基于Gabor滤波器和深度学习的图像检索方法

针对图像数据库日渐庞大的问题,研究了将特征提取与深度学习相结合进行图像检索的方法,提出了基于Gabor小波变换和受限玻尔兹曼机(RBM)的特征提取和降维模型.将整幅图像划分成局部图像块,利用Gabor滤波器组提取图像特征,通过RBM对特征进行学习和编码,从而实现图像特征的降维处理.采用基于深度信念网络(DBN)和Softmax分类器的图像检索算法,利用Corel图像库进行新方法的图像检索实验,并与其他两种方法进行比较.结果表明,本文方法在准确率、查全率和检索时间上均具有较好的性能,能得到更好的图像检索结果.     

图像检索技术综述

图像检索是很多研究中的关键技术，图像检索是一种近似检索，与检索文本相比，检索图像要困难得多,根据不同的图像索引对现有的各种图像检索技术进行了分析和比较，包括基于注释的图像检索、基于特征的图像检索以及基于知识的图像检索，提出了图像检索技术的发展趋势和研究方向。     

布料色卡图像检索的深度学习模型

为解决箱包领域对不同分辨率和不同旋转角度的色卡图像存在检索效果差的问题,提出基于深度学习框架(GoogleNet、AlexNet和LeNet-5)和结合稀疏化Dropout结构改进的LeNet-5学习框架的色卡图像检索模型,设计了相应的实现方法。在两个标准数据集(Brodatz、UIUC)和一个真实领域采集的布料色卡图像数据集上与传统纹理图像检索模型进行对比测试和结果分析。结果表明:对检索具有不同分辨率或者不同旋转角度的图像而言,基于深度学习的色卡图像检索模型具有更好的检索准确率,达到了在箱包领域进行色卡图像检索的实际应用要求。     

图像检索技术研究进展

近年来,互联网上视觉数据呈现出爆炸式的增长,越来越多的研究工作围绕图像搜索或图像检索技术而展开.早期的搜索技术仅采用文本信息,忽视了视觉内容作为排序的线索,导致搜索文本和视觉内容不一致.基于内容的图像检索(CBIR)技术充分利用视觉内容识别相关图像,在近几年来获得了广泛关注.在图像检索中,最根本的问题是意图鸿沟和语义鸿沟,围绕该问题,近年涌现出大量的基于内容的图像检索的技术.本文主要对2003—2016年间提出的相关图像检索方法进行总结、分类和评估,并对未来的潜在研究方向进行讨论.     

基于CNN特征和标签信息融合的图像检索

针对基于内容的图像检索(CBIR)中图像底层视觉特征与高层语义特征之间存在的"语义鸿沟"问题,提出了一种基于卷积神经网络(CNN)特征和标签信息融合的图像检索算法。首先使用CNN模型提取图像的CNN特征以及标签信息,然后使用余弦距离分别计算这两个特征的相似度,最后将这两个相似度进行加权融合,用作图像检索排序准则。在caltech101和caltech256数据集上分别进行实验,实验结果表明,所提算法加强了图像特征与高层语义的结合,大大提高了图像检索的查准率。     

面向人物图像的近似检索算法性能评测

最新研究表明,互联网上存在的海量近似重复图像可以为解决一些传统上很困难的计算机视觉任务提供新的解决方案。介绍了4个主流的用来进行近似重复图像检索的方法:Hash码,Mean SSIM,SIFT视觉词袋模型(Bo VW)和属性关系图(ARG)。构建了一个包含24 762幅图像的与人物有关的图像数据集,观察数据确定了4种近似重复图像类型。利用该数据集通过实验定量评估了4种近似重复图像检索方法的运行效率和检索精度,最后推荐使用基于SIFT特征的视觉词袋方法来进行面向人物图像的近似重复Web图像检索。     

基于内容的图像检索技术综述

基于内容的图像检索技术(CBIR)是近些年来图像检索领域的研究热点,其发展经历了最初的以图像数字特征为索引,到引入图像语义学习技术使得CBIR更贴近人类语义以方便用户查询,再到如今融合多种图像信息以进一步提高检索效率。本文在对已有文献进行综述的基础上,结合近几年的研究成果,讨论CBIR的最新技术动态,分析CBIR的发展趋势并指出几个未来的研究方向。     

基于内容的图像检索技术

为了提高图像资源利用率,快速、有效地查询和检索数据库中的图像,基于内容的图像检索技术（CBIR）便应运而生。本文分析和比较了基于颜色、纹理、形状等图像检索技术的主要方法,讨论了相关反馈技术、检索性能的评价等CBIR研究中的关键问题,同时指出了CBIR研究中存在的问题,以及未来的发展趋势和研究方向。     

基于内容图像检索技术的超声图像

对超声图像数据库的基于内容图像检索技术进行了深入地研究与探索,给出了基于内容图像检索的基本系统结构、超声图像数据库构建模型及基于傅里叶变换幅度频谱的超声图像检索方法,由于该方法同时适用于压缩域的特征提取,为JPEG、MPEG格式图像的基于内容图像检索提供了方法.     

