基于內(nèi)容的圖像搜索系統(tǒng)畢業(yè)論文

1、<p>　　畢 業(yè) 設(shè) 計（論文）</p><p>　　2015 年 5月25 日</p><p>　中文題目基于內(nèi)容的圖像搜索系統(tǒng)</p><p>　英文題目Content-based image search system </p><p><b>　　摘要</b></p><p>

2、　　隨著網(wǎng)絡(luò)的普及，圖像已成為存儲和展示信息的主要載體。然而，伴隨著信息量的劇增，圖像的識別和管理就成為了一個亟需解決的難題。圖像搜索（image search）是近年來比較熱門的一項新興技術(shù)，根據(jù)圖像的大小、空間等特征，提取圖像的指紋并作為圖像的標識與圖像保存在一起，然后匹配搜索相似圖像。</p><p>　　圖像指紋的提取和識別過程是本文的研究重點。利用圖像縮小算法縮小圖像尺寸、利用簡化圖像色彩算法簡化圖像色

3、彩。使用計算平均值的方法和進制轉(zhuǎn)換算法獲取圖像的指紋密碼。</p><p>　　基于內(nèi)容的圖像搜索可以分為對象表示，特征提取和對象匹配。在特征提取中有色彩，形狀和空間關(guān)系等特征。把色彩的三維圖片去除掉一些細節(jié)之后，僅保留圖像的結(jié)構(gòu)、明暗等基本信息。在本文中以選取64個像素點為例。然后將其轉(zhuǎn)化成64灰度級，也就是說，所有的像素點總共只有64種顏色。之后計算其平均值并得到圖像的哈希值作為圖像的指紋用來匹配搜索圖像，并

4、找到與之相似的圖像。</p><p>　　把得到的圖像指紋和圖像路徑一起關(guān)聯(lián)保存到數(shù)據(jù)庫中，然后運用匹配搜索的方式，對圖像的指紋進行檢索。使用jsp完成頁面和服務(wù)器的交互，實現(xiàn)基于內(nèi)容的圖像搜索系統(tǒng)。</p><p>　　關(guān)鍵字：圖像指紋；圖像搜索；基于內(nèi)容的圖像搜索</p><p><b>　　ABSTRACT</b></p>

5、<p>　　With the popularity of the network,the image has become the main carrier of information storage and display.However,with the dramatic increase in information,image recognition and management is a need to solve

6、 the problem.Image search is popular in recent years, a new technology,according to the size of the image, spatial characteristics,extract the image of fingerprint and saved as image identification and image together,the

7、n match the search similar images.</p><p>　　The extraction of the fingerprint image and the recognition process is the research emphasis in this paper.Using image reduction algorithm to reduce the image size

8、, the use of color image color algorithm simplification images.Using average method to calculate and hexadecimal conversion algorithm of image of fingerprint password.</p><p>　　The colour of three-dimensiona

9、l images to get rid of some details, only the basic information such as the structure of the image, light and shade.In this article to select 64 pixels as an example.And then convert it to grayscale 64, that is to say, a

10、ll the pixels of a total of only 64 colors.After calculating the average value and get the hash value of the image as the image of the fingerprint image is used to match the search, and find similar images.Use the JSP pa

11、ge to the server,implement con</p><p>　　To get the image of the fingerprint associated with image path saved into the database,then use match the search,to retrieve the image of the fingerprint.</p>&

12、lt;p>　　Key Words: Fingerprint image;Image search;Content-based image search </p><p><b>　　目錄</b></p><p><b>　　第一章 引言1</b></p><p>　　1.1課題的研究背景和意義1</p>

13、;<p>　　1.2圖像搜索技術(shù)的發(fā)展歷程2</p><p>　　1.2.1基于文本的圖像搜索技術(shù)2</p><p>　　1.2.2基于內(nèi)容的圖像搜索技術(shù)2</p><p>　　1.2.3基于多特征向量的圖像搜索3</p><p>　　1.3基于內(nèi)容的圖像搜索系統(tǒng)概述3</p><p>　　1.

14、3.1課題的研究目標3</p><p>　　1.3.2課題的研究內(nèi)容3</p><p>　　1.3.3系統(tǒng)概述4</p><p>　　第二章 基于內(nèi)容的圖像搜索5</p><p>　　2.1基于內(nèi)容的圖像搜索的定義5</p><p>　　2.2基于內(nèi)容的圖像搜索算法的設(shè)計5</p><p

15、>　　2.2.1圖像的縮小與放大算法5</p><p>　　2.2.2簡化圖像色彩7</p><p>　　2.2.3計算灰度平均值7</p><p>　　2.2.4二進制轉(zhuǎn)化為十六進制8</p><p>　　2.2.5圖像相似度劃分8</p><p>　　第三章 基于內(nèi)容的圖像搜索系統(tǒng)的設(shè)計與實現(xiàn)10

16、</p><p>　　3.1實驗準備10</p><p>　　3.1.1硬件條件10</p><p>　　3.1.2軟件環(huán)境10</p><p>　　3.2算法流程圖10</p><p>　　3.3縮小圖像的實現(xiàn)11</p><p>　　3.4簡化圖像色彩的實現(xiàn)12</p>

17、;<p>　　3.5獲得圖像指紋13</p><p>　　3.6存儲圖像指紋16</p><p>　　3.6.1 創(chuàng)建數(shù)據(jù)庫表格16</p><p>　　3.6.2 建立數(shù)據(jù)庫連接17</p><p>　　3.6.3存儲圖像指紋17</p><p>　　3.7匹配搜索圖像19</p>

18、;<p>　　3.7.1提取樣本圖像的指紋19</p><p>　　3.7.2匹配搜索20</p><p>　　第四章 基于內(nèi)容的圖像搜索系統(tǒng)結(jié)果展示22</p><p>　　4.1圖像搜索結(jié)果展示22</p><p>　　4.2算法運行時間展示25</p><p>　　第五章 結(jié)論與展望27

19、</p><p><b>　　5.1結(jié)論27</b></p><p><b>　　5.2展望27</b></p><p><b>　　參考文獻28</b></p><p><b>　　致 謝29</b></p><p>&

20、lt;b>　　引言</b></p><p>　　1.1課題的研究背景和意義</p><p>　　隨著計算機應(yīng)用及Internet的普及，網(wǎng)絡(luò)購物已然成為一種與人們生活息息相關(guān)的商業(yè)活動。阿里巴巴網(wǎng)上批發(fā)市場，天貓商城，淘寶網(wǎng)，拍拍網(wǎng)，京東網(wǎng)上商城等一系列的網(wǎng)購網(wǎng)站已成為軟件行業(yè)的中流砥柱。他們的存在不僅僅是為廣大消費者提供了方便快捷的購物服務(wù)，也為數(shù)以千萬計的創(chuàng)業(yè)者找到了

