出为什么要研究该课题，研究的价值，要解决的问题。 （三）本论文国内外研究的历史和现状（文献综述）。 规范些应该有，如果是小课题可以省略。一般包括：掌握其研究的广度、深度、已取得的成果；寻找有待进一步研究的问题，从而确定本课题研究的平台(起点)、研究的特色或突破点。 （四）论文研究的指导思想
指导思想就是在宏观上应坚持什么方向，符合什么要求等，这个方向或要求可以是哲学、政治理论，也可以是政府的教育发展规划，也可以是有关研究问题的指导性意见等。 （五）论文写作的目标 论文写作的目标也就是课题最后要达到的具体目的,要解决哪些具体问题，也就是本论文研究要达到的预定目标：即本论文写作的目标定位，确定目标时要紧扣课题,用词要准确、精练、明了。 常见存在问题是：不写研究目标；目标扣题不紧；目标用词不准确；目标定得过高, 对预定的目标没有进行研究或无法进行研究。 确定论文写作目标时，一方面要考虑课题本身的要求，另一方面要考率实际的工作条件与工作水平。 （六）论文的基本内容 研究内容要更具体、明确。并且一个目标可能要通过几方面的研究内容来实现，他们不一定是一一对应的关系。大家在确定研究内容的时候，往往考虑的不是很具体，写出来的研究内容特别笼统、模糊，把写作的目的、意义当作研究内容。基本内容一般包括：⑴对论文名称的界说。应尽可能明确三点：研究的对象、研究的问题、研究的方法。⑵本论文写作有关的理论、名词、术语、概念的界说。（七）论文写作的方法 具体的写作方法可从下面选定：观察法、调查法、实验法、经验总结法、个案法、比较研究法、文献资料法等。 （八）论文写作的步骤 论文写作的步骤，也就是论文写作在时间和顺序上的安排。论文写作的步骤要充分考虑研究内容的相互关系和难易程度，一般情况下，都是从基础问题开始，分阶段进行，每个阶段从什么时间开始，至什么时间结束都要有规定。课题研究的主要步骤和时间安排包括：整个研究拟分为哪几个阶段；各阶段的起止时间 文献综述怎么写 1) 什么是文献综述? 文献综述是研究者在其提前阅读过某一主题的文献后，经过理解、整理、融会贯通，综合分析和评价而组成的一种不同于研究论文的文体。 2) 文献综述的写作要求 1、文献综述的格式 文献综述的格式与一般研究性论文的格式有所不同。这是因为研究性的论文注重研究的方法和结果，而文献综述介绍与主题有关的详细资料、动态、进展、展望以及对以上方面的评述。因此文献综述的格式相对多样，但总的来说，一般都包含以下四部分：即前言、主题、总结和参考文献。撰写文献综述时可按这四部分拟写提纲，再根据提纲进行撰写工作。 前言，要用简明扼要的文字说明写作的目的、必要性、有关概念的定义，综述的范围，阐述有关问题的现状和动态，以及目前对主要问题争论的焦点等。前言一般200-300字为宜，不宜超过500字。 正文，是综述的重点，写法上没有固定的格式，只要能较好地表达综合的内容，作者可创造性采用诸多形式。正文主要包括论据和论证两个部分，通过提出问题、分析问题和解决问题，比较不同学者对同一问题的看法及其理论依据，进一步阐明问题的来龙去脉和作者
基于内容的图像检索技术研究
基于内容的图像检索技术研究 学号：10404400204 姓名：陈萍班级：数字媒体艺术1002班学院：包装与材料工程 〔摘要〕基于内容的图像检索技术是对图像的物理内容为加工对象的检索技术之一,主要实现方式包括基于颜色、纹理、形状和语义等。其中基于颜色的图像检索发展最为成熟，而基于语义的检索则尚处于探讨、研究阶段。 关键词：图像检索、内容、语义 引言 随着信息技术的普及与发展及应用，数字图像的数量正以惊人的速度增长。如何将数字图像处理、计算机视觉技术与传统数据库技术相结合,建立基于对图像内容自动或半自动描述的新一代图像视频数据库成为现在亟待解决的课题。基于内容的图像检索(CBIR)是解决这一问题的关键技术之一。CBIR与传统的检索手段不同，它是利用图像的颜色、纹理、形状等基本特征进行检索,并把这些量化特征与图像存储在一起，它的特点是：直接从媒体内容中提取信息线索。