颜色和形状特征的商品图像检索技术的应用

针对基于内容的商品图像检索,提出了以颜色和区域形状为特征的检索技术方案.以非等间隔量化方法提取颜色直方图,同时设置显著水平阈值提取视觉主色,从而获取颜色特征.利用二维函数矩构造出的Hu矩特征值,并对矩特征值进行权重设置,提取了比较符合人类视觉的区域形状特征.两种特征组合检索,实现了商品图像的较高相似性度量的匹配.     

基于多特征高效索引的图像检索

为了提高图像检索的准确率和速度,提出了一种多特征组合的图像检索算法。在颜色空间非均匀量化的基础上,利用改进的颜色聚合向量方法提取图像的颜色特征;基于改进的灰度共生矩阵提取纹理特征参数;利用Krawtchouk矩不变量提取图像的形状特征;基于贡献度聚类并建立特征索引库。融合上述特征计算图像间的相似度,使用特征索引对图像进行快速检索。实验结果表明,提出算法的检索精度有较大提高,能快速检索出用户所需的图像。     

基于内容的多特征融合图像检索

提出一种组合颜色、形状和空间信息的图像检索方法,用颜色块的颜色直方图表示图像的颜色特征;使用Zernike矩表示图像的形状特征,通过提取颜色块的质心、分布方差聚散度等特征得到图像的空间特征。为了进一步提高图像检索的精确度,提出一种基于支持向量机的相关反馈方法。实验结果表明,基于组合特征的图像检索方法优于基于单一特征的检索方法。     

基于多特征融合的面料图像检索系统

面料图像具有数据量多、信息量大的特点,传统的检索方法性能较低,不能实现对面料图像快速准确的检索.文章提出了一种基于多特征融合的检索方法,通过基于HSV颜色矩的算法提取颜色特征,采用Hu不变矩算法提取形状特征,利用Gabor小波提取纹理特征,将三种特征值设置不同的比重融合,整体比重值为1.根据相似性度量,对颜色特征、形状特征、纹理特征以及三项融合的特征进行图像检索,实验结果表明,采用基于多特征融合的方法进行面料图像检索,可以获得较好的检索效果.     

K均值聚类分割的多特征图像检索方法

从图像数据库中快速、准确地检索出所需要的图像,具有广泛的应用前景。针对使用单一图像特征难以准确表达图像之间的差异问题,提出了一种利用颜色聚类分割和形状特征提取的图像检索算法。选择符合人眼视觉特征的HSV空间,分别重组最能描述图像颜色特征的H分量和形状特征的V分量;用K均值聚类算法对两个分量进行聚类分割,得到目标物体;提取目标物体的Hu不变矩和傅里叶描述子来描述形状特征;用欧式距离进行相似度测量并用于图像检索中。采用不同类型图像进行实验,结果表明该算法优于使用单一特征和一般分割方法的图像检索技术。     

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.     

基于Zernike色度分布矩的彩色图像检索算法

以对立色度空间及Zernike矩理论为基础,提出一种基于Zernike色度分布矩的彩色图像检索方法。该方法首先将彩色图像从三维RGB颜色空间转换到二维对立色度空间,以获得图像像素的色差度量值。然后结合Zernike矩相关知识,在二维色度空间中计算出各像素的Zernike色度分布矩,最后将Zernike色度分布矩作为图像颜色特征,并进行彩色图像检索。仿真实验表明,该算法能够准确高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率。     

基于粒计算的图像特征提取及其检索的研究

运用符合视觉感应的HSV模型、抗几何形变的小波变换理论和Hu矩理论分别对图像的颜色、纹理和形状特征进行提取,再结合粒计算理论对这三个特征进行粒化,得到三个特征向量,并分别归一化。在此基础上,加权融合图像的颜色、纹理和形状特征,利用相似性度量算法求图像的贴近度,然后结合相关反馈机制调整各个特征的权重,如此反复,直到用户满意为止,进而实现颜色、纹理和形状特征相结合的图像检索。     

基于颜色与形状图像检索的研究

针对图像检索技术中单一的底层特征检索效果差以及图像分割方法的优劣对形状特征提取造成的瓶颈问题,提出了一种颜色与形状相结合的新方法.其思想是采用颜色矩方法提取出九个颜色特征分量;通过Ostu闭值分割法计算出的阈值来确定Canny算子的高门限.从而采用改进后的Canny算子完成图像分割,进而提取出七个Hu不变矩形状特征分量;并利用图像检索的CBIR模型,将颜色特征分量与形状特征分量相结合.实现了一个图像检索系统.实验结果表明,提出的新方法改善了检索效果,而且对直方图具有双峰性的图像检索效果更好.     

