用分块图像特征进行商标图像检索

提出一种使用全局和局部图像特征检索商标图像的方法．首先确定图像的形状主方向，根据形状主方向对图像进行旋转；然后对旋转后的图像提取目标区域，对目标区域用四叉树分解的方法划分多级分块；最后抽取分块图像特征进行图像相似性度量．对图像库中2000幅商标图像实验表明，分块图像特征具有良好的旋转、平移、尺度和变形不变性，得到的检索结果能够很好地满足人的视觉感受．     

文本图像中图标图形的识别检索方法

针对文本图像自动处理中对图标图形识别检索的应用需求，提出一种基于投影特征的图标图形识别检索方法。采用投影直方图表示图标的水平方向特征和垂直方向特征，并利用直方图的相关距离来度量图像的相似性程度，克服镜面对称变换对投影直方图的影响。实验表明，投影特征描述了图标的水平及垂直方向的空间分布信息，能够有效地进行识别检索。     

用不变矩和边界方向进行形状检索

基于形状的图像检索一直以来是图像内容检索的一个难点问题，而目前采用周长、面积、边角率等描述形状的方法不能使形状检索达到理想的效果．本文提出了一种新的针对图像形状的检索方法．首先，用Canny算子对图像进行平滑处理，提取图像边界方向直方图特征、其次，用不变矩来描述图像形状的区域特征，不变矩特征不受图像的缩放、平移和旋转的影响．最后，为了克服不变矩只关心对象区域，而对图像边界忽视的缺点，提出了不变矩与边界方向特征相结合的方法，使得检索取得更好的效果．本文通过对医学图像的形状检索实验，给出了实验结果和结论．     

基于显著封闭边界的图像检索算法

在分析了基于边缘的图像检索方法的缺点后，提出了一种基于显著封闭边界的图像检索新算法。它使用基于图论方法的边缘比算法从噪声图像中获取图像的显著封闭边界，然后以显著封闭边界来代表图像，每条显著封闭边界由两个特征：边缘幅度直方图和边缘角度直方图来刻画，并综合这两个特征进行图像间的相似性度量。实验结果表明，本文算法具有较高的检索准确率。     

一种基于极坐标下分块的商标图像检索新方法

商标图像的分块检索是将图像分块后利用全局和局部图像特征来检索商标图像.针对现有的四叉树分块方法的不足,提出了一种极坐标下的分块检索方法.首先对商标图像进行归一化处理,以目标对象的最小外接圆作为目标区域;在极坐标下将图像分块,计算形状直方图;最后采用新的相似性度量方法计算图像间距离,实现商标图像的准确检索.实验证明,该方法具有良好的平移、缩放、旋转和镜像不变性,得到的检索结果能很好地符合人的视觉感受.     

综合颜色特征的彩色图像检索方法

基于内容的图像检索技术已成为当前的研究热点,文章提出了一种综合利用两种颜色特征进行图像检索的新方法。首先,在变换空间建立色度直方图表示图像的颜色分布特征。为进行图像间的相似性度量,对Swain定义的直方图相似性度量作了改进,为弥补全局直方图不包含颜色空间分布关系的缺点,文章提取了另一种颜色特征,即分块的颜色矩,其距离度量为特征矢量的比值相似度。最后,综合利用上述两个特征对图像进行共同检索。通过对真实图像数据的检索实验表明:综合两种特征检索图像比单一特征检索效果更好。     

采用形态学边界特征的医学图像检索

特征提取是基于内容的图像检索(CBIR)中的关键步骤,如何有效提取反映高层语义的图像特征对于医学图像的检索至关重要.提出一种基于边界形状特征的医学图像检索方法.该方法首先通过多尺度形态学方法检测图像边界点,然后对边界图像进行形状特征提取,构建边界的形状密度直方图,最后通过相似性匹配实现医学图像检索.实验结果证明了所提取的边界形状特征在医学图像检索中的有效性,通过对比实验给出了结果分析和进一步的研究思路.     