基于内容的检索是一种近似匹配；特征提取和索引建立常需要用人机交互的方法，学习人的主观相似度感受。它主要使用的是基于相似度量的示例查询方法。 2 基于内容的图像检索技术 基于内容的图像检索的前提是基于内容的描述。图像内容既包括了颜色、纹理、形状等低层次视觉特征，又包括了对目标意义的复杂推理等的高层语义特征。检索进行查询的层次基本可分为三层： （1 ）基于原始数据的查询。这是最低层次的查找，每一幅图像为像素点的简单有序的集合体，查询时相似性的度量标准是点对点的比较，这个层次的比较是非常具体的，只有在使用相对精确匹配时才有用。 （2 ）基于特征的查询。这是较高层次的查询，在基于特征的层次上描述图像。图像特征包括原始属性：颜色、纹理、形状等，也包括脱离了原始性的抽象属性：灰度直方图，颜色直方图，空间频谱图。不同的特征可以被分成不同的特征矢量组。图像的区域划分基本上是根据特征矢量的不同特征，同一个区域内的特征矢量具有相同的属性。在n维特征空间的查询，实质上就是目标特征矢量的相似性度量。数据库内的图像文件的特征矢量集以及抽取方法，被事先抽取并保存，查询时，使用给出的模板，图像按照库内保存的方法抽取目标特征矢量。（3 ）基于语义的查询。这是最高层次的查询，可以看作是基于对象的查询。查询图像中包括的具体的物体，发生的场景，图像所描述的感性色彩等都属于这个层次的查询。目前实现图像检索的手段有很多，包括基于分数维的图像检索，基于多颜色空间的图像检索方法，基于内容的图像检索，基于区域的图像匹配算法的关键技术研究，基于颜色特征的图像检索方法等等。而且基于图像处理技术的日趋成熟，检索的效果也越来越好，但仍未到图像语义的图像检索阶段。 2.1 基于颜色特征 颜色是一种重要的，目前使用最广的视觉特征，同一类事物通常有着相似或相同的颜色特征。因此可以利用颜色特征来区分不同物体, 也是绝大多数基于内容的图像和视频检索的多媒体数据库中使用的特征之一。颜色往往和图像中所包含的物体或场景十分相关，颜色特征对图像本身的尺寸、方向、视角的依赖性较小，从而具有较高的鲁棒性。基于颜色特征的检索主要采用的方法包括颜色直方图、颜色矩、颜色相关图等。颜色直方图是在许多图像检索系统中被广泛采用的颜色特征，特别适于描述那些难以进行自动分割的图像。 2.2 基于形状特征 形状是刻画物体的本质特征之一,在二维图像空间中,形状通常被认为是一条封闭的轮廓曲线所包围的区域,所以对形状的描述涉及到对轮廓边界的描述以及对这个边界所包围区域的描述。目前的基于形状检索方法大多围绕着从形状的外轮廓特征和形状的区域特征建立
图像处理技术的研究现状和发展趋势
图像处理技术的研究现状和发展趋势 庄振帅 数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理都发挥了巨大的作用。数字图像处理取得的另一个巨大成就是在医学上获得的成果。1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（Computer Tomograph）。CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。1975年EMI公司又成功研制出全身用的CT 装置，获得了人体各个部位鲜明清晰的断层图像。1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学过程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向
文献检索作业范例
文献检索作业送给需要的人，绝对原创 【特别是化学类专业】 新型纤维素溶剂的设计开发/溶解机制 学生姓名：…….（…………专业） 班级：………..学号：………… 完成时间：2010年11月08日 目录 1．课题分析 (3)
