基于空间上下文加权词汇树的图像检索方法

基于词汇树的词袋模型(Bag-of-Words)表示算法是目前图像检索领域中的主流算法.针对传统词汇树方法中空间上下文信息缺失的问题,提出一种基于空间上下文加权词汇树的图像检索方法.该方法在词汇树框架下,首先生成SIFT点的空间上下文信息描述.然后利用SIFT点间的空间上下文相似度对SIFT间的匹配得分进行加权,得到图像间的相似度.最后,通过相似度排序完成图像检索.实验结果表明,该方法能够大幅度提高图像检索的性能,同时,对大规模图像库有较好的适用性.     

基于BoC-BoF特征的图像检索方法研究

为了优化基于内容的图像检索方法,提出了一种融合特征来表征图像内容.首先,提取基于RootSift描述子的特征词袋(Bag-of-Features,BoF)表示向量,获得图像的边缘和形状信息;其次,采用基于HSV的颜色词袋(Bag-of-Colors,BoC)表示向量来代替传统颜色直方图方法,获取图像的颜色信息;最后,将BoF表示向量和BoC表示向量相融合,形成BoC-BoF特征向量.BoC-BoF特征有效地实现了全局特征和局部特征的融合.两个数据集检索的实验结果表明,该方法比其它方法更加有效.     

图像相似性改进算法

针对图像相似性度量问题,提出一种图像相似性改进算法。首先,分别得到源图像和候选图像的三个向量,包括HSV颜色空间H分量的颜色直方图向量、尺度不变特征转换（SIFT）算法局部特征向量以及图像颜色矩向量;然后,采用向量拼接的方法融合上述三个向量,借助主成分分析对融合后的向量降维,生成新的特征向量;最后,计算源图像和候选图像特征向量之间的欧氏距离,进行特征点匹配和图像相似度计算。实验结果表明,所提算法不仅提高了颜色直方图算法对于颜色分布接近图像的识别精度,而且减少了SIFT算法对于平坦区域较多图像的误判,平均查准率较颜色直方图算法和SIFT算法分别提高了23.8和9.6个百分点。所提算法能够有效提高识别图像相似性的准确度,判别结果更符合人眼观察结果。     

图像相似性改进算法

针对图像相似性度量问题,提出一种图像相似性改进算法。首先,分别得到源图像和候选图像的三个向量,包括HSV颜色空间H分量的颜色直方图向量、尺度不变特征转换（SIFT）算法局部特征向量以及图像颜色矩向量;然后,采用向量拼接的方法融合上述三个向量,借助主成分分析对融合后的向量降维,生成新的特征向量;最后,计算源图像和候选图像特征向量之间的欧氏距离,进行特征点匹配和图像相似度计算。实验结果表明,所提算法不仅提高了颜色直方图算法对于颜色分布接近图像的识别精度,而且减少了SIFT算法对于平坦区域较多图像的误判,平均查准率较颜色直方图算法和SIFT算法分别提高了23.8和9.6个百分点。所提算法能够有效提高识别图像相似性的准确度,判别结果更符合人眼观察结果。     

基于HSV颜色直方图的图像检索算法性能分析

本文给出了利用图像颜色直方图和累加颜色直方图进行图像检索的方法,并对两种算法性能进行分析。算法选用HSV颜色空间模型,首先对HSV分量进行非均匀量化,然后计算图像的颜色直方图和累加颜色直方图,利用欧式距离方法计算待检索图像和图像库中图像的相似度,最终得到检索结果。通过检索时间和查准率来分析算法性能。仿真结果表明,采用累加颜色直方图作为特征来检索图像得到相对稳定的检索性能。     

基于改进颜色聚合向量与贡献度聚类的图像检索算法

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,在对HSV模型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;然后找到符合条件的特征向量作为初始聚类中心,利用分散度与贡献度进行聚类并建立特征索引库;最后根据查询图像的相似度进行检索和排序。实验结果表明,所提算法的查准率和查全率比其它算法均有较大提高。     

基于词汇树的图片搜索

针对基于内容的图片搜索存在召回率低及匹配速度较慢的问题,在词汇树的基础上,利用模糊量化加以解决。把从图像中抽取到的SIFT特征利用词汇树模糊量化到单词中,从而将图片转为用向量表示,同时用向量间的比较测量图片相似度。实验结果表明,该方法可以有效缩短响应时间,提高搜索结果的召回率。     

一种基于多特征融合的彩色图像检索方法

提出了一种基于特征融合的图像检索方法。利用图像的HSV直方图特征建立图像颜色直方图,并采用直方图二次式距离公式取得图像相似性度量值;利用图像的纹理特征建立256维的LBP特征向量,并利用欧式距离取得相似性度量值;通过两特征融合的方法取得图像检索中关键图和检索图之间的相似度值,使得检索取得更好的效果。实验表明,在查准率和...     

融合傅里叶描述子和尺度不变特征转换特征的商标检索

针对传统商标检索算法中全局特征容易造成误检,而局部特征SIFT对轮廓描述能力不强及算法复杂度高的问题,提出了一种融合图像全局特征和局部特征的商标检索算法。其中全局特征反应了图像的整体信息,这些信息可用来较快地建立候选图像库,而局部特征则可以更准确地与候选图像进行匹配。首先提取图像的傅里叶描述子进行初步检索,并按相似度排序,然后在此结果集的基础上对候选图像通过提取SIFT特征进行精确匹配。实验结果表明,该方法既保持了SIFT特征较高的查全率和查准率,优于傅里叶描述子单一特征,而且检索速度比SIFT单一特征显著提高,能很好地应用于商标图像检索系统中。     

一种基于混合特征核的图像检索方法

为了更准确地描述图像的视觉特征,提高图像检索的查准率与查全率,提出了一种基于混合特征核的图像检索方法.该方法提取图像的颜色、纹理、SIFT特征,引入高斯核函数,建立图像的混合特征核模型,在高维的核空间进行基于核的图像聚类.实验表明,该混合模型与传统多特征融合方法以及单一特征核方法相比,能够更好地表示图像的视觉特征,提高检索的查准率和查全率.     