21、一條財富之路。面對廣大的市場存在的豐厚利潤和無止境的前景，越來越多的企業(yè)、個人躋身到電子商務(wù)這個行業(yè)中來。然而，到目前為止，幾大主流的購物網(wǎng)站：淘寶網(wǎng)，天貓商城，京東網(wǎng)上商城，一號店等等仍然采用的是以關(guān)鍵字搜索的方式來為消費者搜索他們所需要的商品。以關(guān)鍵字的搜索方式已經(jīng)存在很多年了，也確實很實用，基本上可以滿足消費者對商品描述的需求。但是，有些時候，消費者可能并不太確定自己需要購買的商品應(yīng)該怎么去文字描述，一個一個的關(guān)鍵字搜索過去，也許

22、終會找到自己需要的商品，但這個過程可謂是繁瑣和無聊。如果有一個以圖片的方式去搜索，消費者把自己需求的商品的大致雛形以圖片的形式表現(xiàn)出來，然后以這個圖片所為關(guān)鍵字去搜索自己需求的商品，這樣搜索下來就很快可以找到消費者真正需求的商品了。</p><p>　　現(xiàn)如今，在網(wǎng)上消費的大環(huán)境下，面對高額的利潤，IT的幾大巨頭都想分一杯羹。阿里巴巴集團的“萬能淘寶”，騰訊旗下的“拍拍商城”、“微信店鋪”，百度重金打造的“百度外

23、賣”還有一些像“外賣超人”，“餓了嗎”，“美團”等一些新興的公司也都在網(wǎng)上商城在一塊嘗到了不小的甜頭；就連一直以視頻為大家的所知的愛奇藝，也推出了“愛奇藝商場”。面對這個巨大市場，高額的利潤和較低的成本，眾多的IT領(lǐng)軍集團紛紛加入了網(wǎng)上商城的潮流當中。</p><p>　　放開這些大集團不談，我們看下我們身邊；有多少人選擇網(wǎng)購。據(jù)阿里巴巴統(tǒng)計：到2013年為止，淘寶網(wǎng)已有超過5億的注冊用戶，每天有超過6000萬的

24、固定訪客，同時每天的在線商品數(shù)已經(jīng)超過了8億件，平均每分鐘售出4.8萬件商品。2014年“雙11”期間，僅38分鐘的時間，淘寶交易額就已經(jīng)突破百億，全天更是達到572億的歷史新高。這些數(shù)據(jù)養(yǎng)活的不只是阿里巴巴集團的那些人，在這背后可能有數(shù)百萬甚至上千萬的人靠淘寶生活。面對巨額數(shù)字，同樣都是做IT的，我們?yōu)槭裁淳筒荒転榇俗鲂┦裁?，去分一杯羹呢?lt;/p><p>　　隨著“百度識圖”、“谷歌以圖搜圖”等一些識圖網(wǎng)站的

25、發(fā)布，以圖搜索的方式將很快在整個IT界爆發(fā)?！白R圖”識別的是圖，而這個“圖”可以是風(fēng)景、美食、衣服、首飾、建筑，人物等。有需求的地方就有市場，有了市場那么利潤也就不遠了。</p><p>　　試想一下：如果你要去旅游，只是要看一下“竹林”或者是“大海”，沒有什么明確的要求，也沒有確切的目的地，只是有那么一個想去的地方和一個期望的景色。你愿意傻傻的去旅行社問“哪里有好看的……”、“哪里我有喜歡的……”把你的想要描述

26、給你的導(dǎo)游，你覺得你愿意去這樣問嗎？你有那么多閑時間去問嗎？你問了之后他們可以給你一個滿意的答案嗎？當你看到一美味佳肴，你會不會想親自嘗嘗，或者自己學(xué)一下怎么做呢？在或者你就是想買一雙“鞋子”，買一雙自己看到的喜歡的，沒有品牌，沒有名字，你愿意到大街上一家一家店的找過去嗎？你有那么時間和精力去為了一瞬間的念想去找嗎？你又真的愿意就這樣放棄嗎？這樣找你確定可以找到嗎？</p><p>　　“一切盡在不言中”，太多的

27、東西是我們沒法用語音描述的；所以就有了圖像，一個圖像所能存儲的信息量之大，絕對不是你我的只言片語就可以解釋清楚的。而隨著計算機的發(fā)展和Internet的普及，信息量之大也覺得不是一兩張圖像就可以描述，存儲的。如何在大批量的圖像中，找到自己所需？有了問題就要有解決它的想法，本文中將以圖像搜索的方法來解決這個問題。</p><p>　　1.2圖像搜索技術(shù)的發(fā)展歷程</p><p>　　圖像搜索

28、技術(shù)的發(fā)展大體上經(jīng)過三個階段：基于文本的圖像檢索，基于內(nèi)容的圖像檢索和基于多特征向量的圖像搜索。</p><p>　　1.2.1基于文本的圖像搜索技術(shù)</p><p>　　基于文本的圖像搜索技術(shù)是最早的圖像檢索技術(shù)（簡稱TBIR）?；谖谋镜膱D像搜索技術(shù)是人工的對圖像添加一些描述性信息作為圖像的搜索標識，和圖像的存儲路徑和圖像的描述信息之間建立連接。運用模糊搜索的方法對圖像的描述信息進行檢

29、索，實現(xiàn)對圖像搜索?；谖谋镜膱D像搜索和我們常用的關(guān)鍵字搜索的原理是相似的。搜索的只是人工添加的圖像描述信息。</p><p>　　但是隨著圖像庫的增大，人工的對圖像添加描述信息的方法越來越不適用。雖說對圖像搜索的效率并不算低，但是對圖像添加描述信息的工作量也很大。面對巨大的圖像庫，基于文本的圖像搜索技術(shù)已經(jīng)不能滿足當前用戶的需求。</p><p>　　1.2.2基于內(nèi)容的圖像搜索技術(shù)&l

30、t;/p><p>　　上個世紀90年代初期，數(shù)字圖像庫的規(guī)模已經(jīng)變得十分大?；谖谋镜膱D像搜索技術(shù)已經(jīng)不能滿足當前用戶的需求。為了解決這個難題，基于內(nèi)容的圖像檢索技術(shù)（簡稱CBIR）誕生了。不同于基于文本的圖像搜索技術(shù)的是基于內(nèi)容的圖像搜索技術(shù)不需要人工的對圖像添加描述信息?；趦?nèi)容的圖像搜索技術(shù)是一種綜合集成搜索技術(shù)，利用算法程序自動提取圖像中的視覺特征取代基于文本的圖像搜索技術(shù)中的圖像的描述信息（在基于內(nèi)容的圖像

31、搜索系統(tǒng)中，我們稱之為圖像指紋），所謂圖像指紋就像人的指紋一樣，可以作為圖像的識別特征。</p><p>　　基于內(nèi)容的圖像搜索技術(shù)提取的視覺特征包括圖像的顏色、紋理、形狀等特征。用戶在查找時，只需要用圖像就可以去搜索相似的圖像。不需要知道圖像的名稱，描述信息等等，就可以在海量圖像庫中找到自己想要的圖像。</p><p>　　1.2.3基于多特征向量的圖像搜索</p><

