Java图像检索库Lire：基本介绍

图像检索

从20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（Text-based Image Retrieval，简称TBIR），利用文本描述的方式描述图像的特征，如绘画作品的作者、年代、流派、尺寸等。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（Content-based Image Retrieval，简称CBIR）技术。CBIR属于基于内容检索（Content-based Retrieval，简称CBR）的一种，CBR中还包括对动态视频、音频等其它形式多媒体信息的检索技术。

LIRE是什么？

LIRE: Lucene Image Retrieval

官方地址 http://www.lire-project.net/

Lire的官方介绍如下

LIRE is a Java library that provides a simple way to retrieve images and photos based on color and texture characteristics. LIRE creates a Lucene index of image features for content based image retrieval (CBIR) using local and global state-of-the-art methods. Easy to use methods for searching the index and result browsing are provided. Best of all: it’s all open source.

翻译过来就是

LIRE是一种提供简单的基于颜色和纹理特征来检索图片的Java库，通过使用先进的方法为图像特征创建Lucene索引来支持基于内容的图像检索(CBIR)。使用检索方法特别简单，并且提供图像检索结果的浏览。

最大的优势：完全开源。

LIRE支持30多种图像特征的提取和检索，如CEDD、FCTH特征支持以颜色、形状、纹理出发进行图像相似检索，SURF、SIFT特征以图像所包含对象的位置、形状为主，LBP是综合性比较强、适应性较好的综合特征检索算法。

CEDD

FCTH

Auto Color Correlogram

Binary Patterns Pyramid

Edge Histogram

Color Layout

Fuzzy Color Histogram

Fuzzy Opponent Histogram

Joint Histogram

JCD

Gabor

Jpeg Coefficient Histogram

Local Binary Patterns

Local Binary Patterns And Opponent

Luminance Layout

Opponent Histogram

PHOG

Rank And Opponent

Rotation Invariant Local Binary Patterns

Scalable Color

Simple Centrist

Simple Color Histogram

Tamura

Surf

Sift

应用案例

WIPO(世界知识产权组织,World Intellectual Property Organization)使用Lire检索成千上万的商标图片。

丹麦国家警察局(Danish National Police)使用Lire发现相似的场景和识别假货。

下载地址

最新版本v1.0b4

http://www.itec.uni-klu.ac.at/~mlux/lire-release/

历史版本有0.9.2、0.9.3、0.9.4beta等

参考材料

常用的图像特征算法参考资料

LBP特征学习及实现

局部二值模式方法综述及研究展望

图像检索：CEDD（Color and Edge Directivity Descriptor）算法

图像检索：FCTH（Fuzzy Color and Texture Histogram）算法

图像特征提取三大法宝：HOG特征，LBP特征，Haar特征

SIFT特征提取分析