コンテンツベースの画像検索(CBIR) は、画像の視覚的特性 (テクスチャ、色、形状など) に関連するクエリを使用して画像検索を実行することを目的とした技術です。これらのシステムの典型的な使用例は、目的の画像がある場合です。視覚的に類似した画像を取得したいと考えています。これは、 GoogleやYahoo!などの検索エンジンで現在提供されているキーワード画像検索とは対照的です。 、画像自体の内容ではなく、画像を囲むテキストを使用して画像が検索されます。
原則
このテクノロジーは従来の画像検索エンジンとは異なります。通常、次の 2 つの手法が使用されます。
- キーワードによるコンテキスト検索 (Google (リンク)やAltavista (リンク)など): Web ページ内でこの画像を囲むキーワードに基づいて画像が検索されます。
- 博物館などで、インデックス付き画像に手動で関連付けられたキーワード検索。
逆に、CBIR は、画像の特性に基づいて画像のインデックス作成と検索を可能にしようとします。
- テクスチャ (ガボール フィルター、離散ウェーブレットに変換されたものなど)
- カラー (カラーヒストグラム、RGB 空間のヒストグラム、TSV など)、
- 形状 (フーリエ記述子など)、
- これらの特性のいくつかの組み合わせ。
これらの特性は信号に非常に近く、画像上の特定のセマンティクスを伝えないため、低レベルと呼ばれます。これらの特徴が抽出されると、次のステップは通常、これらの特徴間のさまざまな距離を定義し、2 つの画像間の全体的な類似性の尺度を定義することで構成されます。この類似性尺度とクエリ画像を使用して、このクエリ画像と画像ベース内のすべての画像の間のすべての類似性尺度を計算し、スコアに従ってベース内の画像を順序付けし、結果がユーザーに提供され、最高スコアの画像が最も類似していると見なされます。
低レベルの計算された特性により、これらの技術では、特定の種類のクエリおよび特定の基本的な種類の画像に対して満足のいく結果が得られます。たとえば、風景画像のデータベースから雪景色の画像を検索します。
ただし、これらのシステムはしばしば豪華な応答を提供し、ユーザーが要求を送信したときに考えていたものとはかけ離れたものになることがよくあります。
このタイプのシステムでは、クエリ画像を必ずしも持たずに画像を検索することもできます。たとえば、より青色の画像を検索したり、形状を描画して、類似した形状のオブジェクトを含むすべての画像を検索するように要求したりすることができます。
このタイプの技術を実装したプロトタイプがいくつかあります。ただし、この分野はまだ研究段階にあり、まだ成熟していません。
パフォーマンスの問題
さまざまな特性に従って画像を分析すると、パフォーマンスの点で非常にコストがかかります。このため、CBIR システムは画像から特徴を抽出し、それらをデータベース内に保存し、インデックスを付けます。抽出された特徴の検索が大幅に高速化されました。