32、;p>　　基于多特征向量的圖像搜索技術(shù)是在基于顏色直方圖特征的圖像搜索技術(shù)的基礎(chǔ)上改進得來的?；陬伾狈綀D特征的圖像搜索技術(shù)簡單、高效。不過基于顏色直方圖特征的圖像搜索技術(shù)在追求簡單、高效的同時，沒有考慮圖像顏色的空間分布信息。導(dǎo)致了基于顏色直方圖特征的圖像搜索技術(shù)的搜索準確性非常低。因此，在此基礎(chǔ)上誕生了基于多特征向量的圖像搜索技術(shù)。</p><p>　　基于多特征向量的圖像搜索技術(shù)是將圖像內(nèi)容看成若干

33、個對象組成的集合，利用圖像分割技術(shù)得到圖像的主要對象，然后根據(jù)對方的顏色、位置和形狀等基本特征計算圖像間內(nèi)容的相似度，然后進行匹配。該方法與基于顏色直方圖搜索技術(shù)相比，可以更加準確高效的搜索出用戶所需內(nèi)容的圖像，提高了對圖像檢索的精度[4]。</p><p>　　1.3基于內(nèi)容的圖像搜索系統(tǒng)概述</p><p>　　1.3.1課題的研究目標</p><p>　　本課

34、題將以實現(xiàn)圖相似圖像的搜索為目標，在實現(xiàn)對相似圖像搜索的基礎(chǔ)上，提高圖像搜索的準確率和搜索效率。</p><p>　　本課題對圖像的縮小與放大算法、圖像色彩簡化算法進行深度研究。提高圖像縮小算法的精度和效率。同時將圖像色彩簡化算法運用到圖像搜索技術(shù)中，對圖像進行色彩簡化以完成對圖像的搜索。</p><p>　　1.3.2課題的研究內(nèi)容</p><p>　　現(xiàn)有的大多

35、數(shù)方法關(guān)注的是圖像背景，而不是整體，這樣就可能會導(dǎo)致檢索的錯誤。為了解決圖像檢索系統(tǒng)面臨的虛假特征點的匹配問題，運用圖像上下文來驗證一致性問題以去除錯誤匹配[8]。</p><p>　　大多數(shù)現(xiàn)有的方法仍然致力于大規(guī)模的二進制代碼學(xué)習(xí)，然而這些方法會占有大量的資源，而準確性和效率并不高，為了解決這個問題，運用操作矩陣算法，可以顯著的降低計算代碼的學(xué)習(xí)成本。案例研究表明[9]，三個圖像基準一百萬樣本，確鑿的功效，量

36、化方法的圖像檢索是可行的，效率和準確性都很高。</p><p>　　本課題將重點研究對圖像的相似搜索。并將搜索結(jié)果以網(wǎng)頁的形式展現(xiàn)給用戶。</p><p><b>　　1.3.3系統(tǒng)概述</b></p><p>　　隨著計算機應(yīng)用及Internet的普及，圖像庫也在不斷的劇增，怎么在擁有海量圖像的圖像庫中，快速的搜索出所需要的圖像已經(jīng)成為急需解

37、決的問題。</p><p>　　本系統(tǒng)將以一種嶄新的方式實現(xiàn)對圖像的識別，并對其進行匹配。找到圖像庫中已有的與用戶圖像相似的目標圖像。</p><p><b>　　算法步驟描述：</b></p><p>　　1.把彩色圖像進行縮小得到8*8尺寸的圖像，經(jīng)過縮小之后圖像總共只有64個像素點，去掉了圖像的細節(jié)，只保留了圖像的結(jié)構(gòu)、明暗等基本信息。&

38、lt;/p><p>　　2.簡化圖像色彩，將縮小后的圖像轉(zhuǎn)化為64級灰度，也就是說只有64種顏色。</p><p>　　3.計算所有64個像素點的灰度平均值。</p><p>　　4.比較每個像素的灰度：將每個像素的灰度，與平均值進行比較。大于或等于平均值，記為1；小于平均值，記為0。得到64位二進制。</p><p>　　5.把64位二進制，以

39、4位為單位依次轉(zhuǎn)化為16進制。</p><p>　　6.把得到的16進制作為圖像的指紋密碼和圖像的路徑一起保存到數(shù)據(jù)庫中。</p><p>　　算法實現(xiàn)的技術(shù)關(guān)鍵：</p><p>　　1.縮小圖像尺寸、去除圖像細節(jié)，只保留圖像結(jié)構(gòu)、明暗等基本信息。</p><p>　　2.簡化圖像色彩，將圖像轉(zhuǎn)化為64級灰度。</p><

40、;p>　　3.計算灰度平均值。</p><p><b>　　算法實現(xiàn)的基本要求</b></p><p>　　1.代碼規(guī)范，提高可讀性和可改性。</p><p>　　2.規(guī)范注釋，觀點明確，易懂。</p><p>　　3.數(shù)據(jù)普通，結(jié)果準確。</p><p>　　4.結(jié)論正確，經(jīng)得起推敲<

41、;/p><p>　　基于內(nèi)容的圖像搜索系統(tǒng)在未來的網(wǎng)絡(luò)應(yīng)用中，必將占據(jù)重要的一部分。為人們的生活服務(wù)增加更多別致的色彩。而其商業(yè)用途廣泛，市場前景開闊，具有開發(fā)的價值和意義。</p><p><b>　　基于內(nèi)容的圖像搜索</b></p><p>　　2.1基于內(nèi)容的圖像搜索的定義</p><p>　　基于內(nèi)容的圖像搜索是使

42、用程序自動提取圖像的指紋特征，對圖像進行搜索的圖像搜索技術(shù)。</p><p>　　基于內(nèi)容的圖像搜索技術(shù)不同于基于文本的圖像搜索技術(shù)，基于文本的搜索的技術(shù)檢索的是人們手工對圖像添加的描述信息?；趦?nèi)容的圖像搜索系統(tǒng)則是根據(jù)圖像本身經(jīng)過一系列的程序處理之后，自動提取出來的一個圖像僅有的指紋密碼，用來標識和區(qū)分圖像。</p><p>　　提取的圖像的指紋就好像人的指紋一樣。不同的是，對于人來說

43、只能說指紋一樣可以確定是同一個人；而不能說兩個相似的指紋的就說他們是兩個相似的人。而對象圖像的指紋，只是對圖像用某一種方法提取的一些特征點，這些特征點的提取完全取決于提取的方法和圖像本身。同一張的圖像，用不同的方法提取的圖像的指紋可能不同，用同樣的方法選擇的特征點不同，提取的指紋也可能不同。對于圖像的識別和搜索，如何保證提取到的圖像指紋是正確的，又能唯一標識這些圖像才是圖像搜索的關(guān)鍵。對于圖像的指紋，兩個相同的指紋不一定是同一張圖像，而

44、同一個圖像不能因為幾次不同的提取而得到不同的指紋。</p><p>　　基于內(nèi)容的圖像搜索的目的就是在海量的圖像庫中找到與目標圖像相似的圖像。而圖像庫所存儲的信息量之大覺得不僅僅限于幾十張上百張的圖像。為了證明基于內(nèi)容的圖像搜索算法的高效性和實用性。在本次報告中，將采用1000張圖像作為實驗用的圖像庫；運用oracle數(shù)據(jù)庫保存圖像的指紋和路徑。使用JAVA高級程序語言作為開發(fā)語言；JDK1.6開發(fā)工具包；MyE

