基于内容的图像检索算法研究

随着计算机、网络以及多媒体技术的迅速发展和应用,数字图像的数量正以惊人的速度增长,基于内容的图像检索技术可以有效地解决从图像数据库中检索出相关图像的问题.[1]本文研究了颜色、纹理和形状三种特征提取算法,颜色特征提取采用颜色直方图和颜色矩特征算法,通过像素统计、多维矩阵运算量化图像颜色特征并进行图像匹配;纹理特征提取算法可通过图像灰度共生矩阵提取能量、熵、逆差矩等特征进行相关处理并检索;增加了基于形状的特征提取算法,将图像二值化后提取其Hu不变矩进行处理,其结果用于修正和优化颜色或纹理的检索结果.图像特征比对采用空间节点自适应处理后的欧氏距离进行运算.在VC中实现了基于内容的图像检索系统,能够自定义实现单一特征检索和综合多特征的联合检索,实现以图搜图的检索功能.     

新型的图像检索最优实验设计算法

大部分现有的最优实验设计方法是基于线性回归或拉普拉斯正则最小二乘模型(LapRLS)的。提出一种基于二阶Hessian能并具有流形学习能力的主动学习算法,该算法选择那些能使Hessian正则回归模型的参数协方差矩阵最小化的样本作为最优样本,可以克服LapRLS的依赖特定常量及缺乏推算能力等缺点。基于内容的图像检索实验证明了该方法的有效性。     

基于领带花形图像检索算法研究

针对领带花形图像的具体特征，研究了适用于该类图像的检索算法。在对布样扫描图像提取花形区域的基础上，运用Gabor小波变换提取花形特征，并给出了多角度旋转不变性的相似度计算公式。在实际应用中取得了较好的检索效果。     

KAZE算法在图像检索中的应用

给出一种KAZE算法与视觉词典库模型相结合的图像检索算法。利用KAZE算法提取特征点,构造特征描述子,进行预匹配;采用随机抽样一致性算法剔除误匹配点和错误点;通过K均值聚类算法对特征描述子进行聚类,建立视觉词典库模型。将图像特征描述子映射到视觉词典库模型,得到检索结果。实验结果表明,该算法可以检索相同或相似图像,图像检索的平均查准率为55%。     

一种图像纹理特征检索算法

提出一种基于Radon和小波变换的图像纹理特征检索算法,对原始图像进行坐标系的旋转校正,确定方向归一化的图像,再对方向归一化后的图像进行Radon变换．根据Radon变换投影数据的几何特性,构造了适合投影数据的具有尺度和平移不变性的小波分解,该小波分解系数具有旋转、平移和尺度不变性．采用图像中各尺度小波系数的能量值作为图像的纹理特征,以此进行图像检索．基于纹理特征的试验结果表明,该特征具有旋转、平移和尺度不变性,与RIM算法相比平均检索率提高了3.8％．     

基于SIFT-LBP的图像检索优化算法研究

针对尺度不变特征变换(SIFT)算法在图像特征提取和检索中精度、实时性以及对光照条件变化描述较差的问题,提出了SIFT和局部二值模式(LBP)相结合的图像特征提取算法。采用旋转不变LBP算法统计关键点周围16×16区域的梯度信息并计算周围9×9区域的LBP值,以区域中每个像素点为中心构建图像的SIFT-LBP特征描述子。采用了基于遗传算法的特征选择方法,剔除了特征点的冗余信息,降低了特征向量维数。实验结果表明,SIFT-LBP算法具有良好的特征匹配效果,对光照条件的变化具有较强的鲁棒性,进一步提高了检索准确率和检索速度。     

基于流形学习的图像检索算法研究

流形学习以发现非线性高维数据的本质维数为目标,使其更适合数据分析和高维数据的降维。图像检索中“语义鸿沟”问题指的是高维数据空间与低维的语义子空间之间的鸿沟,虽然利用相关反馈机制可以缩小这种鸿沟提高准确率,但是因为反馈图像数目较少,图像特征维数相对较高,会容易产生维数灾难问题。流形学习的引入为解决这一难题带来了新的希望,因为通过流形学习的方法学习高维图像特征数据的本征维数用于图像检索,大大提高了检索性能。基于流形学习的图像检索算法都是半监督的流形学习,充分利用了反馈信息,学习查询图像的语义子空间,有效的实现了高维数据的降维。     

