asp.net中图像的检索技术毕业设计(论文+源码+任务书+开题报告+答辩ppt)

一、选题依据（背景与意义、国内外研究现状与发展趋势）随着网络传送速度与计算机信息处理速度的提高，网页中对多媒体信息的使用变得十分普及，特别是图像信息，己经成为表示网页内容不可缺少的组成部分。因此人们对多媒体信息的检索需求也就随之随之变得特别迫切。但由于图像检索系统涉及了多学科的知识，实现和应用的难度相当高，所以已有的图像检索系统都有这样或那样的缺陷。 而传统的信息检索主要集中于文字的检索，在多媒体方面的研究并不是很多。互联网上的多媒体以图像为主，因此图像的检索就成为了目前研究的热点。 图像检索经历了两个阶段:第一阶段是以文本为基础的检索。第二阶段是以图像自身的内容为基础的检索。上个世纪70年代开始，有关图像检索的研究就已开始，当时主要是基于文本的图像检索技术利用文本描述的方式描述图像的特征。到90年代以后，出现了对图像的内容语义，如图像的颜色、纹理、布局等进行分析和检索的图像检索技术，即基于内容的图像检索技术。而无论是什么引擎，它首先都必须遵循以下几个要点：索引文档的容量：现在最大的搜索引擎可能包含了超过100,000,000个链接，但这也只是整个Web网上的一小部分。因为收集资料的Robot，只能从“已知”的链接开始收集网页资料，而只有一小部分Web网页和这些“已知”的网页有连接；现在还没有一个搜索引擎能够随网页内容的更新比较及时地更新索引；覆盖面：地理覆盖面和主题覆盖面；索引更新频率：不同的搜索引擎，索引更新频率相差很大，有的是几周，有的是一年。索引更新频率有两种定义，一种比较少用的定义是新的网页能被收录进索引数据库中，另一种是同一页多少时间才被检查一次，有必要时更新索引。有的搜索引擎会对经常更新的网页和多人访问的网页进行更频繁的重建索引工作；采集过程：采集过程有宽度优先、深度优先两种算法；一般认为宽度优先对扩大内容的覆盖面有利，深度优先算法有助于提供更多的细节资料；索引算法：有的搜索引擎只处理元标记和一小部分文档内容，而有一些搜索引擎则是对全文进行索引；结果显示：有的搜索引擎只显示网页的标题，有些则有更详细的一些信息，比如网页的内容，更新日期等；查询算法：一个优秀的查询算法是很重要的，最基本的布尔查询，短语查询，有的搜索引擎还提供指定属性的查询，比如可以指定对网页的作者、主题进行查询。另外有的搜索引擎还采用了相关度反馈、概念查询等算法；用户界面：很多搜索引擎都提供了简单查询和高级查询两个界面。并且提供了必要的帮助和范例。在检索原理上，无论是基于文本的图像检索还是基于内容的图像检索，主要包括三方面：一方面对用户需求的分析和转化，形成可以检索索引数据库的提问；另一方面，收集和加工图像资源，提取特征，分析并进行标引，建立图像的索引数据库；最后一方面是根据相似度算法，计算用户提问与索引数据库中记录的相似度大小，提取出满足阈值的记录作为结果，按照相似度降序的方式输出。为了进一步提高检索的准确性，许多系统结合相关反馈技术来收集用户对检索结果的反馈信息，这在CBIR中显得更为突出，因为CBIR实现的是逐步求精的图像检索过程，在同一次检索过程中需要不断地与用户进行交互。基于文本和基于内容是图像检索发展的两个分支，不过从目前图像检索研究的趋势而言，尤其结合网络环境下图像的特征——嵌入在具有文本内容的Web文档中，出现了三个不同的研究着眼点。立足于文本，对图像进行检索。试图将传统的文本检索技术移植于对多媒体信息的检索上，因为基于文本的检索技术发展已经成熟。如Page-Rank方法、概率方法、位置方法、摘要方法、分类或聚类方法、词性标注法等，不仅技术发展较为成熟，同时分析和实现的难度略小。但是因为受控词汇本身的局限，易歧义，更新慢，所以不太容易应对网络上日新月异的各类图像。立足于图像内容，对图像进行分析和检索。相比而言，尽管图像检索已经出现了诸如直方图、颜色矩、颜色集等多种表征图像特征的方法，但是要突破对低层次特征的分析，实现更高语义上的检索，实现难度大，进展慢。不过，基于内容的图像检索建立在多媒体信息的内容语义上，能够更为客观地反映媒体本质的特征。结合文本和内容，进行融合性研究。发挥各自的优势促进图像的高效、简单检索方式的实现，尤其是网络环境下，结合图像所在Web文档的特征分析，推断图像的特征，同时结合对图像的内容分析，共同标引达到对图像的分析和检索。可以说，三个方向都是相互影响和促进的，任何一个方向的进展都会促进图像检索技术向前更进一步。由于搜索引擎技术的开发牵涉到信息检索、人工智能、计算机网络、分布式处理、数据库、数据挖掘、自然语言处理等许多基础研究领域的理论和技术，因此至今还没有真正脱离实验室的阶段，中文搜索引擎的开发就更涉及到语言习惯的差异、智能切分词等棘手的问题，而且中文搜索引擎技术的起步也较晚，还远没能满足中国网民的需求。如今图像检索技术的研究和应用为我国数字图书馆工程中的核心问题提供了理论和实践依据。因此怎样扬长避短选择一种最适合中国国情的图像检索技术就是本文研究的目的和意义。