45、clipse 8.5作為開發(fā)平臺；Internet Explorer 10作為實驗結(jié)果的展示平臺；tomcat 6.0作為服務(wù)器。完成對基于內(nèi)同的圖像搜索算法的實驗。</p><p>　　2.2基于內(nèi)容的圖像搜索算法的設(shè)計</p><p>　　2.2.1圖像的縮小與放大算法</p><p>　　對于圖像的縮小，不是我們常見的尺寸的縮小。而是直接去掉一系列的像素點，僅

46、僅保留圖像的機構(gòu)、明暗等一些基本信息。圖像的放大也不是我們所熟悉的對圖像尺寸的放大。這里所說的圖像放大算法是根據(jù)圖像的本身在其中添加一些像素點，達到圖像放大的效果。</p><p>　　圖像縮小是一種比較簡單的算法。圖像縮小只要選取要保留的像素點，去掉多余的像素點。對于要保留像素點的選取也是十分講究的，選取的像素點不能過于集中，不用主觀的去選取某一個位置，這些的點的選取應(yīng)該是按照圖像的比例，選取圖像的固定位置。在

47、基于內(nèi)容的圖像搜索中，圖像縮小算法運用在基于內(nèi)容的圖像搜索算法的第一步，也是至關(guān)重要的一步，因為后面的每一步都要使用這一步的結(jié)果，這里出現(xiàn)任何的錯誤都可能導(dǎo)致實驗的失敗。所以在這一步中，謹慎選取圖像的64個像素點，就8*8像素點。通俗的講也就是橫8豎8。64個像素點的選取是按照圖像的比例選取的，比如原圖是640*640像素的，則選取的像素點(如表2.1所示)，這些像素點的選取一定要有一個自己確定的規(guī)律性，另外圖像是否等比例縮小也至關(guān)重要

48、。在本文中對于圖像是縮小采用的是圖像的不等比例縮小。</p><p>　　表2.1 64個像素點的選取</p><p>　　圖像的放大算法相比于圖像的縮小的算法就要復(fù)雜的多。對于圖像的放大在本次試驗中沒有用到，在此處只做簡單的描述，不做詳細的介紹。</p><p>　　對于圖像的放大，主要是在原有的圖像中，根據(jù)一定的規(guī)律添加一些像素點。而添加的難點就在于要怎么添加，

49、添加什么樣的像素點進去。一張完美的圖像在我們程序員眼里不應(yīng)該僅僅是表象的那樣信息，而應(yīng)該是一個一個的點，細化一些應(yīng)該是一個一個的數(shù)值。而就是這些數(shù)值組合成了一張張完美的圖像。圖像放大就是要往圖像里面添加一些像素點，其實也就是往里面填充一個一個的數(shù)值，而這些數(shù)值的選取才是問題的關(guān)鍵。</p><p>　　為了減小放大的圖像和原圖的差異，這些值的選取就顯得非常重要了。怎么縮小這個差距。我們采取平均值的方法，計算要插入

50、像素點位置周圍像素點的平均值，作為要插入的像素點的值。這樣就有效的減少了圖像放大帶來的視覺變化。</p><p>　　2.2.2簡化圖像色彩</p><p>　　簡化圖像色彩是提取圖像指紋密碼的關(guān)鍵步驟。如何把三維的彩色圖像轉(zhuǎn)化為二維的灰度圖像，也是圖像指紋提取的關(guān)鍵。</p><p>　　在這里用的到轉(zhuǎn)化方法是移位算法，計算灰度值。</p><

51、p>　　假設(shè)彩色的RGB值（Red-Green-Blue 紅綠藍）表示為pixels，則_red、_green、_blue可以表示為：</p><p><b>　　公式（1）；</b></p><p><b>　　公式（2）；</b></p><p><b>　　公式（3）；</b></p

52、><p>　　由公式（1）、（2）、（3）可以得到灰度值garyValue：</p><p><b>　　公式（4）。</b></p><p>　　根據(jù)上述公式和2.2中得到的像素點，可以計算得到每個像素點的灰度值。經(jīng)過計算得到的灰度值garyValue可能是小數(shù)。而在后續(xù)的算法中，還是要對灰度值進行取舍，因此小額的數(shù)值損失不會對算法最終的準確性產(chǎn)

53、生影響。所以在這里把得到的灰度值garyValue強制轉(zhuǎn)化成整形（即JAVA語言中的Int數(shù)據(jù)類型），這樣不僅不會影響算法的準確性，更能在一定的程度上提高算法的效率。</p><p>　　經(jīng)過這一步的計算，原有的圖像已經(jīng)完全被轉(zhuǎn)化成了64個0到63的整數(shù)。而這些數(shù)字隱含了原有圖像的所有信息。</p><p>　　拿到這些數(shù)字已經(jīng)完成了算法的最重要的兩步。而如何利用這些看似無關(guān)的數(shù)字，如何去

54、識別圖像呢？這就需要下面的一系列關(guān)于這些數(shù)字的計算。所以對于前面的至關(guān)重要的兩步，是絕對不能出現(xiàn)任何錯誤的，否則后面的計算將是毫無意義的。</p><p>　　2.2.3計算灰度平均值</p><p>　　對于灰度平均值的計算可以說是算法中最簡單的一步。簡單地說，就是根據(jù)公式（4）計算得到一系列灰度值的平均值。在本次實驗中，一共取了64個像素點，也就是一共64個灰度值。</p>

55、<p>　　64個灰度值我們分別記為,,...,;那么平均值（avgValue）計算公式為：</p><p>　　所有灰度值的和為： 公式（5）</p><p>　　根據(jù)公式（5），可以得到：</p><p><b>　　公式（6） ；</b></p><p>　　由公式（6）可以得到圖像的灰度平均

56、值。經(jīng)過計算和算法的需要。把大于等于灰度平均值的灰度值記為1，小于灰度平均值的灰度值記為0；經(jīng)過研究和計算，這樣做不會影響算法的準確性，還能在一定程度上提高搜索的效率。提高算法的實用性。這樣就可以得到一個64位的二進制的圖像的指紋密碼。在試驗中是要把得到的指紋密碼保存到oracle數(shù)據(jù)庫中，64位的二進制保存起來將會占用大量的空間。而在最后進行匹配搜索的時候也將消耗大量的資源，使得算法的運行效率大大降低。在結(jié)合最后搜索的時候是要匹配的指

57、紋中不同位置二進制的數(shù)量。而不需要原有的64位二進制。因此，接下來要做的就是怎么方便快捷的把64位二進制完全無誤的存儲的oracle數(shù)據(jù)庫中。</p><p>　　2.2.4二進制轉(zhuǎn)化為十六進制</p><p>　　如何把64位的二進制指紋密碼，縮減成16位的十六進制指紋密碼是本節(jié)的重點。二進制轉(zhuǎn)化十六進制需要先把二進制轉(zhuǎn)化為十進制作為中間橋梁，在轉(zhuǎn)化為十六進制。</p>&

