基于草图查询的语义对象图像检索

针对图像低层特征和高层语义之间存在的语义鸿沟问题,提出一种结合草图查询和相关反馈的语义对象图像检索系统.该系统首先根据用户输入的手绘草图,利用形状(轮廓、区域和骨架)特征从对象库中初步检索出语义对象并保存其区域组合;然后根据用户选择的反馈对象并结合查询草图提取用户检索对象的语义特征(形状、区域及拓扑特征),最后采用寻找最优区域配对的方法在系统特征库中进行检索.实验结果表明,本文方法不但对用户需求的语义对象有较好的检索效果,而且还能较准确地在结果图像中框选出用户感兴趣的语义对象.     

一种基于用户感兴趣区域的图像检索算法

利用图像全局特征的检索不能很好地检索用户想要的对象内容,而基于分割后各区域特征的检索又过分依赖于复杂的图像分割算法。针对上述两者的缺点,文中提出了一种基于用户感兴趣区域的图像检索算法。该算法首先对样例进行多分辨率树状分解,再由用户选择分解后的任意多个感兴趣的子图,提取子图的特征以进行相似性度量,并应用相关反馈以更好地捕获用户的检索意图。该方法无需对图像进行复杂的分割就能提取对象特征,且经由实验证明具有较高的查全率。     

一种基于用户感兴趣区域的图像检索算法

利用图像全局特征的检索不能很好地检索用户想要的对象内容，而基于分割后各区域特征的检索又过分依赖于复杂的图像分割算法。针对上述两者的缺点，文中提出了一种基于用户感兴趣区域的图像检索算法。该算法首先对样例进行多分辨率树状分解，再由用户选择分解后的任意多个感兴趣的子图，提取子图的特征以进行相似性度量，并应用相关反馈以更好地捕获用户的检索意图。该方法无需对图像进行复杂的分割就能提取对象特征，且经由实验证明具有较高的查全率。     

基于颜色-空间特征的图像检索

虽然基于颜色直方图特征的图像检索方法简单、高效,但却丢失了颜色的空间分布信息.提出了一种基于颜色-空间特征的图像检索方法.该方法将图像内容看成由若干对象组成的集合,首先利用图像分割得到主要对象,然后根据对象的颜色、位置和形状特征计算图像间内容的相似度,再进行检索.实验结果表明,当图像中有明显的物体时,该方法与颜色直方图相比,能够更加准确和高效地查找出用户所需内容的图像,明显地提高了检索精度.     

文本检索方法驱动的海量图像数据库目标匹配研究

针对当前基于文本检索方法的图像目标对象匹配技术无法适应海量图像数据库检索的问题,本文提出一种有效可行的海量图像数据库的检索方法,并给出了该系统的构建框架。用户通过在图像中选择一块区域作为检索的目标对象提交给系统,它将从图像数据库中检索出包含有相同或相似目标对象的图像,将其排序后返回给用户。实验表明,本文提出的方法具有检索准确率高、响应时间短等特点,是一种有效的海量图像数据库检索方法。     

融合区域特征和相关反馈的图像检索

提出了一种新的基于内容的图像检索算法,该算法提取图像的颜色-空间特征,在HSV空间中将图像按照H分量进行区域划分,利用区域特征层面上的相似度对图像进行检索,并引入用户的相关反馈来调整并记录示例图像中各对象的特征权值。实验结果表明,该算法可以使计算机更加精确地理解用户的查询要求,提高查询的准确率。     

基于人工免疫系统的遥感图像检索

为了提高遥感图像检索的有效性和准确性,提出了一种基于人工免疫系统的遥感图像检索算法。该算法根据相关反馈技术及免疫机理,利用克隆选择算法对用户反馈的图像特征进行泛化学习,从而提高了系统对用户语义的理解能力。实验结果表明,该算法不仅能有效理解用户的反馈信息,而且能提高检索的准确性。     

一种基于本体的图像检索方法

提出一种基于本体的图像检索方法。该方法结合特定领域专家知识和对象例图,采用视觉对象本体来描述图像内特定对象的视觉特征,从而构建该领域包含视觉描述的知识库。在检索过程中,利用知识库内的对象的视觉本体描述和目标图像库内的图像低层特征相匹配执行图像检索任务,从而实现在高层次语义上的图像检索。实验结果表明了该方法的有效性和可行性,并在一定程度上缩小了视觉低层特征同图像高层语义的鸿沟。     

一种基于区域检测的图像检索相关反馈方法

提出一种基于用户兴趣区域检测的图像检索相关反馈学习方法,利用用户反馈为正相关的图像进行学习,进而猜测用户意图,获得更令用户满意的检索结果。该反馈学习方法的框架如下：1）对正相关的反馈图像与查询图像进行特征匹配;2）对匹配的特征使用RANSAC模型进行校准;3）进行区域选取。在选取了兴趣区域以后,可以将该区域直接抠取或将其中的特征点权值增强作为新的待查图像进行检索,提高检索的精度。实验表明本文方法可以返回更符合用户心意的检索结果。     

基于对象的彩信图像检索系统的研究与实现

基于对象的彩信图像检索系统是继图像检索和彩信检索结合的新一代信息检索技术,介绍了目前热门的基于对象的图像检索系统的概念,以及应用到彩信检索领域的工作原理.在基于对象的图像检索基础上,加入了对图像中区域对象的识别过程,并将识别结果存入图像属性索引数据库,然后在检索过程中根据用户输入的对象查询请求,到数据库里进行检索,最终将检索结果返回给彩信用户.     

