Abstract
近幾年來，由於數位影像快速的成長，我們必須有效率地從大量影像資料庫中尋找出想要的影像。在這樣的情況下，傳統的影像檢索系統並無法有效地利用影像內容來搜尋資料庫，而本系統發展目的在於此。本影像檢索系統採用二階段來檢索影像，主要目的在於使搜尋速度快和記憶體需求量小。首先是離線的程序 (off-line process)，我們在資料庫中任意取出一張影像，先找出影像的特徵點(feature points)，這些特徵點包含連接點(junction points) 和曲率點(curvature points)，利用任意三個特徵點的幾何特性，我們可以找出不變的指標(invariant indices)，在不變的指標後面記錄著其中心點與特徵點之間的關係，這樣在一張影像中，我們建立了一個個別雜湊表(individual hash table)。如此反覆這些程序，資料庫中所有影像都建立個別雜湊表。第一階段檢索是使用以輪廓為基礎的檢索，此階段採用不變動量 (invariant moments) 和富立葉描述子(Fourier Descriptors)來當做初步的篩選(filtering)，因為此兩個描述子對影像形狀(shape)的描述能夠有效且快速地從資料庫中篩選出近似的影像。此階段我們從影像資料庫篩選出不多於20張的影像，這些影像的輪廓會與欲搜尋影像的輪廓近似，接著這些影像進入第二階段檢索，進一步地找出與欲檢索影像最近似的排名。在第二階段檢索中，我們把第一階段找出的近似影像的個別雜湊表讀入記憶體，建立全域雜湊表 (globalhash table)。而我們找出欲檢索影像的特徵點(feature points)，和離線程序一樣利用任意三個特徵點的幾何特性，我們可以找出不變的指標(invariant indices)，利用此不變的指標和全域雜湊表進行投票(voting)，找出與欲搜尋影像最近似的排名。此外，我們還分析雜訊(noise)在特徵點上對不變的指標的影響，透過這樣的雜訊分析，使得本系統在檢索速度和檢索準確性大幅地提高。在實驗中，檢索影像大約花二分鐘的時間，而且檢索的影像與欲檢索的影像非常近似。