58、lt;p>　　在本次課題中是把64位的二進制每4位組合成一起轉(zhuǎn)化為十六進制。4位二進制的選取順序沒有特征的要求。但必須要保證圖像庫中所有的圖像選取的二進制都是相同的順序。按要2.2中縮小圖像的方法將圖像縮小得到的應(yīng)該是8*8圖像，一共是64個像素點，到本節(jié)是64位二進制?？梢孕蜗蟮陌堰@64位二進制比作一個8*8矩陣的64個點。在這一步中，選取4位二進制的時候需要保證所有的圖像都采用相同的選取方法。比如第一個4位二進制選取矩陣的(0

59、,1),(0,2),(0,3),(0,4)4個像素點，那么所有的圖像庫的圖像選取4位二進制的時候第一個4位二進制都必須選取這4個來轉(zhuǎn)換第一個十六進制。以此類推，直至無重復(fù)的選取到所有點，即取夠16組4位二進制。</p><p>　　然后就可以根據(jù)二進制轉(zhuǎn)換十六進制的一般步驟進行進制變換；二進制轉(zhuǎn)化為十進制可以根據(jù)二進制轉(zhuǎn)化十進制公式：例如二進制數(shù)abcd，轉(zhuǎn)化為十進制為：。</p><p>

60、;　　把二進制轉(zhuǎn)化為十進制之后可以根據(jù)十進制與十六進制的對應(yīng)關(guān)系，將十進制轉(zhuǎn)化為十六進制，從而完成從二進制到十六進制的轉(zhuǎn)換。</p><p>　　根據(jù)上述的轉(zhuǎn)化規(guī)則，就可以得到一個16位的十六進制數(shù)。也就是圖像的指紋密碼。</p><p>　　算法運行到這里已經(jīng)完全了準備工作?，F(xiàn)在要做的就是把得到16位十六進制數(shù)也就是圖像的指紋密碼保存到oracle數(shù)據(jù)庫中，保存類型為varchar2類型

61、。</p><p>　　2.2.5圖像相似度劃分</p><p>　　所謂相似，可以理解為有多少一樣，也可以理解為有多少不一樣。很顯然一樣的越多相似程度就越高，不一樣的越多相似的程度就越低。</p><p>　　經(jīng)過對16位十六進制的指紋密碼進行匹配得到：</p><p>　　1.不同位數(shù)小于等于5的時候，圖像的像素程度很高；</p&g

62、t;<p>　　2.不同位數(shù)在5到10之間的時候，圖像有相似之處，但相似的程度不高；</p><p>　　3.不同位數(shù)大于10的時候，兩張圖像沒有相似點，兩張圖像完全不同。</p><p>　　根據(jù)這個結(jié)論，就可以完成對數(shù)據(jù)庫中相似的圖像的搜索了。為了保證算法結(jié)果更具說服力，在下面章節(jié)中，將進行實時實驗。</p><p>　　基于內(nèi)容的圖像搜索系統(tǒng)的設(shè)

63、計與實現(xiàn)</p><p><b>　　3.1實驗準備</b></p><p>　　為了更好的進行說明基于內(nèi)容的圖像搜索算法的可行性和實用性，本文將對算法進行試驗。為了保證試驗的順利進行，需要一些硬件環(huán)境和軟件環(huán)境。</p><p><b>　　3.1.1硬件條件</b></p><p>　　軟件的運

64、行需要硬件平臺的支持。本次實驗所用的電腦至少需要同時運行MyEclipse 、Internet Explorer，因此需要運行內(nèi)存2G及以上；算法結(jié)果展示需要大量的本地內(nèi)存圖像需要占用很大的硬盤空間，電腦硬盤需要在100G以上；軟件安裝需要操作系統(tǒng)的支持，本次開發(fā)根據(jù)系統(tǒng)開發(fā)和運行需求，需要電腦的操作系統(tǒng)在Windows XP及以上版本。</p><p><b>　　3.1.2軟件環(huán)境</b>

65、;</p><p>　　軟件的運行需要一定的條件的支持，開發(fā)軟件同樣也是需要一定的軟件環(huán)境支持開發(fā)工作。在本次實驗中，選取的是JAVA語言作為開發(fā)語言，Oracle數(shù)據(jù)庫作為開發(fā)使用數(shù)據(jù)庫，tomcat作為試驗用服務(wù)器，Internet Explorer作為實驗結(jié)果展示平臺。因此需要一些必要的條件：</p><p>　　MyEclipse 8.5或以上版本 需支持JDK1.6；</p

66、><p>　　Oracle 10g或以上版本；</p><p>　　Tomcat 6.0 或以上版本作為程序運行的服務(wù)器；</p><p>　　4.Internet Explorer 10或以上版本。</p><p><b>　　3.2算法流程圖</b></p><p>　　算法過程主要分為以下幾個步

67、驟（如圖3.1）：</p><p>　　步驟1.縮小圖像8*8尺寸，根據(jù)一定的規(guī)律選擇圖像要保留的64個像素點，必須保證每張圖像選取的像素點都是在相同的相對位置；</p><p>　　步驟2.使用移位操作的方法將色彩圖像簡化色彩，轉(zhuǎn)化為64級灰度，轉(zhuǎn)化之后是64位0-63之間的數(shù)字；</p><p>　　步驟3.計算灰度平均值，也就是計算步驟2得到的64位0-63之

68、間的數(shù)字的平均值；</p><p>　　步驟4.灰度平均值和灰度值比較，大于等于灰度平均值記為1，小于灰度平均值記為0，可得到64位二進制；</p><p>　　步驟5.把64位二進制轉(zhuǎn)化為16位十六進制，作為圖像的指紋密碼；</p><p>　　步驟6.將得到的16位十六進制指紋密碼保存到Oracle數(shù)據(jù)庫中。</p><p>　　圖3.1

69、 算法流程圖</p><p>　　根據(jù)圖3.1算法流程圖，可以很明顯的看到算法的基本步驟。每個步驟之間環(huán)環(huán)相扣，任何一個環(huán)節(jié)的錯誤都可能導(dǎo)致整個程序運行失敗。因此在算法的每一步計算中都要謹慎。</p><p>　　3.3縮小圖像的實現(xiàn)</p><p>　　在本小節(jié)中采用的圖像的不等比例縮小。也就是說無論原來的圖像的尺寸的比例是怎么樣的，經(jīng)過本節(jié)的劃算之后都是等比例的

70、圖像；實現(xiàn)圖像縮小的核心JAVA源代碼如下：</p><p>　　在JAVA源碼中；target就是縮小的圖像。但在此處已經(jīng)是面目全非。經(jīng)過上面源碼的處理之后原有圖像已經(jīng)變?yōu)?4個像素點，只保留了圖像的結(jié)構(gòu)、明暗等基本信息。</p><p>　　圖像縮小的主要原理是去掉一些像素點，也可以說是選擇一些要保留的像素點。本次實驗中，需要處理的結(jié)果是提取64個像素點。本次選取的像素點是固定在原圖像

