基于显著闭合边界的压缩域图像检索

提出了一种直接从压缩域提取显著闭合边界进行图像检索的算法.从压缩域直接提取块边缘,使用基于网络流理论的比率轮廓算法从块边缘图像中提取显著闭合边界,用傅立叶描述子刻画显著闭合边界,进行图像检索.实验结果表明,直接从压缩域提取显著闭合边界,无需解压,减少了计算量,提取的显著闭合边界应用在图像检索中取得了较高的准确率.     

基于块边缘特征直方图的图像检索

本文提出一种利用块边缘特征来进行图像检索的方法。首先对图像中每个8×8的块分别提取其决边缘特征,利用块边缘特征构建三维或四维直方图进行图像检索。所有数据在 DCT 压缩域中进行处理,从而降低了计算复杂度。实验结果表明,该方法与传统的基于 DCT 压缩域的图像检索方法相比,具有检索准确度高和检索速度快的特点。     

DCT压缩域中图像颜色布局描述符的提取

在国际标准MPEG-7所建议的一种颜色布局描述符基础上,针对JPEG压缩图像,阐述了在DCT压缩域中,从Y、Cb、Cr颜色分量图像的各个8×8子块的直流分量中直接提取颜色布局描述符,以方便于在压缩域中根据颜色的空间分布特征进行快速的图像索引和图像检索。     

一种压缩域特征提取与语义图像检索技术

为了解决“语义鸿沟”问题，通过将隐含语义索引(LSI)技术引入到图像语义提取问题的研究中，试图从图像的视觉特征中抽取出“高层概念”．基于GM(1，1)压缩域中的一种图像特征，提出了一种建立“图像视觉特征”与“语义信息”之间映射的技术方法．实验研究表明，这种基于压缩域特征和LSI技术的图像检索方法能显著改善图像检索的性能，提高图像检索的质量．     

基于显著区域的图像检索方法

研究基于显著区域的图像检索,对小波域显著点提取方法进行改进,解决提取图像特征内容有限、不能有效表达图像内容的问题。提出由显著点作为线索提取显著区域的方法,该方法能实现背景图与对象图的区分。对于对象图,仅对显著区域进行检索,有效减少图像检索过程中背景区域的干扰,提高了检索的速度和准确率。     

基于DCT域奇异值分解的图像检索技术

提出一种在DCT域获取图像的代数特征--SV特征矢量进行图像检索的方法.在图像解压到量化的DCT域时,提取粗糙纹理矩阵Ⅰ,对Ⅰ进行奇异值分解,根据图片库的特点选取部分或全部奇异值表征图像的纹理特征,试验了该特征提取技术在图像检索中的应用.     

基于压缩域显著点的图像检索方法

给出了基于DCT压缩域显著点的快速图像检索方法,该方法直接利用少量DCT非零系数快速计算图像显著点,不需要完全解压缩,降低了计算复杂度,并且具有较强的鲁棒性。实验结果表明,基于显著点提取的图像特征表征能力强,适于图像检索。     

结合注意力机制的跨域服装检索

针对跨域服装检索中服装商品图像拍摄严格约束光照、背景等条件,而用户图像源自复杂多变的日常生活场景,难以避免背景干扰以及视角、姿态引起的服装形变等问题.提出一种结合注意力机制的跨域服装检索方法.利用深度卷积神经网络为基础,引入注意力机制重新分配不同特征所占比重,增强表述服装图像的重要特征,抑制不重要特征;加入短连接模块融合局部重要特征和整幅图像的高层语义信息,提取更具判别力的特征描述子;联合分类损失函数和三元组损失共同约束网络训练过程,基于类别信息缩小检索范围.采用标准的top-k检索精度作为评价指标,选择DeepFashion数据集与当前跨域服装检索常用方法进行对比,文中方法在top-20检索精度对比中取得了最好的检索性能(0.503).实验结果表明,该方法能有效地处理视角、姿态引起的服装形变和复杂背景的干扰,同时不需要大量的样本标注信息,有效地提高了跨域服装检索的精度.     