2．检索策略 (3) 2.1 选择检索工具 (3) 2.2 选择检索词 (4) 2.3 拟定检索式 (4) 3．检索步骤及检索结果 (4) 3.1 谷歌搜索引擎 (4) 3.2 超星电子图书 (5) 3.3 中国期刊全文数据库（CNKI） (6) 3.4 中文科技期刊数据库（VIP） (9) 3.5 万方数字化期刊全文数据库 (11) 3.6 国家知识产权局专利数据库 (12) 4．检索效果评价 (13) 5．文献综述 (15) 1.课题分析 我国正处在溶剂法纤维素纤维工程化研究的关键时刻，但尚存在很多问题。例如：国家虽然已经把溶剂法纤维素纤维列入了纺织业的重点发展方向，但其重大意义还
没有得到普遍认同；要完成这样重大的攻关项目需要多个机构和企业的共同努力，但目前国内在这一领域严重缺乏合作机制，虽然涉足此项工作的单位不下20个，但多数属于重复劳动，很少触及到工程化放大的研究，尤其缺乏对大型关键设备的设计和制造技术的研究，尚未形成成套的具有自主知识产权的生产工艺技术。此项工程投资大，风险高，目前真正从事工程化研究的单位得不到有效的政策支持，仅仅依靠企业自身的力量将影响产业化的进程。 一种新工艺的发展总是伴随着落后工艺的淘汰，目前溶剂法纤维素纤维还没有得到业内的广泛认同，有观点认为粘胶纤维路线只要利用最新的技术就能处理好废气和污水，因此还一直会有自己的发展空间，Lyocell纤维不可能替代常规的粘胶纤维。这种观点在粘胶纤维生产厂中仍有很大的影响，但在长远规划上阻碍了新技术的发展。事实上，无论是粘胶纤维生产的整体技术还是废气处理的技术都出白发达国家，且粘胶纤维产量骤降的也恰恰是这些国家，其中的规律和道理一目了然。废气和污水处理技术是无奈之举，它不能从根本上解决环境污染的问题。新技术的开发过程一定会存在这样那样的问题和不足，但我们应该在发展方向上达成共识，绿色环保的加工工艺一定会替代传统的污染工艺。 中国工业快速发展的经验表明，先进的技术用金钱是买不来的，即便买到了也会因为昂贵的代价而无法运作，尤其是当该项技术尚处于个别公司垄断的时候。我国对于溶剂法纤维素纤维生产工艺的研究和开发已有多年历史，无论是在基础研究和工程放大上都取得了一定的进展，为实现产业化奠定了较好的基础。因此，呼吁有关部门从国家层面上，集中资金和人力开展全方位的合作，联合攻关，高度重视工程化的研究，大力建立关键装备的生产基地，以成功开发具有我国特色的溶剂法纤维素纤维的生产技术。 2. 检索策略 2.1 选择检索工具
图像增强技术要点
数字图像处理期中论文 图像增强技术综述 学院信息工程学院 专业电子信息工程 方向信息处理方向 姓名何娜娜 学号200710113081 中国传媒大学 2010 年11 月27 日
图像增强技术综述 内容摘要 数字图像处理是指将图像信号转换成数字格式并利用计算机对其进行处理的过程。图像增强是数字图像处理的过程中经常采用的一种方法，它对提高图像质量起着重要的作用。本文先对图像增强的原理进行概述，然后对图像增强的方法分类并给出直方图增强、对比度增强、平滑和锐化等几种常用的增强方法的理论基础，通过Matlab实验得出的实际处理效果来对比各种算法的优缺点，讨论不同的增强算法的技术要点，并对其图像增强方法进行性能评价。 关键词：图像增强直方图增强对比度增强平滑锐化彩色图像增强 Abstract Digital image processing is the procedures of converting image signal into digital format, then using the computer to process it. Image enhancement is digital image processing process often use a method to improve image quality, it plays an important role. This article first introduces the principle of