1．目的及意义

这些年来，由于互联网技术、多媒体技术以及云计算和大数据技术等的飞速发展，每天产生的图像数据也急剧增加。对于个体用户而言，这些拥有丰富视觉信息的图像数据并非都是有用信息，因此，如何让用户从庞大的图像数据库中更快、更准、更方便地获得其需要的或者感兴趣的图像，成为了一个研究的热点方向。图像检索技术是获取与用户查询相关度较高的图像的技术，而基于内容的图像技术是根据图像本身的视觉特征从图像数据库中检索图像，相比于基于文本的图像检索技术，可以克服一些主观因素的影响。本课题是通过设计完成一个基于内容的图像检索（Content-based ImageRetrival,CBIR）系统，并搭建关于车辆的图像数据库进行验证，从中学习研究基于内容的图像检索技术种图像特征提取，图像特征索引及匹配的技术理论和算法知识。

从20世纪90年代基于内容的图像检索技术被提出以来，在医学领域、网络购物、图像情报处理等领域对CBIR系统需求增加，其相关理论和技术也取得了很大的进展。在基于内容的图像检索系统中图像特征提取和图像特征索引和匹配技术是关键，而图像检索特征可分为两类：一类为底层视觉特征，例如颜色、形状和纹理；另一类则是高层语义特征。目前，CBIR系统主要以底层特征为主，早期的系统提取的是整幅图像的特征，但我们往往只需要图像中特定对象的特征，后来研究出只需提取对象局部特征的方法。提取图像特征后，需要进行特征索引和匹配才能反馈出用户所需的相似图像，为了检测图像的相似度，专家学者提出了先后提出了许多距离测度算法，如曼哈顿距离 、欧氏距离和切比雪夫距离等，每种距离测度算法都有其优缺点，我们在设计CBIR系统是应根据实际情况选择和设计出较优的算法。

国内外已经开发了不少的CBIR系统，如QBIC(QueryBy Image Content)系统可支持多种混合的图像检索方式，包括基于例子图像和用户描述草图的查询。美国伊利诺伊大学香槟分校开发的MARS系统还提出了相关反馈机制，让用户动态调整系统参数来满足不同的要求。在国内，清华大学、浙江大学等相继设计开发了一些功能强大的图像检索系统，而淘宝平台也支持用户提供示例图像来查找相似商品。目前，通过挖掘图像的语义信息，并结合基于注释的图像检索算法、相关反馈技术等方法可以进一步提高CBIR系统的准确度。{title}

2. 研究的基本内容与方案

{title}

1）研究（设计）的基本内容

①基于内容的图像检索系统结构和实现方法研究。

②关于车辆图片的图像数据库的构建知识和方法；

③研究数字图像处理技术中关于图像颜色、形状、纹理特征的提取理论和算法，图像索引与匹配理论和算法知识以及他们的实现方法。

2）研究（设计）的目标

①理解并掌握图像特征提取和匹配的理论知识，完成图像颜色、纹理和形状的匹配算法的设计与实现；

②学会数据库构建的基本技术和方法，完成车辆图像数据库的结构设计并找到图像源从而建立完整的车辆图像库；

③完成基于内容的车辆图像检索系统的设计与实现，包括系统的界面和结构功能的设计与实现。