图像检索系统总体构架

　　
　　数字图像在公安科技中应用日益广泛，庞大的图像资料对检索技术提出了更高的要求。本文通过对几种典型图像数据库的分析建立了图像检索系统的总体构架，该系统以基于内容图像检索技术为核心，可快速的对所给图像进行检索，找出一组相似图像，从而提高案件的侦破速度。

　　随着平安建设的深入，视频监控系统每天都有大量新图像产生，库容量增大，这就使得图像检索工作成为巨大的负担。传统的人工查找耗时耗力，有时对于庞大的图像库几乎不可能。基于文字描述的检索需要对每幅图像有准确的文字描述，而对图像内容的文字描述并不能做到准确。因此，客观要求急需将基于内容的图像检索应用于图像数据库的检索中。

　　基于内容的图像检索技术

　　随着大规模数字图像库的出现，上世纪90年代初期，基于内容的图像检索技术（Content-Based Image Retrieval）应运而生。基于内容的图像检索系统具有与传统基于文本的检索系统完全不同的构架。由于图像依赖其视觉特征而非文本描述进行索引，查询将根据图像视觉特征的相似度进行。用户通过选择具有代表性的一幅或多幅示例图像来构造查询，然后由系统查找与示例图像在视觉内容上比较相似的图像，按相似度大小排列返回给用户。

　　图像特征的提取与表达是基于内容的图像检索技术的基础。图像的视觉特征可分为通用的视觉特征和领域相关的视觉特征。前者用于描述所有图像共有的特征，与图像的具体类型或内容无关，主要包括色彩、纹理和形状；后者则建立在对所描述图像内容的某些先验知识的基础上，与具体的应用紧密有关，例如人的面部特征或指纹特征等。

　　几种典型图像库

　　本节针对几种典型图像库，讨论基于内容的图像检索的应用。

　　指纹图像

　　人类指纹有三种基本形态：弓型纹（Arches）、箕型纹（Loops）和斗型纹（Whorls）。用这些形态作为指纹分类依据，然后进一步细化提取指纹特征。最常用的手工指纹分类的方法就是Henry分类法。这种分类方法可以追溯到上世纪初期对指纹手工分类的方法，然而这种分类方法对于今天的自动指纹识别系统（Automatic Fingerprint Identification Systems AFIS）并不实用。

　　大多AFIS中使用了以下三种方法：

　　基于语法的方法：脊线的形状和细节被归纳为某种符号组成的表示字符串，当有新指纹输入，其表示字符串会被格式化，然后通过语法分析确定其所属类别。这种方法也可以利用图形数据结构提取细节特征，利用特征的拓扑结构进行模式匹配。

　　基于人工神经网络的方法：利用人工神经网络可以提取指纹图像的隐性特征，通过对网络的训练可以识别指纹图像。目前已经有几种神经网络被用于指纹识别。