image enhancement and classification，and then focus on several methods to study such as and histogram enhancement, contrast enhancement, smoothing and sharpening, and other commonly used in learning the basic digital image With the approach, through Matlab experiment that the actual effect of various algorithms to compare the advantages and disadvantages to discuss the different enhancement algorithm. The application of occasions, and its image enhancement method of performance evaluation. Keywords:Image Enhancement histogram enhancement contrast enhancement smoothing sharpening 1 图像增强概述 1.1 图像增强背景及意义 在一般情况下，经过图像的传送和转换，如成像、复制、扫描、传输和显示等，经常会造成图像质量的下降，即图像失真。在摄影时由于光照条件不足或过度，会使图像过暗或过亮；光学系统的失真、相对运动、大气流动等都会使图像模糊，传输过程中会引入各种类型的噪声。总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题不妨统称为质量问题。图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚
数字图像处理技术的现状及其发展方向(笔记)
数字图像处理技术的现状及其发展方向 一、数字图像处理历史发展 数字图像处理(Digital Image Processing)将图像信号转换成数字信号并利用计算机对其进行处理。 1.起源于20世纪20年代。 2.数字图像处理作为一门学科形成于20世纪60年代初期，美国喷气推进实验室(JPL)推动了数字图像处理这门学科的诞生。 3.1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置即CT(Computer Tomograph)，1975年EMI公司又成功研制出全身用的CT装置,获得了人体各个部位鲜明清晰的断层图像。 4.从70年代中期开始,随着计算机技术和人工智能、思维科学研究的迅速发展,数字图像处理向更高、更深层次发展，人们已开始研究如何用计算机系统解释图像,实现类似人类视觉系统理解外部世界，其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论。 二、数字图像处理的主要特点 1．目前数字图像处理的信息大多是二维信息,处理信息量很大,对计算机的计算速度、存储容量等要求较高。 2.数字图像处理占用的频带较宽,在成像、传输、存储、处理、显示等各个环节的实现上,技术难度较大,成本也高,这就对频带压缩技术提出了更高的要求。 3.数字图像中各个像素是不独立的,其相关性大。因此,图像处理中信息压缩的潜力很大。 4.由于图像是三维景物的二维投影,一幅图像本身不具备复现三维景物的全部几何信息的能力,要分析和理解三维景物必须作合适的假定或附加新的测量。在理解三维景物时需要知识导引,这也是人工智能中正在致力解决的知识工程问题。 5．一方面，数字图像处理后的图像一般是给人观察和评价的,因此受人的因素影响较大，作为图像质量的评价还有待进一步深入的研究；另一方面，计算机视觉是模仿人的视觉,人的感知机理必然影响着计算机视觉的研究,这些都是心理学和神经心理学正在着力研究的课题。 