基于纹理的图像检索

基于特征的图像检索在多媒体数据库管理和多媒体通信传输中得到越来越多的重视。介绍了基于纹理特征的特征提取方法 ,并对提取出的特征进行维数缩减。对真实图像库的检索实验表明 ,用此方法检索出的图像更符合人的视觉特性。     

综合利用纹理和中心特征的图像检索

基于特征的图像检索在多媒体数据库管理和多媒体通信传输中得到越来越多的重视。本文介绍了基于纹理特征的特征提取方法和中心特征的提取方法，并进而提出了一种综合利用上述两个特征共同进行检索的方法。对真实图像库的检索实验表明，综合特征检索比单一特征检索更符合人的视觉特性，检索效果更好。     

一个图像数据库检索系统的结构设计和快速检索方法

本文介绍了图像数据库区别于常规数据库的特点,并以数字化图书馆的数据库子系统Basestar为例,介绍了图像数据库检索系统的结构和检索方法。Basestar采用综合了颜色、形状、纹理三种特征矢量的综合性检索方法,本文详细介绍了这种方法,并论述了在此方法基础上,根据三角形不等式准则改进而成的检索方法的原理和实现。实验证明Basestar 系统具有较好的检索效果,检索结果证明快速检索方法是有效的。     

基于模糊颜色量化的图像检索

颜色量化是基于颜色特征的图像检索的一个重要方法。在颜色量化中引入模糊集合理论,提出了一种基于人的主观视觉感知的模糊颜色量化方法,以减小量化误差和适应人的感知模糊性,根据此方法提取模糊颜色-空间特征用于图像检索。实验结果显示了模糊量化方法的有效性和检索算法较高的检索准确性。     

Interactive relevance feedback mechanism for image retrieval using rough set

Recently, how to express human perception has become one of the most active research topics in image retrieval. In this paper, we propose a relevance feedback mechanism that can express objectively human perception by using rough set theory in retrieval system. The mechanism makes full use of the inherent advantages of rough set to solve the difficulty that the retrieval system cannot express human perception. In the end, an image retrieval system – “Basestar”, which is based on the technology, is introduced to illustrate the retrieval performance.     

基于综合特征图像检索技术研究

图像数据库应用日益广泛，如何高效、准确地进行图像的检索成为一项重要的研究领域。传统的图像检索主要依赖颜色、纹理、形状、空间关系等单一视觉特征，检索效果往往不够理想。针对这一实际问题，提出一种新的图像检索方法，该方法以综合特征为检索基础，通过获得图像的归一化综合特征，并将其作为图像相似性的衡量依据。实验证明，利用综合特征进行图像检索具有很好的效果。     

An EM based multiple instance learning method for image classification

In this paper, we propose an EM based learning algorithm to provide a comprehensive procedure for maximizing the measurement of diverse density on given multiple Instances. Furthermore, the new EM based learning framework converts an MI problem into a single-instance treatment by using EM to maximize the instance responsibility for the corresponding label of each bag. To learn a desired image class, a user may select a set of exemplar images and label them to be conceptual related (positive) or conceptual unrelated (negative) images. A positive image consists of at least one object that the user may be interested, and a negative image should not contain any object that the user may be interested. By using the proposed EM based learning algorithm, an image retrieval prototype system is implemented. Experimental results show that for only a few times of relearning cycles, the prototype system can retrieve user’s favor images from WWW over Internet.     

图像中物体空间关系的表示及在检索中的应用

基于图像中物体之间的空间关系的图像检索往往受困于待处理的图像中物体种类和空间位置难以自动准确地获取。文中基于物体识别算法的输出,提出一种对物体空间关系的三元组表示法,给出基于这种表示方法对图像索引、相似度计算和检索排序的方法及允许用户使用查询词和空间关系表达查询需求的二维输入界面,并实现原型系统。这种表示法具有良好的鲁棒性,可容忍物体识别算法一定程度的误差,将物体识别得到的置信度加入三元组表示法置信度计算和排序算法中,减少物体识别结果误差对检索性能的影响。在原型系统上的实验表明,该系统在实验中对包含物体位置关系的检索给出更准确的结果,在NDCG@m、MAP、F@m上均优于现有系统。     

基于数据隐藏的图像检索系统

本文提出一种新的图像检索系统,采用数据隐藏算法把图像的标注信息和特征信息嵌入压缩域图像中,用于快速检索。由于DCT在图像压缩中得到了广泛的应用,本文分析了基于DCT的JPEG图像格式编码流程,实现了一种基于JPEG压缩的数据隐藏算法。实验结果表明,该算法未引起图像质量明显下降,可嵌入较多数据。     

FP-CNNH:一种基于深度卷积神经网络的快速图像哈希算法

在大数据时代,图像检索技术在大规模数据上的应用是一个热门的研究领域。近年来,大规模图像检索系统中, 图像哈希算法 由于具备提高图像的检索效率同时减少储存空间的优点而受到广泛的关注。现有的有监督学习哈希算法存在一些问题,主流的有监督的哈希算法需要通过图像特征提取器获取人为构造的图像特征表示,这种做法带来的图像特征损失影响了哈希算法的效果,也不能较好地处理图像数据集中语义的相似性问题。随着深度学习在大规模数据上研究的兴起,一些相关研究尝试通过深度神经网络进行有监督的哈希函数学习,提升了哈希函数的效果,但这类方法需要针对数据集人为设计复杂的深度神经网络,增大了哈希函数设计的难度,而且深度神经网络的训练需要较多的数据和较长的时间,这些问题影响了基于深度学习的哈希算法在大规模数据集上的应用。针对这些问题,提出了一种基于深度卷积神经网络的快速图像哈希算法,该算法通过设计优化问题的求解方法以及使用预训练的大规模深度神经网络,提高了哈希算法的效果,同时明显地缩短了复杂神经网络的训练时间。根据在不同图像数据集上的实验结果分析可知, 与现有的基准算法相比,提出的算法在哈希函数训练效果和训练时间上都具有较大的提高。