基于DCT压缩的JPEG图像的快速检索

提出了一种基于离散余弦变换(DCT)压缩的JPEC图像的检索方法。该方法利用JPEG图像数据在DCT压缩域的特性,直接提取特征,而且只需要对JPEC进行部分熵解码。在加速了图像检索的过程的同时也保证了检索结果的精确性,并且具有一定的鲁棒性。     

跨域图像分类中域不变细节特征提取算法

为从源域和目标域的图像中提取域不变细节特征,提高目标域分类器的分类精度,提出基于混合池化及样本筛选机制的域不变细节特征提取方法.通过优化卷积神经网络中的池化层,提取图像中的细节特征,利用样本筛选机制挑选源域和目标域中细节信息较明显的样本图像,将两域中属于同一类别的样本组成样本对,用于提取域不变细节特征表示.结合实例,对模型和算法进行了实验分析,验证了模型的可行性和算法的有效性.     

基于多尺度HOG的草图检索

草图检索是图像处理领域中的重要研究内容。提出了一种将高斯金字塔和局部HOG特征融合的特征提取改进方法,并将其用于草图检索。采用高斯金字塔将图像分解到多尺度空间,在所有尺度上进行兴趣点提取,获得基于兴趣点的多尺度HOG特征。利用图像的多尺度HOG特征集生成视觉词典,最终形成与视觉词典相关的特征描述向量,通过相似度匹配实现草图检索。将该算法与单一尺度下的HOG算法及其他几种算法比较,实验结果表明了其可行性和有效性。     

采用形态学边界特征的医学图像检索

特征提取是基于内容的图像检索(CBIR)中的关键步骤,如何有效提取反映高层语义的图像特征对于医学图像的检索至关重要.提出一种基于边界形状特征的医学图像检索方法.该方法首先通过多尺度形态学方法检测图像边界点,然后对边界图像进行形状特征提取,构建边界的形状密度直方图,最后通过相似性匹配实现医学图像检索.实验结果证明了所提取的边界形状特征在医学图像检索中的有效性,通过对比实验给出了结果分析和进一步的研究思路.     

基于多特征的图像检索算法

基于内容的图像检索是数字图像处理的一个重要研究方向,有效地提取图像内容特征是其中的一个关键问题.提出利用最大相关最小距离将图像的纹理特征,高斯密度特征与人脸检测相结合的算法进行图像检索.在建立10000幅图像库的基础上验证了算法的可行性,实验结果表明算法能够准确、高效地检索出目标图像;相对于单一特征的检索,算法有效地提高了图像检索的精度和速度.     

Contourlet域方向子带稀疏表示的图像压缩感知

为了提高压缩感知中图像的稀疏表示性能, 提出了一种Contourlet域方向子带稀疏表示的图像压缩感知算法。将图像Contourlet分解后的多个高频子带根据方向正交特点进行重组, 采用随机高斯矩阵对重组后的子带分别进行测量, 实现压缩采样; 利用正交匹配追踪法重建各子带系数, 并进行Contourlet反变换重构原图像。实验结果表明, 在相同采样率下, 算法重构图像的主观视觉效果和峰值信噪比都优于小波压缩感知算法。     

JPEG compressed image retrieval via statistical features

To improve efficiency of compressed image retrieval, we propose a novel statistical feature extraction algorithm in this paper to characterize the image content directly in its compressed domain. The statistical feature extracted is mainly through computing a set of moments directly from DCT coefficients without involving full decompression or inverse DCT. Following the algorithm design, a content-based image retrieval system is implemented especially targeting retrieving joint picture expert group compressed images. Theoretical analysis and experimental results support that the system is robust to translation, rotation and scale transform with minor disturbance, and the system achieves good performances in terms of retrieval efficiency and effectiveness.     