基于时序上下文的视频场景分类

以传统的词袋模型为基础,根据相邻镜头关键帧之间具有相关性的特点提出了一种用于视频场景分类的模型。将视频片段进行分割,提取关键帧,对关键帧图像归一化。将关键帧图像作为图像块以时序关系合成新图像,提取新图像的SIFT特征及HSV颜色特征,将图像的SIFT特征及HSV颜色特征数据映射到希尔伯特空间。通过多核学习,选取合适的核函数组对每个图像进行训练,得到分类模型。通过对多种视频进行实验,实验结果表明,该方法在视频场景分类中能取得很好的效果。     

多媒体工程：2016——图像检索研究进展与发展趋势

目的 基于内容的图像检索方法利用从图像提取的特征进行检索,以较小的时空开销尽可能准确的找到与查询图片相似的图片。方法 本文从浅层特征、深层特征和特征融合3个方面对图像检索国内外研究进展和面临的挑战进行介绍,并对未来的发展趋势进行展望。结果 尺度下不变特征转换（SIFT）存在缺乏空间几何信息和颜色信息,高层语义的表达不够等问题;而CNN （convolutional neural network）特征则往往缺乏足够的底层信息。为了丰富描述符的信息,通常将SIFT与CNN等特征进行融合。融合方式主要包括：串连、核融合、图融合、索引层次融合和得分层（score-level）融合。"融合"可以有效地利用不同特征的互补性,提高检索的准确率。结论 与SIFT相比,CNN特征的通用性及几何不变性都不够强,依然是图像检索领域面临的挑战。     

Content-Based Image Retrieval Using Multiresolution Color and Texture Features

In this paper, we propose a content-based image retrieval method based on an efficient combination of multiresolution color and texture features. As its color features, color autocorrelograms of the hue and saturation component images in HSV color space are used. As its texture features, BDIP and BVLC moments of the value component image are adopted. The color and texture features are extracted in multiresolution wavelet domain and combined. The dimension of the combined feature vector is determined at a point where the retrieval accuracy becomes saturated. Experimental results show that the proposed method yields higher retrieval accuracy than some conventional methods even though its feature vector dimension is not higher than those of the latter for six test DBs. Especially, it demonstrates more excellent retrieval accuracy for queries and target images of various resolutions. In addition, the proposed method almost always shows performance gain in precision versus recall and in ANMRR over the other methods.      

一种基于色彩和灰度直方图的图像检索方法

提出一种综合图像的色彩信息、灰度信息和空间信息提取图像的特征向量的方法。该方法首先将图像从RGB空间转化为HSV空间，并进行非均匀量化；其次将彩色转化为灰度图像；然后将图像划分成互有重叠的4块，分别求出每块图像的色彩直方图、灰度直方图；最后采用这8个直方图作为图像的特征向量对图像进行检索。     

Extraction of major object features using VQ clustering for content-based image retrieval

An image representation method using vector quantization (VQ) on color and texture is proposed in this paper. The proposed method is also used to retrieve similar images from database systems. The basic idea is a transformation from the raw pixel data to a small set of image regions, which are coherent in color and texture space. A scheme is provided for object-based image retrieval. Features for image retrieval are the three color features (hue, saturation, and value) from the HSV color model and five textural features (ASM, contrast, correlation, variance, and entropy) from the gray-level co-occurrence matrices. Once the features are extracted from an image, eight-dimensional feature vectors represent each pixel in the image. The VQ algorithm is used to rapidly cluster those feature vectors into groups. A representative feature table based on the dominant groups is obtained and used to retrieve similar images according to the object within the image. This method can retrieve similar images even in cases where objects are translated, scaled, and rotated.     

一种基于HSV空间的彩色边缘图像检索方法

结合重要的彩色图像边缘及人眼视觉特性,提出了一种基于彩色边缘直方图的图像检索方法。该方法首先利用Canny检测算子提取出原始图像的彩色边缘信息,然后将彩色图像边缘转换至符合人眼视觉特性的HSV空间并进行量化处理,再将彩色边缘划分成圆环区域和角形区域,并分别计算出圆环区域和角形区域的颜色直方图,最后综合利用上述圆环区域和角形区域的颜色直方图计算图像间内容的相似度,并进行彩色图像检索。仿真实验表明,该方法能够准确和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HSV空间改进的多尺度显著性检测

图像显著性特征已被广泛地应用于图像分割、图像检索和图像压缩等领域,针对传统算法耗时较长,易受噪声影响等问题,提出了一种基于HSV色彩空间改进的多尺度显著性检测方法。该方法选择HSV色彩空间的色调、饱和度和亮度作为视觉特征,先通过高斯金字塔分解获得三种尺度的图像序列,然后使用改进的SR算法从三种尺度的图像序列中提出每个特征图,最后将这些特征图进行点对点的平方融合和线性融合。与其它算法的对比实验表明,该方法具有较好的检测效果和鲁棒性,能够较快速地检测出图像的显著性区域,能够突显整个显著性目标。