基于全球专利申请的CBIR技术态势浅析

滕冲 王颖

摘 要：数字图像的数量在飞速增长，如何通过搜索引擎从海量的图像中准确、快速地搜索到所需图像，已成为领域内迫切需要解决的问题。基于内容的图像检索近年来已成为图像检索领域的研究热点，本文将从CBIR主要技术分支、全球专利申请量/地域分布、国内申请人分布及基于IPC分类号的国内CBIR技术研究方向分析几个方面对CBIR技术发展态势进行浅析。

关键词：CBIR；图像检索；专利

1 CBIR主要技术分支及技术演变

1.1 基于内容的图像检索

基于内容的图像检索（Content-Based Image Retrieval，CBIR），其研究涉及认知科学、人工智能、模式识别、图像处理、信息检索等多个领域，简化的图像内容的层次模型一般分为三层：第一层为原始数据层，即图像的原始像素点；第二层为物理特征层，反应了图像内容的底层物理特征，如颜色、纹理、形状和轮廓等；第三层为语义特征层，是人们对图像内容概念级的反应，一般是对图像内容的文字性描述。为便于用户更灵活、更有效地表达检索要求、提高检索准确率，提出采用组合特征检索，即可以在颜色、纹理、形状等集中查询特征中选择两种或两种以上的特征进行组合检索。该检索方法可分为两种情况，一种是异步组合检索，另一种是同步组合检索。

1.2 基于语义的图像检索

基于内容的图像主要仅利用了图像的底层视觉特征（如颜色、纹理、形状）进行检索，但人们判断图像的相似度更多的是根据图像的含义。为了克服基于简单视觉特征的图像检索方法的不足，人们提出了基于语义的图像检索方法。基于语义的图像检索需要解决两个主要问题：一是必须提供高层语义的描述方式；二是必须有将底层图像视觉特征映射到高层语义的方法。语义图像检索中的关键技术是如何获取图像的语义信息。图像语义获取方法大致分为3种：（1）利用系统知识的语义提取；（2）基于系统交互的语义生成；（3）基于外部信息的语义提取。

1.3 基于知识的图像检索系统

基于知识的图像检索系统，将人工智能领域的基于知识的处理方法引入到图像处理领域，通过对图像理解、知识表达、机器学习，并结合专家和用户的先验知识，建立图像知识库实现对图像数据库的智能检索。基于知识的图像检索方法主要涉及自然语言理解、专家系统、知识表达和机器学习等人工智能的主要研究领域。

2 全球专利申请量/地域分布

通过在中外文专利库中检索到的数据，基于CBIR相关专利在全球专利申请量和主要申请地域分布的分析。

2.1 全球申请量趋势分析

下图1所示是1999～2015年基于内容的图像检索领域申请量趋势统计数据，其中红色线表示国内申请量的变化情况，蓝色线表示国际申请量的变化情况。从显示的数据看，不论是在国际还是国内，该领域的申请量都是逐年增长，且继续呈现增长态势。从2006年，该技术领域的申请量开始有快速的增长，说明此段时间，在基于内容的图像检索领域相关技术得到了快速的发展，相关技术手段和算法日趋成熟。对于国内申请来说，申请量也是稳步增长，预计未来几年的申请量仍处于增长趋势，但增长率会有所下降，这与相关技术的日趋成熟和难度的增加一定关系。

2.2 全球专利申请地域分布

由下图2柱状图所示，截止到2015年，美国、日本、中国在这一技术领域的申请量位居前三位，其申请量分别为1345、1110、806，美国仍旧是该领域的技术强国，他们在该领域起步较早，且申请人大部分是大公司如IBM、Virage等企业，其对图像检索的系统设计较成熟和深入。日本紧随其后，对该领域也有较多的申请，中国在国际申请量中排名第三，超过韩国、欧洲等国家。虽然中国在该领域起步晚于美国，但在2000之后，中国开始在该领域的申请量逐年增加，得益于国家政策及科技专项的扶持，高校和科研院所对图像检索领域中涉及的算法有着深入的研究，由前图1的曲线也可以看出，中国申请量还处于增长态势，说明还有大量的申请人对该领域的技术进行进一步的研究和探索。

3 国内重要申请人分布

如下图3所示为该技术领域中申请量排名前十位的申请人。

由上图3的统计数据显示，在前十位申请人中，国内申请人提交的申请数量最多，高校申请占7位，外国企业占2位，科研机构占一位，其中排名靠前的主要是高校和科研院所，包括有浙江大学、中国科学院、上海交通大学、北京大学等等。由此可见，该技术在国内高校、研究院研究较为广泛，较多是从算法改进角度增强检索的准确性和效率。

4 基于IPC分類号的国内CBIR技术研究方向分析

为了进一步了解基于内容的图像检索技术分布，对于检索到的专利文献按照IPC分类进行整理，统计得出出现频次前5位的IPC分类号，分布如下图4所示。

基于内容的图像检索专利申请中，G06F17/30分类号的申请量最大，说明对于图像的检索技术是该领域的关键技术，对于检索相关技术的研究是很是活跃，位于第二、三位的是G06K9/46图像特征或特性的抽取和G06K9/62应用电子设备进行识别的方法或装置，可见对图像特征的选取、提取、处理是图像检索是否准确的核心所在；同时，随之研究通过电子设备实现图像的识别方法或装置也是本领域的研究重点，还有一部分是对电子设备中的识别基准的研究，涉及分类号G06K9/64和G06K9/66。

5 总结

虽然CBIR技术的诸多研究已经取得了很大进展，但仍存在很多不完善的地方，仍需要进一步研究。对于CBIR的未来发展，如何进一步提高图像语义学习的准确度，如何提高图像检索的速度，如何融合不同语义层次的图像信息进行检索以及融合多种图像特征以实现基于内容的图像检索以满足使用这的需求，仍将是图像检索领域的一个研究热点。

參考文献

[1]陈剑雄，张蓓.简析图像检索系统中的CBIR技术[J].贵州学刊，2010，（2）：47-48.

[2]黄祥林，沈兰荪.基于内容的图像检索技术研究[J].电子学报，2012，（7）：1065-1071.

（作者单位：国家知识产权局专利局专利审查协作天津中心）