基于全局特征和尺度不变特征转换特征融合的医学图像检索

特征提取是图像检索或图像配准的关键步骤,针对单一特征不能很好地表述图像的问题, 根据医学图像的特点,提出了一种融合全局特征和局部特征的医学图像检索算法。首先在研究单一特征医学图像检索算法的基础上, 提出了融合全局特征和相关反馈的检索算法;其次对尺度不变特征转换(SIFT)特征进行了优化,提出了改进的SIFT 特征提取算法和匹配算法;最后,为了保证结果的准确性并改进检索效果,采用了融合局部特征的方法逐步求精。通过对标准临床数字式X射线成像(DR)图像数据库的实验研究表明,该算法应用在医学图像的检索中有较好的结果。     

Web-based image indexing and retrieval in JPEG compressed domain

As the majority of content-based image retrieval systems operate on full images in pixel domain, decompression is a prerequisite for the retrieval of compressed images. To provide a possible on-line indexing and retrieval technique for those jpg image files, we propose a novel pseudo-pixel extraction algorithm to bridge the gap between the existing image indexing technology, developed in the pixel domain, and the fact that an increasing number of images stored on the Web are already compressed by JPEG at the source. Further, we describe our Web-based image retrieval system, WEBimager, by using the proposed algorithm to provide a prototype visual information system toward automatic management, indexing, and retrieval of compressed images available on the Internet. This provides users with efficient tools to search the Web for compressed images and establish a database or a collection of special images to their interests. Experiments using texture- and colour-based indexing techniques support the idea that the proposed algorithm achieves significantly better results in terms of computing cost than their full decompression or partial decompression counterparts. This technology will help control the explosion of media-rich content by offering users a powerful automated image indexing and retrieval tool for compressed images on the Web.J. Jiang: Contacting author     

融合Contourlet和高斯描绘子的图像检索方法

提出一种基于纹理特征和形状特征融合的图像检索方法。采用Contourlet变换提取纹理特征,高斯描绘子提取形状特征,并对两种特征进行融合,最后结合Adaboost算法进行相关性反馈。实验结果表明,所提出的融合方法在图像检索的综合性能上优于Contourlet方法以及基于Gabor小波和高斯描绘子的融合方法,能够有效地实现外观专利设计图像检索。     

基于模糊形状上下文与局部向量相似性约束的配准算法

非刚性点集配准研究是模式识别领域的一项重要基础研究.本文在当前流行的非刚性点集配准算法的基础上提出了两个主要贡献:1)模糊形状上下文(Fuzzy shape context, FSC)特征;2)基于局部向量特征的局部空间向量相似性约束项.本文首先进行基于特征互补的对应关系评估,在这一步骤中定义了模糊形状上下文特征,然后基于模糊形状上下文特征差异和全局特征差异设计了特征互补的高斯混合模型.其次,进行基于约束互补的空间变化更新.在这一步骤中,定义了局部向量特征,建立了局部空间向量相似性约束项.本文算法通过使用特征互补的高斯混合模型进行对应关系评估,并将配准问题转化为可以用期望最大化(Expectation maximization, EM)算法解决的参数优化问题,通过创建包含局部空间向量相似性约束项的能量方程优化了空间变换更新.本文首先测试了模糊形状上下文特征的检索率,然后采用公开数据集测试了算法在点集配准与图像配准的性能.在与当前流行的十种算法的对比实验中,本文算法均给出了精确的配准结果,并在大部分实验中精度超过了当前流行算法.     

Adaboost和信息瓶颈算法在图像检索中的应用

提出基于Adaboost特征选择和信息瓶颈算法的图像检索方法,提取图像的量化颜色直方图特征和Gabor小波纹理特征,采用Adaboost特征选择算法进行特征降维;用信息瓶颈算法对图像进行聚类,得到每个图像类的聚类中心;计算查询示例图像和对应图像类的图像之间的相似度,按照相似度的大小返回检索结果。实验表明,提出的方法可以明显提高检索效率以及检索的精度。