利用颜色进行基于内容的图像检索

提出了一种新的基于颜色的图像检索算法.该方法根据颜色在图像中的分布信息,通过对像素点的加权处理确定最佳的颜色初始聚类数目,将经过加权处理的像素点进行聚类,得到图像主要颜色的统计特征,同时,在分析了主要颜色在图像中的散布情况后,利用主色的矩特征来描述各个主色在图像中的空间分布特征,结合颜色的统计特征与空间分布特征来描述图像的内容,保证图像在局部和整体上的一致性,实验证明该方法的检索精度明显要高于传统的仅基于颜色统计特征的检索结果.     

形状的全尺度可视化表示与识别

目的 视觉目标的形状特征表示和识别是图像领域中的重要问题。在实际应用中,视角、形变、遮挡和噪声等干扰因素造成识别精度较低,且大数据场景需要算法具有较高的学习效率。针对这些问题,本文提出一种全尺度可视化形状表示方法。方法 在尺度空间的所有尺度上对形状轮廓提取形状的不变量特征,获得形状的全尺度特征。将获得的全部特征紧凑地表示为单幅彩色图像,得到形状特征的可视化表示。将表示形状特征的彩色图像输入双路卷积网络模型,完成形状分类和检索任务。结果 通过对原始形状加入旋转、遮挡和噪声等不同干扰的定性实验,验证了本文方法具有旋转和缩放不变性,以及对铰接变换、遮挡和噪声等干扰的鲁棒性。在通用数据集上进行形状分类和形状检索的定量实验,所得准确率在不同数据集上均超过对比算法。在MPEG-7数据集上精度达到99.57%,对比算法的最好结果为98.84%。在铰接和射影变换数据集上皆达到100%的识别精度,而对比算法的最好结果分别为89.75%和95%。结论 本文提出的全尺度可视化形状表示方法,通过一幅彩色图像紧凑地表达了全部形状信息。通过卷积模型既学习了轮廓点间的形状特征关系,又学习了不同尺度间的形状特征关系。本文方法在视角变化、局部遮挡、铰接变形和噪声等干扰下能保持较高的识别正确率,可应用于图像采集干扰较多以及红外或深度图像的目标识别,并适用于大数据场景下的识别任务。     

基于多特征融合的花卉图像检索

以植物花卉图像为研究对象,对植物花卉图像在区域分割、特征提取、基于内容的雷同图像过滤以及基于SVM的植物花卉图像检索等方面进行了系统、深入和较为全面的研究。首先为保证检索效果,提出了基于Canny边缘的雷同图片过滤算法对花卉图像库中的雷同图片进行过滤。然后提出基于2RGB混合颜色模型的自适应阂值分割算法来对花卉图像进行分割。对特征提取采用多特征融合的方法,其中针对形状特征提出了基于HSV颜色模型的加权不变矩,并提出了结合形状特征与纹理特征的边缘LBP算子。通过在花卉图像库进行的实验表明,提出的若干方法都是有效的。     

基于小波多尺度分析的彩色图像检索方法

多媒体技术的普及和Internet技术的实施导致了大量图像信息的出现，基于文本关键词的传统检索方法已不能适应图像信息检索的要求，这使得基于内容的图像检索技术逐渐成为目前的研究热点。基于内容检索技术中必不可少的关键步骤就是图像特征的提取，其中可提取的特征有颜色、纹理和形状等。但是，由于图像的每种特征只能抓住图像相似性的某一个方面，因此如何能更好地表示图像就成为基于内容图像检索中一个重要的研究方向。针对该问题，提出了一种基于图像颜色和纹理特征的图像检索方法，其中颜色特征采用HSV颜色空间的直方图，纹理特征采用图像小波多尺度表示方法中细节信息的方差统计量，这样就充分利用了颜色的丰富表现性和小波变换的多分辨性及其变换系数的统计特性。通过对不同类型图像使用不同特征组合进行图像检索查准率的对比实验结果表明，这种图像检索方法是行之有效的。     

