recuperación de imágenes

Un sistema de recuperación de imágenes es un sistema informático que se utiliza para explorar, buscar y recuperar imágenes de una gran base de datos de imágenes digitales. La mayoría de los métodos tradicionales y comunes de recuperación de imágenes utilizan algún método para añadir metadatos , como subtítulos , palabras clave , títulos o descripciones, a las imágenes, de modo que la recuperación se pueda realizar sobre las palabras de anotación. La anotación manual de imágenes consume mucho tiempo, es laboriosa y costosa; para solucionar esto, se ha realizado una gran cantidad de investigación sobre la anotación automática de imágenes. Además, el aumento de las aplicaciones web sociales y la web semántica han impulsado el desarrollo de varias herramientas de anotación de imágenes basadas en la web.

El primer sistema de recuperación de bases de datos de imágenes basado en microcomputadoras fue desarrollado en el MIT , en la década de 1990, por Banireddy Prasaad, Amar Gupta , Hoo-min Toong y Stuart Madnick . ^{[ 1 ]}

Un artículo de revisión de 2008 documentó los progresos posteriores a 2007. ^{[ 2 ]}

La búsqueda de imágenes es una herramienta especializada que se utiliza para encontrar imágenes. Para buscar imágenes, el usuario puede introducir términos de búsqueda como una palabra clave, un archivo o enlace de imagen, o hacer clic en alguna imagen. El sistema devolverá imágenes similares a la búsqueda. Los criterios de búsqueda pueden basarse en metadatos, distribución del color, atributos de región o forma, etc.

• Búsqueda de imágenes mediante metadatos : búsqueda de imágenes basada en metadatos asociados, como palabras clave, texto, etc.
• Recuperación de imágenes basada en contenido (CBIR, por sus siglas en inglés)  : la aplicación de la visión artificial a la recuperación de imágenes. CBIR busca evitar el uso de descripciones textuales y, en su lugar, recupera imágenes basándose en similitudes en su contenido (texturas, colores, formas, etc.) con una imagen de consulta proporcionada por el usuario o con características de imagen especificadas por el usuario.
  • Lista de motores CBIR : lista de motores que buscan imágenes basándose en el contenido visual de la imagen, como el color, la textura, la forma/objeto, etc.

• Exploración de colecciones de imágenes : búsqueda de imágenes basada en el uso de nuevos paradigmas de exploración. ^{[ 3 ]}

Es fundamental comprender el alcance y la naturaleza de los datos de imagen para determinar la complejidad del diseño de un sistema de búsqueda de imágenes. El diseño también se ve influenciado en gran medida por factores como la diversidad de la base de usuarios y el tráfico de usuarios previsto para un sistema de búsqueda. En este sentido, los datos de búsqueda se pueden clasificar en las siguientes categorías:

• Los archivos suelen contener grandes volúmenes de datos homogéneos, estructurados o semiestructurados, relacionados con temas específicos.
• Colección específica de dominio : se trata de una colección homogénea que proporciona acceso a usuarios controlados con objetivos muy específicos. Ejemplos de este tipo de colección son las bases de datos de imágenes biomédicas y satelitales.
• Colección empresarial : una colección heterogénea de imágenes a la que pueden acceder los usuarios dentro de la intranet de una organización. Las imágenes pueden estar almacenadas en diversas ubicaciones.
• Colección personal : suele consistir en una colección mayoritariamente homogénea, generalmente de tamaño reducido, accesible principalmente para su propietario y almacenada normalmente en un soporte de almacenamiento local.
• Las imágenes de la World Wide Web son accesibles para cualquier persona con conexión a Internet. Estas colecciones de imágenes son semiestructuradas, no homogéneas y de gran volumen, y generalmente se almacenan en grandes matrices de discos.

Existen talleres de evaluación de sistemas de recuperación de imágenes cuyo objetivo es investigar y mejorar el rendimiento de dichos sistemas.

• ImageCLEF: una línea de investigación continua del Foro de Evaluación Interlingüística que evalúa sistemas que utilizan métodos de recuperación tanto textuales como basados ​​únicamente en imágenes.
• Acceso a bibliotecas de imágenes y vídeos basado en el contenido: una serie de talleres del IEEE celebrados entre 1998 y 2001.

• Image-Net.org
• Motor de búsqueda de imágenes VGG (VISE)  : un software gratuito y de código abierto para la búsqueda visual de un gran número de imágenes utilizando una imagen como consulta de búsqueda.