基于色彩与形状信息特征的图像检索算法研究

针对单独用颜色特征并不能很好地表达图像内容的问题,提出了综合利用颜色和形状特征进行图像检索的方法。由于颜色直方图无法表达空间分布信息,因此采用的颜色特征为颜色自相关图,并对色调进行重叠量化。而形状特征采用边缘方向直方图,并对方向进行重叠量化。仿真实验表明,综合利用颜色和形状特征比单独用颜色和形状特征进行图像检索的效果要好,提高了图像检索的查准率。     

基于小波突出点颜色及空间分布的图像检索算法

分析了基于兴趣点的图像检索方法的缺点，提出了一种基于小波突出点的图像检索新方法。该方法在小波域提取突出点，这些突出点既表示了全局变化也表示了局部变化；然后以小波突出点为线索，设计了基于小波突出点的环形颜色直方图，既利用了小波突出点的局部特征，又考虑了小波突出点的空间分布结构；用图像间的环形颜色直方图距离来度量图像间的相似性。该检索算法不但保证了对图像旋转、平移鲁棒性，而且克服了传统直方图没有空间位置的缺陷。实验结果表明，该方法对图像检索是有效的。     

基于曲率和熵矩阵特征的商标图像检索

针对二值商标图像的特点,提出了一种综合边界曲率特征和图像分块熵矩阵特征的检索算法。首先,根据微分几何中曲率的定义,计算图像形状边界上每一点的曲率,并统计得到曲率直方图作为边界特征。然后,在图像分块的基础上,计算每一分块子图像的信息熵,得到熵矩阵,求该矩阵的奇异值作为区域特征。最后,综合这两个特征进行检索。实验表明,边界和区域特征综合使用较之单一特征有着更好的检索效果,并具有较好的几何不变性。     

基于聚合边缘方向直方图的图像检索算法

针对传统的边缘方向直方图在图像检索应用中的不足,提出了一种基于聚合边缘方向直方图的图像检索算法。采用小波模极大值边缘检测算法提取图像边缘;根据图像边缘点的方向信息及其之间的空间分布特征得到聚合边缘方向直方图;通过循环移位计算直方图间的最小距离作为相似度,实现了图像检索。该方法具有较好的平移、旋转、尺度不变性。实验结果证明了该算法的有效性和可行性,并取得了较好的检索效果。     

基于长度和方向一致性的IKONOS图像城市道路提取方法研究

基于长度和方向一致性,本文提出了一种从IKONOS图像中提取城市道路网的方法。城市道路网通常由基本路段构成,同时路段又由与之相匹配的直线构成,这些直线具有一定长度和方向。当匹配直线的方向同该路段的方向基本一致时,该直线达到了近似最大长度,反过来,可以利用提取长度和方向一致的最长匹配直线来提取路段,并最终提取道路网。实验结果表明,该方法稳健,具有较高的提取精度。     

基于打印字符分析的打印文件检验研究*

研究了基于打印字符图像分析的计算机打印文件检验,以快速鉴别生成打印文件的源打印机.鉴别过程包括打印文件图像采集、图像预处理、特征提取和匹配.用自行设计的装置采集打印文件图像,经过打印字符提取和识别,利用距离变换和方向直方图方法对不同打印文件中的相同字符进行匹配,来进行打印文件的源打印机认定.在有40台激光打印机的数据库中测试,打印文件鉴别实验准确率达到89.51％,证明了本方法的有效性.     

基于形状边缘方向直方图的图像检索算法研究

描述了一种基于边缘方向直方图(Edge Direction Histogram,EDH)的图像形状特征提取方法,算法提取的特征向量同时满足尺度、平移和旋转不变性.实验证明该方法对于具有单一背景、形状特征明显的图像具有较好的检索效果.     