三、数字图像处理的优点 1.再现性好；图像的存储、传输或复制等一系列变换操作不会导致图像质量的退化。 2.处理精度高；可将一幅模拟图像数字化为任意大小的二维数组,现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高。 3.适用面宽；图像可以来自多种信息源，图像只要被变换为数字编码形式后,均是用二维数组表示的灰度图像组合而成,因而均可用计算机来处理。 4.灵活性高；数字图像处理不仅能完成线性运算,而且能实现非线性处理,即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。 四、数字图像处理过程及其主要进展 常见的数字图像处理有:图像的采集、数字化、编码、增强、恢复、变换、
文献检索综述
基因工程能否在饲草，草皮和生物能源作物育种中起飞? 背景：基因工程提供了产生独特遗传变异的机会，其在性相容的基因库中不存在或具有非常低的遗传力。转基因植物的产生和育种，导致在几种主要经济作物如玉米，大豆，棉花和芸苔生产中广泛使用转基因栽培品种。基因工程作物的监管批准过程缓慢，并受到广泛的政治干预。饲料草和豆类的情况更复杂。 种植最广泛的草料，草皮和生物能源物种（例如高羊茅，多年生黑麦草，柳枝稷，苜蓿，白三叶草）是高度自交不亲和性。与近交种相比，它们具有将其基因传递到相邻植物的高潜力。这些物种中的主要生物安全问题是花粉调节的转基因。由于人类消费是间接的，转基因饲料，草皮和生物能源物种的风险评估侧重于其环境或生态影响。虽然在这些物种的遗传修饰方面已经取得了显着的进展，但由于严格和昂贵的监管要求，转基因栽培品种的商业化非常有限。到目前为止，在美国唯一的转基因饲料作物是“Roundup Ready”（RR）苜蓿。RR 苜蓿的批准过程是复杂的，涉及几轮监管，解除管制和重新调节。然而，RR苜蓿的商业化是监管批准多年生异交杂草作物向前迈出的重要一步。随着其它的转基因饲料，草皮和生物能源作物的产生和测试，已经开发了不同的策略以满足法规要求。最近在转基因饲料和草皮的风险评估和调节的进展被总结和讨论。 关键词：草料和草皮，生物能源作物，草，豆科植物，转基因植物，基因流动，解除管制，生物安全，转基因，苜蓿，肯塔基蓝草
引言 饲料作物对全球畜牧业和可持续农业至关重要。常用的饲料作物包括单子叶草和双子叶豆科植物。它们代表了具有一年生或多年生，冷季或温季生长偏好，以及草皮形成或束型生长习性的不同组的植物广泛栽培的饲料草包括高羊茅（Festuca arundinacea），多年生黑麦草（Lolium perenne），意大利黑麦草（Lolium multiflorum），果园草（Dactylis glomerata），肯塔基草（Poa pratensis）和狗牙根（Cynodon dactylon）。主要豆类饲料包括苜蓿（Medicago sativa L.）和白三叶草（Trifolium repens）。除了用作饲料作物之外，一些缓慢生长的矮秆草是专门用于在运动场，草坪和路边的草皮或美化目的。草皮物种，例如高羊茅，多年生黑麦草，狗牙根，肯塔基早熟禾和creeping bentgrass (Agrostis stolonifera)，通过提供安全的活动表面和防止侵蚀，为我们的环境做出了巨大的贡献。 一些饲料品种是高产的，并且具有用作生物能源作物的潜力。由木质纤维素生物质生产的生物燃料称为木质纤维素生物燃料。这样的生物质含有丰富的纤维素和半纤维素形式的糖，其可以通过水解和随后的发酵转化为乙醇（Hisano等人，2009）。柳枝稷（Panicum virgatum）是草本生物燃料作物的一个很好的例子。柳枝稷是C4温暖季节多年生本土物种，遍及北美。由于其高生物量生产，广泛的地理分布，高营养利用效率和环境效益，它被美国能源部选为模型生物能源物种（McLaughlin和Kszos，2005; Schmer等人，2008; Casler等人，2011）。转基因技术已被用于改进草料，草皮和生物能源作物。因为技术允许