71、的8分位置。對于所有的圖像的縮小都是選取圖像相對于這個位置的像素點。</p><p>　　3.4簡化圖像色彩的實現(xiàn)</p><p>　　在本小節(jié)中，主要實現(xiàn)對已經(jīng)縮小過的圖像進行色彩簡化。簡化后圖像是64級灰度。經(jīng)過本節(jié)算法的處理之后圖像已經(jīng)變?yōu)?4個0-63的整數(shù)（在下面章節(jié)中有對灰度值進行在不影響算法準確性的前提下的約算，所以在本小節(jié)中，對灰度值的計算也采用了取整的思想）。具體的實現(xiàn)的

72、核心JAVA源代碼如下：</p><p>　　上述源碼中是用移位算法，對于圖像的RGB值分別進行移位操作。_red對應(yīng)圖像的R值，_green對應(yīng)圖像的G值，_blue對應(yīng)圖像的B值。對R值0xFF右移16位，對B值0xFF右移8位，之后根據(jù)2.2.2節(jié)中的公式（3）可以計算得到灰度值。之后進行強制轉(zhuǎn)化成整型。</p><p>　　在上述JAVA源碼中，采用移位的方法對圖像進行簡化。其中p

73、ixels表示3.3章節(jié)中縮小圖像得到的像素點。對于64個像素點灰度值的計算依次調(diào)用這個方法就可以了，具體實現(xiàn)的核心JAVA源代碼如下：</p><p>　　在上面的JAVA源碼中，使用兩次for循環(huán)嵌套，對3.3章節(jié)中得到的64個像素點進行遍歷。對每個像素點進行灰度轉(zhuǎn)化。可以得到64級灰度值。</p><p><b>　　3.5獲得圖像指紋</b></p>

74、;<p>　　在3.4節(jié)中，已經(jīng)獲得了圖像的64級灰度值。本節(jié)的重點就是根據(jù)這些灰度值獲得圖像的指紋密碼。在本次算法中，采用計算平均值的方法，大于等于灰度平均值的灰度級記為1，小于灰度平均值的灰度級記為0；這樣就可以得到64位的二進制數(shù)。具體實現(xiàn)的核心JAVA源代碼如下：</p><p><b>　　1.計算灰度平均值</b></p><p>　　對3.

75、4簡化圖像色彩得到的64級灰度值計算其平均值，使用for循環(huán)灰度值數(shù)組的總和，然后用求得的組合除以數(shù)組的長度就可以得到圖像的灰度平均值。</p><p>　　2.大于等于灰度平均值的灰度級記為1，小于灰度平均值的灰度級記為0</p><p>　　對64級灰度值的數(shù)組使用for循環(huán)就行遍歷，用數(shù)組中的每個值和上一步中得到的平均值用if-else語句進行判斷，大于等于平均值則記為1，小于平均值

76、則記為0，這樣就可以得到64位的二進制。</p><p>　　3.二進制轉(zhuǎn)化為十六進制獲得圖像的指紋密碼</p><p>　　對于二進制轉(zhuǎn)化為十六進制，首先要把二進制以4位為單位轉(zhuǎn)化為十進制，然后根據(jù)得到的十進制數(shù)在轉(zhuǎn)化為十六進制。</p><p>　　若轉(zhuǎn)化得到的十進制小于等于9，則轉(zhuǎn)化為十六進制之后還是原來的。若轉(zhuǎn)化得到的十進制大于等于10小于等于15，則轉(zhuǎn)化

77、十六進制分別用“a”、“b”、“c”、“d”、“e”、“f”表示十進制中的10、11、12、13、14、15、16。具體的實現(xiàn)如下。</p><p>　　本次實驗采用的是直接將二進制轉(zhuǎn)化為十進制，然后在轉(zhuǎn)化為十六進制。這其中的十進制在轉(zhuǎn)化過程中僅僅起到了橋梁的作用，不作為最終結(jié)果保存。而簡化圖像色彩得到的是64位二進制。這樣就要先把二進制以四位為單位轉(zhuǎn)化為十進制。再把得到的十進制轉(zhuǎn)化為十六進制。最后得到圖像的指紋

78、密碼。</p><p><b>　　3.6存儲圖像指紋</b></p><p>　　3.6.1 創(chuàng)建數(shù)據(jù)庫表格</p><p>　　Oracle 簡表語言：</p><p>　　由于系統(tǒng)只需要一張表，不用考慮表的關(guān)聯(lián)問題，只需要表達清楚表中各個字段的約束條件就可以了。number在表中表示表的主鍵，為圖像的唯一約束條件。

79、route是圖像的本地路徑，用在展示算法搜索結(jié)果的jsp頁面中以顯示圖像。secure為提取的圖像指紋密碼，用于相似圖像的搜索。</p><p>　　3.6.2 建立數(shù)據(jù)庫連接</p><p>　　Images類是圖像表對應(yīng)的實體類，iamgeId是圖像的唯一標識，route是圖像路徑，secure是圖像的指紋密碼也就是前面得到的八位十六進制。</p><p>　　

80、由于在實驗中需要保存大量的圖像路徑和圖像指紋密碼。所有在實際操作中選擇了用數(shù)據(jù)庫保存圖像的路徑和指紋密碼。而沒有選擇看起來更簡單的文件。因為在對文件操作時，無論是讀文件還是寫文件都很容易出現(xiàn)IOException，對于異常的處理無論是將異常直接拋出還是進行捕獲都需要消耗大量的資源。甚至還可能造成系統(tǒng)崩潰。選擇Oracle數(shù)據(jù)庫，只有在保存圖像的時候需要使用到流的操作，而這些步驟可以在程序運行之前完成。就算是出現(xiàn)異?；蛘咤e誤，也有調(diào)試和修

81、改的機會。不會造成系統(tǒng)的崩潰。</p><p>　　為了保證代碼的安全和提高可讀性。本次實驗采用了接口，對具體的實現(xiàn)方法進行了封裝。僅僅對外開放接口。如果需要被外界程序調(diào)用，直接開放接口，就可以避免程序源碼的泄露。提高程序的安全性。</p><p>　　3.6.3存儲圖像指紋</p><p>　　使用Hibernate建議數(shù)據(jù)庫連接，用來存儲和查詢數(shù)據(jù)。使用自動生成

82、的ID的方法進行添加數(shù)據(jù)</p><p>　　Hibernate 的配置文件的核心代碼如下：</p><p>　　在配置文件中，圖像表主鍵采用序列號，自動生成。路徑和指紋分別使用Hibernate中的“string”類型和圖像實體類一一映射。</p><p>　　完成Hibernate配置之后就要使用Hibernate建議服務(wù)器與數(shù)據(jù)庫之間的連接，以完成對圖像指紋的

83、插入和查詢。</p><p>　　連接數(shù)據(jù)庫的方法作為靜態(tài)的輔助方法存在，在系統(tǒng)中起到輔助作用。主要是用于建立服務(wù)器和數(shù)據(jù)庫之間的連接，為后續(xù)的插入和查詢數(shù)據(jù)庫提供輔助功能。</p><p>　　提取圖像指紋，并把游離狀態(tài)的圖像指紋和圖像路徑持久化到數(shù)據(jù)庫中，在這一步中，在持久化之后一定要提交事件并關(guān)閉數(shù)據(jù)庫連接。</p><p><b>　　3.7匹配搜