基于颜色和梯度方向共生直方图的图像检索

为有效融合图像的形状、颜色等特征,提出一种基元梯度方向共生直方图和颜色直方图的彩色图像检索算法。首先将图像划分为4×4互不重叠的基元,并根据基元的梯度平均幅值把基元分为视觉均衡基元和视觉非均衡基元;接着计算视觉均衡基元的平均颜色值,并将其在HSV空间中量化到72色颜色空间,构建视觉均衡基元颜色直方图作为彩色图像的局部颜色描述子;然后将图像中各像素点颜色值在HSV空间量化到72色颜色空间,获得图像的全局颜色直方图;最后在视觉非均衡基元中构建梯度方向共生直方图描述图像的形状特征。融合局部颜色描述子、全局颜色直方图和形状特征构成彩色图像检索特征矢量。实验结果表明,所提算法能够准确描述彩色图像的颜色和形状特征,具有很好的旋转不变性和尺度不变性。相似性度量非常有效,查全率和查准率均有较大提高。     

基于宏块预判的快速帧内预测模式选择算法

针对H.264/AVC帧内预测模式选择部分计算复杂度问题,提出一种基于宏块预判的快速帧内预测模式选择组合算法.该算法采用低复杂度的三点梯度算子改进了边缘方向直方图帧内预测模式选择算法（Pan算法）中利用Sobel算子得到边缘方向矢量.首先运用平均绝对误差（Mean Absolute Difference,MAD）值对编码宏块类型结合QP下的阈值进行预判;预判后的宏块采用改进的Pan算法进行模式筛选,最后确定最佳的预测模式.实验结果表明,在6个不同视频序列全I帧编码情况下,该算法与全搜索算法相比编码时间平均减少大约72.4%,与Pan算法相比编码时间减少28.6%,而码率仅分别增加4.21%、1.8%,峰值信噪比基本不变.     

基于边缘方向直方图的H．264帧内预测快速算法

H．264／AVC是最新的视频编码标准,和以往的标准相比,它具有更高的压缩性能。H．264／AVC采用了非标准方法率失真优化（RDO,Rate Distortion Optimization）技术,提高编码性能的同时也使得计算复杂度大大增加,难以适应实时性要求较高的场合。为了降低帧内预测模式选择的复杂度,在Pan算法的基础上提出了快速模式选择新算法。对Pan的基于边缘方向直方图的快速算法进行了改进;同时,结合色度预测模式与亮度预测模式的相关性,以及Intra16×16与Intra4×4的相关性,从而降低了模式选择的计算复杂度。实验结果表明,该方法在PSNR和码率基本不变的情况下,编码时间大大缩短。     

基于GPU_CPU异构并行加速的人头检测方法

多尺度协同的人头检测系统中,梯度方向直方图应用于高清视频监控领域时常因特征提取时的海量计算而不能满足监控视频的实时性要求,提出一种基于GPU_CPU异构并行加速的人头检测方法,GPU端负责HOG特征提取的庞大的密集型的区块的并行计算,CPU端负责检测过程中的其它模块的执行.传统的并行归约算法因其在HOG特征提取过程中的时间复杂度不够理想,提出改进的并行归约算法,通过“下扫”的并行计算方式,减少节点被计算的次数,降低了HOG特征提取时的时间复杂度.实验表明,提出的方法检测速率优于传统的CPU的检测方法,其效率提升约10倍.     

基于改进HOG特征值的行人检测

摘要：针对目前梯度方向直方图HOG作为描述符应用于行人检测时,会自动忽略梯度方向相反方向的差异,导致HOG的表达能力较弱等不足,本文提出基于改进HOG特征值的行人检测机制。在分析HOG描述符基础上,串联直方图,设计改进的HOG描述符;并提出一种新的归一化技术,嵌入改进的HOG描述符中,增强其表达能力。在多个数据库上的实验结果表明：与传统HOG特征方法相比,本文方法具有更高的准确率和更低的漏检率。