基于LSM的遥感图像快速检索算法

快速准确地搜索到遥感图像中的人造目标是图像处理的主要研究方向之一.针对传统最小二乘匹配(LSM)速度慢的缺点,提出了基于LSM对二值边缘图像进行快速检索的方法.仿真结果表明,该算法较好地解决了目前遥感图像匹配算法中普遍存在的快速定位和匹配速度慢的矛盾.     

微粒群算法在图像检索中的应用

基于内容的图像检索技术已成为信息检索中的瓶颈.针对此问题提出了基于微粒群算法的图像检索技术.首先提取图像的颜色特征向量,用特征向量对粒子进行编码,检索图像的过程可以看成是利用微粒群算法在特征空间搜寻最优解的过程.该方法能够有效全面地搜索图片库,改进和提高了传统的基于内容的图像检索算法的性能.     

基于区域特征融合的图像检索算法研究

目前图像检索主要基于颜色、纹理、形状、空间关系等单一特征。针对此局限性,以彩色图像分割为基础,提出一种综合颜色及局部纹理特征信息的图像检索方法。该方法结合了颜色和纹理特征,比单一特征检索更符合人的视觉感受要求,检索效果更好。     

基于Vague集模糊量化的图像检索算法

为了提高图像的检索效果,提出了基于Vague集模糊量化的图像检索算法。该算法首先在色调-饱和度-亮度(hue saturation value,HSV)空间中划分模糊区域,并建立每个区域的梯形隶属度函数;其次,通过梯形隶属度函数得到任意颜色在模糊区域的Vague隶属度,进而将该Vague隶属度转化为包含中立度信息的Fuzzy值,并对该Fuzzy值加权得到新的量化值,从而得到颜色直方图;最后,将原图平滑处理,并与原图直方图结合得到广义直方图,通过欧氏距离进行相似匹配得到检索结果。实验采用Corel1000图像库,选取花作为检索的目标图像,结果显示,非均匀量化算法,模糊量化算法和改进算法的查准率分别为62.5%,72.5%,75%;查全率分别为25%,29%,30%。采用3种算法分别检索主目标明确和主目标不明确的图片,结果显示,改进算法与非均匀量化算法,模糊量化算法相比,检索效果较好。     

基于SVM算法的移动终端图像检索系统设计

近年来基于web的图像检索系统迅速发展,移动设备的应用越来越广泛.本文将比较成熟且具有良好分类效果的支持向量机(SVM)算法引入研究,应用于内容的移动平台上的图像检索研究和设计.     

基于SURF算法的服装视觉图像检索研究

提出了基于SURF算法的服装视觉图像检索系统,使用实时、丰富的移动视觉图像进行服装信息的检索.首先对移动端视觉图像进行预处理,然后利用SURF算法完成服装视觉图像特征检测、特征信息描述和特征匹配,从而完成检索.对SURF-36,SURF-64和SURF-100描述向量的匹配效率、匹配准确度等方面进行试验.结果表明,SURF-64能够在效率与准确度之间达到很好的平衡,较快、较好地完成服装视觉图像的检索.     

基于子块直方图的图像检索算法研究

基于全图直方图图像检索算法过于简单及查全率、查准率过低的情况,本文提出把图像分割成子块的算法,寻找空间分布差异,间接捕捉到色彩的空间分布特征,从而能够区别色彩分布相似但空间分布不同的图像,尤其适用于纹理丰富的图像的检索,获得满意的结果。     

基于Gamma隶属度的车辆图像检索算法

为了提高基于颜色特征的车辆图像检索的准确率,提出一种基于Gamma隶属度的车辆图像检索算法。采用3×3模板对图像进行平滑,获得广义图像;在HSV空间上获取该图像各像素点的颜色特征分量,并使用广义直方图对合成分量进行统计;通过Gamma函数确定合成分量的隶属度值,利用Tversky比率相似性模型进行相似性测度。对比实验结果表明,该算法的查准率与查全率均高于非均匀量化算法和三角形隶属度量化算法,检索效果较好。     