数字图像处理技术的研究现状与发展方向
数字图像处理技术的研究现状与发展方向 孔大力崔洋 （山东水利职业学院，山东日照276826） 摘要：随着计算机技术的不断发展，数字图像处理技术的应用领域越来越广泛。本文主要对数字图像处理技术的方法、优点、数字图像处理的传统领域及热门领域及其未来的发展等进行相关的讨论。 关键词：数字图像处理；特征提取；分割；检索 引言 图像是指物体的描述信息，数字图像是一个物体的数字表示，图像处理则是对图像信息进行加工以满足人的视觉心理和应用需求的行为。数字图像处理是指利用计算机或其他数字设备对图像信息进行各种加工和处理，它是一门新兴的应用学科，其发展速度异常迅速，应用领域极为广泛。 数字图像处理的早期应用是对宇宙飞船发回的图像所进行的各种处理。到了70年代，图像处理技术的应用迅速从宇航领域扩展到生物医学、信息科学、资源环境科学、天文学、物理学、工业、农业、国防、教育、艺术等各个领域与行业，对经济、军事、文化及人们的日常生活产生重大的影响。 数字图像处理技术发展速度快、应用范围广的主要原因有两个。最初由于数字图像处理的数据量非常庞大，而计算机运行处理速度相对较慢，这就限制了数字图像处理的发展。现在计算机的计算能力迅速提高，运行速度大大提高，价格迅速下降，图像处理设备从中、小型计算机迅速过渡到个人计算机，为图像处理在各个领域的应用准备了条件。第二个原因是由于视觉是人类感知外部世界最重要的手段。据统计，在人类获取的信息中，视觉信息占60％，而图像正是人类获取信息的主要途径，因此，和视觉紧密相关的数字图像处理技术的潜在应用范围自然十分广阔。 1数字图像处理的目的 一般而言，对图像进行加工和分析主要有以下三方面的目的[1]： (1)提高图像的视感质量，以达到赏心悦目的目的。如去除图像中的噪声，改变图像中的亮度和颜色，增强图像中的某些成分与抑制某些成分，对图像进行几何变换等，从而改善图像的质量，以达到或真实的、或清晰的、或色彩丰富的、或意想不到的艺术效果。 (2)提取图像中所包含的某些特征或特殊信息，以便于计算机进行分析，例如，常用做模式识别和计算机视觉的预处理等。这些特征包含很多方面，如频域特性、灰度/颜色特性、边界/区域特性、纹理特性、形状/拓扑特性以及关系结构等。 (3)对图像数据进行变换、编码和压缩，以便于图像的存储和传输。 2数字图像处理的方法 数字图像处理按处理方法分，主要有以下三类，即图像到图像的处理、图像到数据的处理和数据到图像的处理[2]。 （1）图像到图像。图像到图像的处理，其输入和输出均为图像。这种处理技术主要有图像增强、图像复原和图像编码。 首先，各类图像系统中图像的传送和转换中，总要造成图像的某些降质。第一类解决方法不考虑图像降质的原因，只将图像中感兴趣的特征有选择地突出，衰减次要信息，提高图像的可读性，增强图像中某些特征，使处理后的图像更适合人眼观察和机器分析。这类方法就是图像增强。例如，对图像的灰度值进行修正，可以增强图像的对比度；对图像进行平滑，可以抑制混入图像的噪声；利用锐化技
化学文献检索综述论文
文献检索综述论文 双水相萃取分离技术的研究进展及应用 学院：化学与生物工程学院专业：化学工程与工艺 学生：李鸣昊年级: 2012级 学号：201207547 指导老师：杨西 摘要双水相萃取技术是一种新兴的生物分离技术，近年来发展迅猛，因其与传统的液液萃取方法相比有其独特的优点，故双水相萃取技术的发展和应用受到了越来越多的研究专家的重视。本文综述了双水相萃取技术的基本原理、特点及应用，并对双水相萃取技术现阶段存在的问题和未来发展趋势做出简单论述。 关键词双水相体系萃取技术分离技术 1 前言 近年来，随着分离技术在生命科学、天然药物提纯及各类抗生素药物生产等方面应用的需求和发展，一种新型的液液分离技术—双水相萃取技术应运而生。