随着网络技术和规模的发展壮大，人们通过互联网可获得的各种信息每天都在以惊人的速度增长，如何有效方便的在 海量数据库中查找到需要的信息，成为多媒体信息检索领域研究的热点。本文主要论述了这样一个基于图像内容进行检索 （CBIR）的系统在Android手机上的一个实现过程，用Java语言来进行开发，并简单分析了该系统的主要功能和实现方法。
设计出更加友好的互动界面，从而提高图像的检索效率，摒弃传统检索方式费时费力效率低的弊端，减少了人工操作，实现 高效智能的图像检索。 基于内容的图像检索方式应用在我们生活的方方面面，在医学领域，可以检索医学影像库从而方便医生进行诊断；在公 共安全领域，可以将嫌疑人图像和系统中信息匹配，从而方便警方破案；在电商领域，一些购物应用允许用户上传图像， 从而方便的查找到相同或相似的商品等。
本次设计也是基于图像内容进行检索的一次体验，深深感受到了图像处理在生活 中的魅力。
1 图像智能检索手机APP系统设计 图像智能检索系统主要由两部分组成，对图像信息特征的获取，以及对图像的检索，其中检索包括对图像的预处理，图像 特征值的提取及对检索结果的显示。图像智能检索系统的实现 图像智能检索系统是基于JAVA语言及OpenCV库实现的，具体由图像获取及图像检索两部分实现。其中实现的技术描述如下。
（1）图像预处理算法，灰度化：图像灰度化是指每个像素只有一个采样颜色的图像，这类图像通常显示为从最暗黑色到最 亮的白色的灰度。
（2）特征点提取，ORB-fast角点检测算法：Fast算法是关注度很高的基于模板和机器学习的角点检测方法，OpenCV中Fast 角点检测算法不仅速度快而且具有很好的检测效果。
（3）特征点筛选，非极大值抑制法：非极大值抑制算法（Non-maximum suppression,NMS）是有anchor系列目标检测的标 配，NMS主要用于消除多余的检测框，那么消除的标准是什么，我们使用IOU作为标准来进行演示，IOU的原称为Intersection over Union，也就是两个box区域的交集比上并集。
（4）描述子建立，ORB-BRIEF描述子：在获取图像特征点之后，需要以某种方式来描述这些特征点的属性，这就需要特征描述算法。BRIEF算法核 心就是在特征点周围以定义 好的一种方式选择N个点对， 然后把这N个点对按照某种计 算方式并将计算的结果组合 起来，作为这一特征点的描 述子，实质就是这些点对灰 度值大小的二进制串。
（5）图像匹配筛选： 选择已经匹配的点对的汉明 距离小于最小距离的两倍作 为判断依据，如果小于该值 则认为是一个错误的匹配， 过滤掉；大于该值则认为是 一个正确的匹配。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