面向Web图像检索的语义关联多模态哈希方法

随着计算机网络和多媒体技术的迅猛发展,针对大规模多模态图像检索的需求变得越来越广泛。如何有效解决多模态性,语义鸿沟和大规模性已经成为Web图像检索中的三大重要挑战。最近提出的语义标注和哈希技术可以分别用来解决语义鸿沟和大规模性,但它们无法涵盖目前存在的所有问题。在本文中,我们提出了语义关联多模态哈希用于多模态图像检索,它能够综合语义学习和哈希技术的优点。首先,通过基于图学习的半监督学习来增强训练样本的语义。然后构造所有样本的语义关联并将其保存在哈希函数中。学习出的哈希函数能够将所有模态均映射到统一的哈希空间中,从而支持多模态检索。在两个真实图像数据集上的实验结果证明了所提出方法的检索效果和效率。此外,实验结果也证明学习语义关联能够提高检索效果。     

面向ASPE的抗合谋攻击图像检索隐私保护方案

现有的基于非对称内积标量保留加密算法(ASPE)实现了云计算下图像检索中的隐私保护,但由于检索时云服务提供商和检索用户不可信以及外部敌手的存在,无法抵抗恶意用户与云服务器的合谋攻击,可能导致包含敏感信息的图像数据泄露。针对多用户场景,提出了一种面向ASPE的抗合谋攻击图像检索隐私保护方案。首先,该方案通过代理重加密解决因向不可信用户传输私钥导致的图像密钥泄露问题;其次,在客户端添加对角矩阵加密解决云服务提供商和检索用户之间因合谋攻击导致的特征密钥泄露问题;最后,通过线性判别分析来解决局部敏感哈希构建索引时因降维导致的检索准确率下降问题。通过安全性分析证明,该方案是安全且有效的,不仅能够抵抗来自云服务提供商和不可信用户的合谋攻击、唯密文攻击、已知背景攻击和已知明文攻击,同时能够实现对检索过程中图像与私钥的保护。实验结果表明,所提方案在保护图像隐私及保证检索效率的前提下,密文域和明文域的检索精度仅相差约2%。     

面向医学图像的半脆弱水印算法

针对现有认证水印算法篡改定位准确性和安全性不足的问题,该文提出了一种面向医学图像的半脆弱水印算法。首先对医学图像进行分块,计算图像块中高5位比特的灰度均值作为水印信息,将其嵌入图的2个最低有效位中;然后按照奇偶法重新计算水印作为认证水印,将其嵌入图的最低第3有效位中;最后比较认证水印和提取水印之间的相似度,当水印的相似度高于0．6时,认证定位结果正确,否则,认证该结果是错误的,应该舍弃。实验结果表明,该算法大大降低了篡改定位结果的虚警概率,并且篡改定位精度、准确性和安全性都比较高。     

图像检索研究进展

多媒体信息检索是当前计算机科学与信息技术的研究热点之一,图像检索是多媒体信息检索技术的一个重要组成部分。本文阐述了图像检索研究的历史、现状及未来的研究方向。     

多分辨批量古典建筑图像深度学习检索算法

针对传统的模糊BP分类识别方法进行多分辨建筑图像检索误分率较高的问题,提出了一种基于深度学习神经网络分类和多特征融合的多分辨古典建筑图像检索算法。采用小波降噪方法对模糊图像进行降噪处理,对降噪后的图像采用LGB向量量化算法进行特征分解,采用颜色分量融合方法进行图像的信息增强处理,提取图像的灰度不变矩特征量。将提取的特征量输入BP神经网络分类器中,在检索器的隐含层采用深度学习算法进行图像特征聚类的自适应寻优,进行多特征融合处理,避免聚类中心扰动,实现了对批量多分辨古典建筑图像检索的优化。仿真结果表明,采用该算法进行多分辨古典建筑图像检索的准确性较好,抗类间属性扰动能力较强,图像输出的查全率较高,图像检索的时间开销较小。