双水相萃取技术又称水溶液两相分配技术，是利用组分在两水相间分配的差异而进行组分的分离提纯的技术。由于双水相萃取分离过程具有条件温和、可调节因素多、易于放大、可连续操作且不存在有机溶剂残留等优点，已被广泛用于生物物质的分离和提纯。在1956年，瑞典的Albertsson 首次运用了双水相萃取技术来提取生物物质，开始对ATPS(双水相系统)进行比较系统的研究，测定了许多ATPS的相图，考察了蛋白质、核酸、病毒、细胞及细胞颗粒在ATPS中的分配行为，为发展双水相萃取技术打下了坚实的基础。目前，双水相萃取技术已被广泛地应用于医药化学、细胞生物学、生物化工和食品工业等领域，是一项拥有广阔应用前景的新型分离技术。本文将就双水相萃取技术的原理、应用和发展情况作一简述。 2 双水相萃取原理 双水相萃取与水—有机相萃取的原理相似，都是依据物质在两相间的选择性分配。当萃取体系的性质不同时，物质进入双水相体系后，由于表面性质、电荷作用和各种力(如憎水键、氢键和离子键等)的存在和环境因素的影响，使其在上、下相中的浓度不同。溶质(包括蛋白质等大分子物质、稀有金属以及贵金属的络合物、中草药成分等)在双水相体系中服从Nernst[ 1]分配定律：K= C上/ C下（其中K为分配系数，C上和C下分别为被分离物质在
人脸检测和识别技术的文献综述
人脸识别技术综述 摘要：在阅读关于人脸检测识别技术方面文献后，本文主要讨论了人脸识别技术的基本介绍、研究历史,人脸检测和人脸识别的主要研究方法，人脸识别技术的应用前景，并且总结了人脸识别技术的优越性和当下研究存在的困难。 关键词：人脸识别;人脸检测；几何特征方法;模板匹配方法;神经网络方法;统计方法;模板匹配;基于外观方法; 随着社会的发展，信息化程度的不断提高，人们对身份鉴别的准确性和实用性提出了更高的要求，传统的身份识别方式已经不能满足这些要求。人脸识别技术(FRT)是当今模式识别和人工智能领域的一个重要研究方向.虽然人脸识别的研究已有很长的历史,各种人脸识别的技术也很多,但由于人脸属于复杂模式而且容易受表情、肤色和衣着的影响,目前还没有一种人脸识别技术是公认快速有效的[1]基于生物特征的身份认证技术是一项新兴的安全技术，也是本世纪最有发展潜力的技术之一[2]。 1. 人脸识别技术基本介绍 人脸识别技术是基于人的脸部特征，一个完整的人脸识别过程一般包括人脸检测和人脸识别两大部分，人脸检测是指计算机在包含有人脸的图像中检测出人脸，并给出人脸所在区域的位置和大小等信息的过程[3]，人脸识别就是将待识别的人脸与已知人脸进行比较，得
出相似程度的相关信息。 计算机人脸识别技术也就是利用计算机分析人脸图象, 进而从中出有效的识别信息, 用来“辨认”身份的一门技术.人脸自动识别系统包括三个主要技术环节[4]。首先是图像预处理，由于实际成像系统多少存在不完善的地方以及外界光照条件等因素的影响，在一定程度上增加了图像的噪声，使图像变得模糊、对比度低、区域灰度不平衡等。为了提高图像的质量，保证提取特征的有有效性，进而提高识别系统的识别率，在提取特征之前，有必要对图像进行预处理操作；人脸的检测和定位，即从输入图像中找出人脸及人脸所在的位置，并将人脸从背景中分割出来，对库中所有的人脸图像大小和各器官的位置归一化；最后是对归一化的人脸图像应用人脸识别技术进行特征提取与识别。 2. 人脸识别技术的研究历史 国内关于人脸自动识别的研究始于二十世纪80年代，由于人脸识别系统和视频解码的大量运用，人脸检测的研究才得到了新的发展利用运动、颜色和综合信息等更具有鲁棒性的方法被提出来变形模板，弹性曲线等在特征提取方面的许多进展使得人脸特征的定位变得更为准确。 人脸识别的研究大致可分为四个阶段。第一个阶段以Bertillon，Allen和Parke为代表，主要研究人脸识别所需要的面部特征；第二个阶段是人机交互识别阶段；第三个阶段是真正的机器自动识别阶段；第四个阶段是鲁棒的人脸识别技术的研究阶段。目前，国外多所