84、索圖像</b></p><p>　　在提取圖像指紋之后要對圖像就行匹配搜索，匹配搜索是對圖像指紋的搜索。和傳統(tǒng)意義上的文字匹配類似。 </p><p>　　3.7.1提取樣本圖像的指紋</p><p>　　根據(jù)3.3、3.4、3.5三個小節(jié)可以獲得原有樣本圖像的指紋。依次對樣本圖像進行縮小、簡化色彩、圖像指紋提取得到圖像的指紋密碼。</p>

85、<p>　　提取樣本圖像指紋的方法必須采用數(shù)據(jù)庫中原有圖像的提取圖像指紋方法一致。這樣才能保證搜索結(jié)果的穩(wěn)定性和算法實現(xiàn)結(jié)果的準確性。完成樣本圖像指紋密碼的提取之后，就要建立數(shù)據(jù)庫的連接并查詢數(shù)據(jù)庫中所有圖像的指紋密碼，然后用樣本的圖像的指紋密碼就行匹配。</p><p><b>　　3.7.2匹配搜索</b></p><p>　　提取了樣本圖像的指紋密碼

86、之后就要完成樣本圖像和數(shù)據(jù)庫中原有圖像之間的匹配，在完成這個匹配之前我們要完成對數(shù)據(jù)庫中圖像指紋的查詢。</p><p>　　這個方法的返回結(jié)果就是數(shù)據(jù)庫中原有圖像的集合。在服務(wù)器中，Images對象包含圖像指紋的屬性。接下來要做的就是對圖像指紋進行匹配。在數(shù)據(jù)庫中可能會出現(xiàn)沒有與樣本圖像相似或者只存在于樣本圖像相似度不高的圖像。因此，在這里做了一個判斷：如果數(shù)據(jù)庫中沒有與樣本圖像相似程度較高（不同數(shù)小于等于5）

87、的圖像，就把相似程度不高（不同大于5小于等于10）的圖像搜索出來。</p><p>　　這樣就保證了用戶對圖像搜索不出來相似圖像的尷尬局面。也完善了算法的準確性和實用性。</p><p>　　基于內(nèi)容的圖像搜索系統(tǒng)結(jié)果展示</p><p>　　4.1圖像搜索結(jié)果展示</p><p>　　本小節(jié)主要是對圖像搜索結(jié)果的展示，用實驗結(jié)果說明本算法搜

88、索結(jié)果的準確性。并舉例說明了算法在生活中的實用性和市場應(yīng)用前景。</p><p>　　圖4.1 案例1搜索用圖（左）和搜索結(jié)果（右）</p><p>　　圖4.1中左側(cè)圖為搜索用圖，左側(cè)人物與右側(cè)搜索結(jié)果中的人物相似程度很好，在右側(cè)搜索結(jié)果中，可以明顯看到結(jié)果與搜索原圖有相似。</p><p>　　說明一下，基于內(nèi)容的圖像搜索不同于人對人臉識別。同人眼的視覺不一樣。

89、也許人眼看到的相似對于基于內(nèi)容的圖像搜索系統(tǒng)可能是不相似的?；趦?nèi)容的圖像搜索是根據(jù)圖像是結(jié)構(gòu)、色彩等進行匹配的結(jié)果。而實現(xiàn)僅僅選取了64個像素點作為實驗用樣本。所以，本文搜索的相似程度不高也在預(yù)料之中。如果需要提高搜索的相似程度可以選取更多的相似點作為實驗樣本，也可以在劃分相似度的時候把圖像的相似度定義的更高一些。本次實驗只是選取了少量的圖像。當圖像的數(shù)據(jù)量足夠大的時候，完全可以選取更多的相似點，選取更多的相似像素點作為相似圖像的判定

90、標準。</p><p>　　圖4.2是“百度識圖”的搜索結(jié)果，與圖4.1本實驗系統(tǒng)的搜索結(jié)果相比極為相似。可以說明本次實驗的結(jié)果是很準確的。</p><p>　　圖4.2 “百度識圖”搜索用圖（左）和搜索結(jié)果（右）</p><p>　　根據(jù)同一張圖片搜索對比可以看到本文所研究的基于內(nèi)容的圖像搜索算法搜索結(jié)果和已經(jīng)成熟上市的“百度識圖”搜索結(jié)果類似。且具有與“百度識圖

91、”一比的實力。</p><p>　　圖4.3 案例2搜索用圖（左）和搜索結(jié)果（右）</p><p>　　圖4.3左圖是一款手表的圖像，右圖是搜索結(jié)果圖像。由于算法主要是實現(xiàn)對相似圖像搜搜，所以未對圖像添加其他的輔助屬性。如果對圖像添加一些如價格、規(guī)格、說明性的文字，融入到購物網(wǎng)站中，那么就足以實現(xiàn)以圖搜圖的購物方式了。近期手機淘寶客戶端也推出了拍立淘的功能。只要拿起手機拍張照片就可以搜索相

92、似的淘寶商品。看來淘寶已經(jīng)發(fā)現(xiàn)了這個商機，也足以說明基于內(nèi)容的圖像搜索系統(tǒng)的廣闊前景和實用性。</p><p>　　圖4.4 案例3搜索用圖（上）和搜索結(jié)果（下）</p><p>　　圖4.4上圖是一張風(fēng)景的圖像，下圖是搜索結(jié)果的圖像。如果對圖像添加一些輔助屬性將圖像展示為某一地區(qū)的風(fēng)景。也就可以做成旅游向?qū)В瑸橛慰吞峁└奖憧旖莸穆糜温肪€。在現(xiàn)在還沒有任何的景區(qū)推出圖像搜索功能搜索景點風(fēng)

93、景，如果這樣做成旅游向?qū)?，?yīng)用前景定將十分開闊。</p><p>　　經(jīng)過上面三個簡單的圖像搜索案例展示，基本上可以看出基于內(nèi)容的圖像搜索算法的搜索結(jié)果是可以滿意相似圖像搜索的基本要求的。在購物導(dǎo)游等方便都有廣泛的應(yīng)用前景。</p><p>　　4.2算法運行時間展示</p><p>　　本次算法的展示時間是從服務(wù)器接收到客戶端發(fā)出的請求到服務(wù)器對客戶端作出響應(yīng)的時

94、間。而不是用戶看到的點擊搜索到出現(xiàn)搜索結(jié)果的圖像。對于不同的客戶、不同的瀏覽器、網(wǎng)絡(luò)環(huán)境等都可能會影響程序的響應(yīng)時間。因此，試驗中選取了從服務(wù)器接收到客戶端發(fā)出的請求到服務(wù)器對客戶端作出響應(yīng)的時間作為程序的響應(yīng)時間，這個時間也就是服務(wù)器接受到客戶端的請求發(fā)來的圖像信息，對發(fā)來的圖像進行指紋提取，建立數(shù)據(jù)庫連接，查詢數(shù)據(jù)庫以及與數(shù)據(jù)庫中查找到信息匹配的過程。</p><p>　　·在第一次搜索需要耗時12