颜色、纹理、形状及相关反馈在图像检索中的应用

图像数据库的不断庞大使基于内容的图像检索成为研究热点,目前主要集中于底层特征的相似度匹配。文章重点介绍了颜色特征中的分块主色法,纹理特征中的灰度共生矩阵法和形状特征中的小波变换及不变矩法。在利用单一特征检索的基础上,该文提出了一种综合利用上述三种特征共同进行检索的方法。同时,还将相关反馈技术融合到算法中,通过权值矩阵的正负调整及三种特征系数的调整来提高检索准确率。由实验数据表明,文中的方法是很有效的。     

Learning effective color features for content based image retrieval in dermatology

We investigate the extraction of effective color features for a content-based image retrieval (CBIR) application in dermatology. Effectiveness is measured by the rate of correct retrieval of images from four color classes of skin lesions. We employ and compare two different methods to learn favorable feature representations for this special application: limited rank matrix learning vector quantization (LiRaM LVQ) and a Large Margin Nearest Neighbor (LMNN) approach. Both methods use labeled training data and provide a discriminant linear transformation of the original features, potentially to a lower dimensional space. The extracted color features are used to retrieve images from a database by a k-nearest neighbor search. We perform a comparison of retrieval rates achieved with extracted and original features for eight different standard color spaces. We achieved significant improvements in every examined color space. The increase of the mean correct retrieval rate lies between 10% and 27% in the range of k=1-25 retrieved images, and the correct retrieval rate lies between 84% and 64%. We present explicit combinations of RGB and CIE-Lab color features corresponding to healthy and lesion skin. LiRaM LVQ and the computationally more expensive LMNN give comparable results for large values of the method parameter κ of LMNN (κ≥25) while LiRaM LVQ outperforms LMNN for smaller values of κ. We conclude that feature extraction by LiRaM LVQ leads to considerable improvement in color-based retrieval of dermatologic images.     

综合颜色和形状特征聚类的图像检索

为了提高图像检索的速度和准确率,通过分析各种聚类算法在图像检索中的缺点,提出了一种新的划分聚类的图像检索方法。首先对HSV模型非均匀量化,利用改进的颜色聚合向量方法提取图像的颜色特征;然后基于改进的Hu不变矩提取图像的全局形状特征;最后,综合颜色和形状特征对图像基于贡献度聚类并建立特征索引库。利用上述方法在Corel图像库中进行图像检索。实验结果表明,与改进的K-means算法的图像检索算法相比,提出算法的查准率和查全率均有较大提高。     

基于渲染图像角度结构特征的三维模型检索方法

为了充分利用三维模型的颜色、形状、纹理等特征,提出以三维模型渲染图像为数据集,利用渲染图像角度结构特征实现三维模型检索。首先,该方法以三维模型渲染图像为测试集,利用已有类别标记的自然图像作为训练集,通过骨架形状上下文特征对渲染图像进行分类,提取角度结构特征,建立特征库;然后,对输入的自然图像提取角度结构特征,与特征库中的角度结构特征进行相似度匹配计算,实现三维模型检索。实验结果表明, 充分利用 渲染图像的颜色、形状和空间信息是实现三维模型检索的有效方法。     

Content-based image retrieval techniques for the analysis of dermatological lesions using particle swarm optimization technique

This method presents extraction of effective color and shape features for the analysis of dermatology images. We employ three phases of operation in order to perform efficient retrieval of images of skin lesions. Our proposed algorithm used color and shape feature vectors and the features are normalized using Min–Max normalization. Particle swarm optimization (PSO) technique for multi-class classification is used to converge the search space more efficiently. The results using receiver operating characteristic (ROC) curve proved that the proposed architecture is highly contributed to computer-aided diagnosis of skin lesions. Experiments on a set of 1450 images yielded a specificity of 98.22% and a sensitivity of 94%. Our empirical evaluation has a superior retrieval and diagnosis performance when compared to the performance of other works. We present explicit combinations of feature vectors corresponding to healthy and lesion skin.