这类技术应用是媒体计算技术实际应用的一种，它是基于互联网海量的图像信息源，通过用户给定的图像期望元素对象以及对象的具体特征，通过一定的筛选过滤算法，从图像库中选择最匹配的图像源，再经过对图像对象的分割、提取，经过处理后最终合成出最能满足用户需要的结果图像。

其一般的处理流程是：

1.用户给出期望图像的草图，根据文字标签从互联网自动下载图像

2.进行基于轮廓和内容一致性的图像过滤，并将前景图像分割出来

3.计算最优的图像合成组合

4.对培训的前十组组合进行合成，将结果提供给用户，用户可以选择满意的合成结果，并进行简单的交互修正

在这个过程中，使用到的核心技术有以下几点：

l  图像检索及图像过滤

根据用户给定的草图及文字标签，系统需要在互联网图像库中自动过滤并下载合适的图像，这就要求系统要对互联网图像库中的图像预先进行处理，抽取出图像的特征信息，然后与用户输入的信息做比对，过滤出与用户输入的特征相符合的图像，以作进一步处理之用。

图像的特征提取，在本次讲座中介绍了多种提取算法，如角点提取、SIFT特征提取、区域提取，等等，系统可以根据不同情况，选择不同提取方式。

图像的检索，也可以根据实际情况选择合适的检索算法来实现。

l  图像分割及对象提取

在检索出符合用户描述特征的图像后，需要将图像进一步处理，分割和提取出用户需要的对象元素，作为最后图像合成的基础元素单元。

图像分割技术，在本次讲座中也详细介绍过，主要思路有基于运动聚类和基于颜色聚类，也有一些较成熟的算法支持。

对象的提取，在本次讲座中着重介绍了蒙版的概念。

l  图像合成

系统在抽取出符合用户描述特征的对象元素后，最后一步就是将各个独立元素合成为一张图像，然后反馈给用户。

这个过程中最关键的技术就是图像合成技术，在讲座中介绍了基于混合便捷条件的图像合成技术，对比以前的方法，合成的瑕疵较少，同时，还能使各个对象元素的光照效果一致，使图像真实感更强。

基于互联网图像合成技术，是在互联网快速发展的大环境下应运而生的新兴技术应用，其最大的优势在于，它充分利用了互联网海量的图像数据，极大的丰富了作为合成候选源的图像对象元素库，使得绝大多数的用户需求都能够得到满足。同时随着互联网图像数据的不断增加，对象元素库也会不断的丰富下去，这就让系统能够越来越完美的实现用户的需求，也能够支持更加复杂更加个性化的用户需求。

随着数据量的急速增长，系统对于处理技术的要求也会越来越高，一些更快速更准确的处理技术也会不断的被应用到系统中来，这也会作为一种源动力，不断地推动者媒体计算技术的不断向前发展。