二、研究目标与主要内容（含论文提纲）在网络和多媒体技术越来越发达的今天，信息检索技术成了现在计算机领域的重要内容，而图像检索技术又正是这其中的重要内容之一。而网络资源的极大丰富以及图像检索技术不断发展成熟，使得图像检索技术的应用领域不断扩大，这为图像检索技术的继续研究提供条件。人们为了对图像进行更好的使用和组织管理，便开发出了多种多样图像检索技术，本文首先要将各种图像检索技术的工作原理、研究现状、相关图像搜索引擎与发展趋势作一个介绍。随着网络传送速度与计算机信息处理速度的提高，网页中对多媒体信息的使用变得十分普及，特别是图像信息，己经成为表示网页内容不可缺少的组成部分。在实现对网页中文本信息提取的同时，如何再为用户抽取所需的图片资料，是信息检索中一个重要的方面。于是各种基于Web的图像检索系统应运而生。它们采用不同的工作方式，极大地方便了用户对网上图像进行检索。目前图像检索技术的发展正走向更加成熟和完善，其中Web图像搜索技术也更加完善，本文将介绍这种图像检索技术并阐述Web页中的图像与文本之间的关系，对相似度等作出了详细的论述。

三、拟采取的研究方法、研究手段及技术路线、实验方案等如今在Web中处理图像检索有很多成熟的技术，如基于Web的数据仓库、Web数据挖掘、Web数据源集成技术等。为此，必须为Web建立适当的数据模型，利用数据模型有效地从Web中获取信息。为了处理Web的中文数据，还必须使用一系列中文自然语言处理技术。比较基础的技术有自动分词、人名和机构名的自动识别、自动标引等，其他像信息抽取、自动文摘、文档自动分类、中文概念词的自动发现以及概念词之间的语义关系的确定等技术都必不可少。我们可以根据现有的参考资料以及当前的技术，先搞清传统的搜索引擎的工作实质和原理，比如网络信息搜索关键词的匹配原理和相象或类似计算方法，研究搜索引擎的内在关键，提出搜索相似度的算法。然而现有的搜索引擎虽然给我们的信息搜索带来了很大的方便，但由于其中程序过于复杂，反馈保存的内容过多，因此给我们的很容易过多占去我们所拥有的CPU资源和网络资源，从而降低我们的搜索速度。这里我们提出了在Web中的一种简单而有效的搜索方法，虽然计算方法简单，在网络中的信息搜索可能不是很精确，但对计算方法进行改进，同时引进了有效的反馈机制，只要对其在实验中多次的进行反馈训练和投入使用后的用户使用，同样能给我们提高搜索精度，但所占用的资源却要小的多，相对速度也就要快很多。