95、31毫秒：</p><p>　　·重啟tomcat服務(wù)器，運行程序耗時1266毫秒：</p><p>　　·再次重啟tomcat服務(wù)器，運行程序耗時1208毫秒：</p><p>　　在第一次運行程序的時候需要連接數(shù)據(jù)庫，查詢數(shù)據(jù)庫而獲取數(shù)據(jù)庫中保存的圖像指紋密碼。而第一次之后運行程序查詢數(shù)據(jù)庫這一步可以直接使用緩存中的數(shù)據(jù)代替，而不需要重新連接

96、、查詢數(shù)據(jù)庫；只需要對jsp頁面?zhèn)鬟^來的圖像就行處理獲取其指紋密碼，然后和緩存中的圖像指紋密碼進行匹配就可以得到圖像搜索結(jié)果。因而運行效率大大提高。</p><p>　　·不重啟tomcat服務(wù)器，運行搜索程序耗時60毫秒：</p><p>　　·不重啟tomcat服務(wù)器，再次運行搜索程序耗時48毫秒：</p><p>　　·不重啟to

97、mcat服務(wù)器，再次運行搜索程序耗時40毫秒</p><p>　　再次運行程序可以發(fā)現(xiàn)，服務(wù)器的響應(yīng)時間縮短了近30倍，這完全是人腦可以識別的時間差。由一秒多縮短到不足0.1秒，也足以說明了正確的運行了緩存中的數(shù)據(jù)。有效的提高了程序運行的效率。</p><p>　　根據(jù)上面對算法運行時間的測試，可以清晰看到算法的運行時間是十分的快速的。首次運行程序在1200毫秒左右，1秒的響應(yīng)時間在大多數(shù)

98、用戶眼中是可以接受的。第二次運行搜搜程序，程序運行的時候可以控制在100毫秒內(nèi)也就是不足0.1秒。這樣的速度在大多數(shù)人眼中都算得上是高速了。足以證明算法的可用性。</p><p>　　在實際中，我們訪問“百度識圖”的時間，從上傳成功到頁面顯示出搜索結(jié)果一般是在2s到5s之間（根據(jù)秒表計時結(jié)果）。而基于內(nèi)容的圖像搜索算法，從服務(wù)器讀取到數(shù)據(jù)到服務(wù)器做出響應(yīng)運行時間在0.1s左右。因此，基于內(nèi)容的圖像搜索算法在運行時

99、間上具有可行性。</p><p><b>　　結(jié)論與展望</b></p><p><b>　　5.1結(jié)論</b></p><p>　　經(jīng)過對算法的反復(fù)推敲和多次試驗，可以得到算法搜索結(jié)果準確，運行效率高，可以滿足當今廣大用戶對相似圖像搜索結(jié)果的需求。算法的速度可以控制在0.1秒內(nèi)，足以滿足廣大用戶對系統(tǒng)響應(yīng)時間的需求。因此

100、可以得出結(jié)論：基于內(nèi)容的圖像搜索系統(tǒng)從結(jié)果準確性和運行速度上都可以滿足用戶需求，是一個很好的算法。</p><p>　　經(jīng)過對算法的可行性分析，可以看出算法的可行性很高。是一個使用的圖像搜索項目。在對算法就是設(shè)計和實現(xiàn)后可以看到，基于內(nèi)容的圖像搜索系統(tǒng)運行時間快，相似圖像搜索結(jié)果準備，可以運用和推廣。</p><p><b>　　5.2展望</b></p>

101、<p>　　基于內(nèi)容的圖像搜索系統(tǒng)在計算機應(yīng)用及Internet普及的時代，應(yīng)用面將會不斷擴大需求，市場需求也會不斷增大。隨著手機淘寶客戶端拍立淘功能的上線，拍照購物也將成為一種潮流，甚至還有可能取代關(guān)鍵詞搜索購物。在如今Internet快速發(fā)展和網(wǎng)購的普及，圖像搜索購物也必將成為一種新的購物潮流。基于內(nèi)容的圖像搜索系統(tǒng)有其存在的價值和意義。</p><p>　　基于內(nèi)容的圖像搜索系統(tǒng)也可以運用到中

102、醫(yī)藥檢索中，可以根據(jù)中藥的圖像對草藥圖像庫就行相似度搜索，尋找與原有藥品相似的植物，從而發(fā)現(xiàn)原有中草藥的替代品或者新的功能的中草藥。</p><p>　　IT屆巨頭“阿里巴巴”最近推出的手機淘寶客戶端中，新增了“拍立淘”的功能，這個功能實現(xiàn)了以圖像的方法搜索在線商品的方法。雖然，“拍立淘”功能目前只適用于對“包包”和“衣服”的搜索，但這也是圖片購物時代開啟的征兆。面對巨額的市場，圖片購物也一定會在未來的購物模式中

103、占有一席之地。</p><p>　　因此，基于內(nèi)容的圖像搜索系統(tǒng)在未來的互聯(lián)網(wǎng)中，擁有很大的發(fā)展空間和應(yīng)用前景。具有深度研究的價值。</p><p><b>　　參考文獻</b></p><p>　　[1]趙建成?；趦?nèi)容的圖像檢索技術(shù)的研究與應(yīng)用[D]，華東師范大學(xué)，2007。</p><p>　　[2]李向陽，莊越挺

104、，潘云鶴?；趦?nèi)容的圖像檢索技術(shù)與系統(tǒng)- 計算機研究與發(fā)展[C]。</p><p>　　[3]熊回香。基于內(nèi)容的圖像檢索技術(shù)的發(fā)展方向[M]，計算機應(yīng)用-信息處理《現(xiàn)代圖書情報技術(shù)》, 2005。</p><p>　　[4]王濤，胡事民，孫家廣?；陬伾?空間的圖像檢索[D]- 軟件學(xué)報。</p><p>　　[5]劉巍，王峰?；诙嗑S特征向量的圖像檢索技術(shù)研究-圖

105、像識別與處理[C]- 中國科技信息, 2013。</p><p>　　[6]沈新寧，王小龍，杜建洪?；陬伾韵嚓P(guān)圖和互信息的圖像檢索算法復(fù)旦大學(xué)信息科學(xué)與工程學(xué)院[D]-計算機工程, 2014。</p><p>　　[7]朱黎輝，李曉寧，張瑩，蒲華秀，吳純潔。基于形狀特征及紋理特征的中藥材檢索方法[D], 四川師范大學(xué)計算機科學(xué)學(xué)院;成都中醫(yī)藥大學(xué)中藥材標準化教育部重點實驗室

106、計算機工程與設(shè)計，2014。</p><p>　　[8]Yang, Li Lin, Yang ; Lin, Zhouchen ; Zha, Hongbin Low Rank Global Geometric Consistency for Partial-Duplicate Image Search Pattern Recognition (ICPR)[C], 2

107、014。</p><p>　　[9]Y Li, C Chen, W Liu, J Huang - Proc. Sub-Selective Quantization for Large-Scale Image SearchAAAI Conference on Artificial[M], 2014.</p><p>　　[10]J Wang, X Hu

108、a - US Patent Intelligent Image Search Results Summarization and Browsing[M]20,140,321,761, 2014 .</p><p>　　[11]朱玉濱，基于SIFT的圖像檢索技術(shù)研究[D] 碩士 吉林大學(xué) 2014。</p><p><b>　　致 謝</b></p>&