一种基于词汇树的鞋印图像可伸缩检索方法

为了提高在海量、动态变化的鞋印图像数据库中检索鞋印图像精度并降低检索时间,提出了一种基于词汇树的鞋印图像可伸缩检索方法。该方法通过提取鞋印图像的尺度不变特征变换(scale-invariant feature transform,SIFT)局部特征,采用层次性K均值聚类方法生成词汇树。基于词汇树计算查询图像和数据库图像之间的相似性以得到检索结果。在包含9 691幅鞋印图像数据库中进行实验,实验结果表明,与按例检索方法相比,本文方法在查准率上平均提高了9%,在检索时间上平均下降了4.927s。     

图像检索技术研究与发展

介绍了数字图像处理中的新技术——图像检索技术的原理、方法和发展,对网络图像检索的常用方法以及基于文本的图像检索和基于内容的图像检索方法进行了分析,并对典型的图像检索系统的应用性能进行了讨论,提出了未来图像检索技术的最新发展方向．     

基于内容特征的图象检索技术的研究进展

基于内容特征的图象检索(CBIR)是目前国内外研究的一个热点。本文主要介绍了CBIR领域的技术、图象内容特征的表达和提取、CBIR的系统结构以及CBIR的具体应用。     

基于主色调的图像布局特征提取及相似性匹配算法

在基于内容的图像检索中,图像特征的提取和特征匹配是图像检索的核心.为了克服普通颜色特征不考虑颜色空间分布的缺点,提出了一种基于主色调的空间布局特征提取方法,并在此基础上提出了基于布局特征和颜色特征的图像相似性匹配算法-双特征匹配算法.仿真实验表明,该算法对一些布局特征明显的图像类型有很好的检索效果.     

iCome:基于多义性的图像检索系统

近年来,多媒体技术的发展使得图像的数量飞速增长,图像检索技术也越来越引起研究者的重视。经过研究人们发现语义鸿沟是导致图像检索系统效果不好的关键因素。以往的系统未能有效解决这一问题。因为多义性是产生语义鸿沟的一个关键因素,所以从多义性的角度构建了iCome图像检索系统。该系统考虑输出空间的多义性实现了基于文本标注的图像检索,考虑输入空间的多义性并结合用户反馈实现了基于内容的图像检索。     

基于感知特性的动态相似度量

在基于内容的图像检索中，常用的Minkowski距离还不能实现与视觉感知距离的精确匹配。依据韦伯-费克纳法则，提出一种基于感知特性的相似度量算法。通过构造动态感知因子，新算法能够有效地降低相关图像相关特征之间的距离，从而提高相似度量与感知系统相似评价的一致性。实验证明：新算法能有效降低相关图像在检索结果中相似排序的序数，有效地提高检索效率。     

一种基于反馈的JPEG图像检索研究

基于内容的图像检索研究的焦点是应用最初发源于文本文档检索的相关反馈技术来提高检索性能.但这一技术没有能够填补底层图像特征和高层语义内容之间的空白,这一空白被认为是CBIR的瓶颈,也是图像压缩和视屏检索的瓶颈.阐述了在DCT域中进行图像检索的基本方法和相关反馈的当前发展状况,并提出一个在CBIR中集成相关反馈的框架算法.     

基于内容的图像检索探讨

介绍了基于内容图像检索研究的发展现状,分析了基于内容的图像检索中特征提取、相关反馈及高维度索引的研究成果,提出了需进一步研究的问题.     

一种基于主色调纹理的图像检索方法

基于主色调和共生矩阵的概念,提出并实现一种基于主色调纹理的图像检索方法.该方法根据用户所给目标图像的多种主色调,基于三种颜色分量和灰度分量的矩阵信息,提取图像的主色调共生矩阵纹理特征,并利用适用该特征的相似性度量函数实现基于内容的图像检索.