四、中外文参考文献目录（作者、书名论文题目、出版社或刊号、出版年月或出版期号）张量，詹国华，袁贞明， 基于Web的图像搜索，计算机工程，2002.5朱学芳， 多媒体信息处理与检索技术[M]，电子工业出版社，2003陈滢 ，徐宏炳 ，王能斌，协作式Web资源发现系统模型，计算机学报，1998.4 (4) 阳小华， 周龙骧，World Wide Web 的索引与查询技术，计算机科学 ，1997 (5) 吴立德等，大规模中文文本处理，复旦大学出版社，1997(6) 李唐， 解读网络图像搜索引擎，Internet网络，2001(7) 陈立娜，Internet上的图像检索技术，天极yesky，2001.5(8) 黄博士，网络环境下的图像检索技术，中国计算机用户，2003.12.30(9) Dunlop M.D. (1991). Multimedia Information Retrieval,Ph.D. Thesis. Computing Science Department, University of Glasgow, Report 199l/R21.(10) Ellen M. Voorhees and Yuan-Wang Hou, "Vector Expansion in a Large Collection”, First Text REtrieval Conference (TREC-1), 1993.(11) Frisse M.E, (1988). Searching for information in a hypertext medical handbook. Communications of the ACM, 3 I(7), pp.880-886.(12) R.Price, T.S Chua, and S.Al-Hawamdeh, Applying relevance feedback on a photo archival system. Journal of Information Science, 18:203-215, 1992(13) W.Niblack, R.Barber, and W.Equitz. the qbib project:querying images by content using color, texture, and shape. Technical report, IBM RJ 9203(81511), Feb, 1993(14) Shih-Fu Chang, William Chen, and Hari Sundaram,Semantic Visual Template - Linking Visual Fetures to Semantics. IEEE Intern Conference on Image Processing, Chicago IL, Oct 1998(15) A.E. Cawkell, Imaging systems and picture collection management: a review. Information Service & Use, 12:301-325, 1992(16) T.S. Chua and W.C. Low, and Ch.X. Chu, relevance feedback techniques for color-based image retrieval. In Proceeding of Multimedia Modelling’98, IEEE Computer Society, Oct, 1998.五、研究的整体方案与工作进度安排（内容、步骤、时间）毕业设计（论文）工作自2003年12月1日至2004年6月8日。一．开题时间安排：04年2月16日~04年2月18 日。具体内容：审阅开题报告、外文文献翻译。部署毕业设计工作。二．毕业设计论文撰写的时间安排：04年2月19日~04年4月24日。在指导老师的指导下停课进入毕业设计工作，并在4月24日前完成初稿。4月5日~4月7日进行中期检查。指导老师检查学生毕业设计完成状况，并在同时解决学生在这其中的出现的问题和遇到的困难。4月25日~5月31日，进行专业实习。同时完成对毕业设计报告的修改、完善、定稿，整理成册，填写《杭州师范学院本科毕业设计（设计）评审表》，指导教师完成学生毕业设计成绩评定。四．答辩时间安排：6月1日~6月8日五．成绩评定时间安排：6月9日~6月18日

六、研究的预期目标及主要特点及创新点跟现有的或者现在炒的很热的搜索方法而言，这个搜索方法虽然“小”，但却是很“精悍”。根据这个方法做出来的引擎可能很简单，但我可以肯定的是一定很有效，在用户需要网络上某种信息时，它会是一个很好的选择。它不仅自身容量小，而且所有的过程都很简单，可以给我们节约很多现有的资源，进而高速的在网络中找到我们所需要的信息。

七、指导教师意见：签名： 年 月 日

八、教研室或系审核意见：主任签名： 年 月 日

九、二级学院毕业论文（设计）领导小组审核意见：负责人签名（盖章）： 年 月 日

一、查阅中外文献资料目录，所查阅的中外文献资料不得少于5篇（含作者、书名或论文题目、出版社或刊名、出版年月或期号及页码等，未经本人查阅的文献资料目录不得列上）张量，詹国华，袁贞明， 基于Web的图像搜索，计算机工程，2002.5朱学芳， 多媒体信息处理与检索技术[M]，电子工业出版社，2003陈滢 ，徐宏炳 ，王能斌，协作式Web资源发现系统模型，计算机学报，1998.4 (4) 阳小华， 周龙骧，World Wide Web 的索引与查询技术，计算机科学 ，1997 (5) 吴立德等，大规模中文文本处理，复旦大学出版社，1997(6) 李唐， 解读网络图像搜索引擎，Internet网络，2001(7) 陈立娜，Internet上的图像检索技术，天极yesky，2001.5(8) 黄博士，网络环境下的图像检索技术，中国计算机用户，2003.12.30(9) Dunlop M.D. (1991). Multimedia Information Retrieval,Ph.D. Thesis. Computing Science Department, University of Glasgow, Report 199l/R21.(10) Ellen M. Voorhees and Yuan-Wang Hou, "Vector Expansion in a Large Collection”, First Text REtrieval Conference (TREC-1), 1993.(11) Frisse M.E, (1988). Searching for information in a hypertext medical handbook. Communications of the ACM, 3 I(7), pp.880-886.(12) R.Price, T.S Chua, and S.Al-Hawamdeh, Applying relevance feedback on a photo archival system. Journal of Information Science, 18:203-215, 1992(13) W.Niblack, R.Barber, and W.Equitz. the qbib project:querying images by content using color, texture, and shape. Technical report, IBM RJ 9203(81511), Feb, 1993(14) Shih-Fu Chang, William Chen, and Hari Sundaram,Semantic Visual Template - Linking Visual Fetures to Semantics. IEEE Intern Conference on Image Processing, Chicago IL, Oct 1998(15) A.E. Cawkell, Imaging systems and picture collection management: a review. Information Service & Use, 12:301-325, 1992(16) T.S. Chua and W.C. Low, and Ch.X. Chu, relevance feedback techniques for color-based image retrieval. In Proceeding of Multimedia Mod