基于F直方图的形状全方向顺序特征描述

为提高二维对象的形状描述识别精度,本文提出基于F直方图的形状全方向顺序特征描述方法。该方法在全方向上通过方向线对形状进行分割,计算各方向线上对象分割段之间的顺序特征描述量,构建形状的全方向顺序特征描述量,计算形状间的相似度。通过地物形状数据集、MPEG-7 CE-1 Part B形状数据集和瑞典叶子数据集对本方法进行了检索识别性能测试,并和其他形状相似性描述方法进行了对比。实验结果表明,本方法具有更高的检索准确率。形状全方向顺序特征描述方法将形状的边界和区域信息融合,可以准确描述形状的全局特征与局部特征,具有平移、旋转、尺度不变性,具有较强的形状描述识别能力。     

一种新的方向码描述的图像检索方法

在Freem an链码基础上,提出一种新的形状描述编码:最小和统计方向码.该方法对图像平移、旋转具有不变性的优点,对尺度变换有成比例特点.提出了相应的形状匹配算法:方向熵法度量最小和统计方向码描述的形状相似度.仿真试验验证了这种形状检索方法的有效性与可行性.     

融合最小和统计链码与熵矩阵奇异值形状检索

为解决单纯描述形状轮廓时只能描述简单形状的缺点,提出了融合最小和统计链码与熵矩阵奇异值特征的形状分类和检索方法。从结构和统计的角度综合了基于形状轮廓和区域的形状描述,同时又兼具了形状的空间分布特征。对形状区域特征扩展空间分布特征,使形状描述具有鲁棒性,形状熵矩阵奇异值具有对噪声稳定的特点,弥补了链码描述形状特征易受噪声影响的局限性。设计并实现了基于MPEG-7标准形状数据库的形状检索平台,实验结果表明,该算法在形状进行检索和匹配时具有较好的旋转、平移和尺度不变性。     

不变矩及其在基于形状特征图像检索中的应用

提出一种快速有效推导不变矩的方法--三角函数生成法,并在此基础上描述了一种基于Hu形状不变矩的图像全局形状特征提取方法和算法.实验结果表明,使用这种算法提取的形状特征向量具有对平移、旋转和尺度变化的不变性,适合于进行图像形状的检索.     

一种基于GMM-聚类树的面向大规模服装图像检索的索引结构

目前服装图像检索研究主要偏重于考察服装图像底层特征的表示方法,对服装图像数据集整体的特性关注较少.服装图像种类、款式、细节多种多样,传统方法在检索速度和准确率上已经不能满足用户的需求.为在日益庞大的服装图像集中快速准确地搜索需要的款式,提出一种GMM-聚类树索引方式.GMM-聚类树将不同细节的服装图像按照相似性逐步聚类,分别对应于不同的聚类树分支,避免人为指定聚类个数造成服装分类的错误.分别在小数据集和大数据集上测试其对服装图像检索的准确率和效率,试验结果表明通过自动确定聚类个数和GMM-聚类树的逐层分类,能够带来检索准确率和效率的双重提升.     

一种改进的HSV颜色空间量化方法及其应用

随着图像数据的海量增长,图像检索效率逐渐成为研究热点.为了提高图像检索的准确率,提出了一种改进的HSV颜色空间量化方法,细化色调H的分类,使量化结果更接近人类感知,并在此基础上采用分块策略进行仿真实验.实验结果表明,提出的方法能更好地描述图像的颜色特征,效果令人满意,具有一定的实用性.     

椭圆逼近形状轮廓的图像检索方法研究

对基于形状特征的图像检索方法进行了论述，提出了基于动态规划的彩色图像对象轮廓的提取方法。通过图像对象形状的规范化，给出了形状特征的椭圆逼近形状轮廓的图像检索方法。     

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。     

形状上下文在害虫识别上的应用

将形状上下文引入到害虫识别中,在对害虫图像进行预处理得到二值图像的基础上,用形状上下文描述害虫的轮廓特征.首先,使用Robert算子,在二值图像中寻找害虫的轮廓并采样获取边界点集,然后利用边界点集,通过改进的对数极坐标变化计算得到目标图像的形状直方图.利用形状直方图进行2图像之间的相似性度量,计算出匹配代价.实验结果表...     

采用COLDIST色差的一种图像检索方法研究

在基于内容的图像检索方法中,颜色相似度的计算主要采用欧氏距离。然而,欧氏距离不符合人眼的色彩识别特征,导致检索准确率偏低。本文提出了一种采用COLDIST色差公式的组合特征检索方法。首先计算图像的颜色直方图作为颜色特征、灰度共生矩阵和灰度行程矩阵作为纹理特征、泽尼克矩作为形状特征。然后采用COLDIST色差公式计算颜色相似度,并结合纹理、形状特征的相似度计算图像相似度。利用图像数据库Corel10000对本文提出的方法进行仿真测试。结果表明该方法具有更好的检索性能,有效地提高了检索的准确率。     

一种基于实例学习的三维模型检索匹配方法

传统的基于内容的三维模型检索的相似性度量方法主要借鉴二维图像检索中所采用的距离度量算法,达到比较两三维模型相似度的目的,该做法限制了模型间匹配的广度.针对这种单核匹配的限制,提出了一种新的多核匹配方法.利用图论中两点间的最短距离的思想,得出两模型最相似那他们的距离最短,因此查询样本跟匹配的样本存在的通路上的模型节点能影响他们的相似度,这样就提高了匹配的广度和精度.同时在已有的特征提取基础上,把标签繁衍算法应用到最短距离求解中,并将基于实例学习的K近邻方法引入到模型匹配算法中,实现了半监督学习,提高了系统的查准率.     

综合颜色和形状特征的交通标志图像检索算法

为了实现对交通标识的快速准确识别,将颜色特征和形状特征相结合,利用特征融合提出图像快速检索算法。在颜色特征方面,改进了传统的颜色直方图方法,引入基于主色调的颜色直方图算法;针对道路交通标志特殊的语义特征,经过特征过滤筛选缩小搜索的范围。在形状特征方面,采用傅里叶形状描述,突出了轮廓线的切向角度(曲率),忽略了中心距及复坐标等因素,提高了识别速度。将颜色空间HSV特征和形状描述ART特征融合,提高识别率,同时适应复杂背景下交通标志识别。通过对颜色和形状特征间的权重λ进行调,通过VC6.0实现自主移动机器人平台测试。其准确率和实效性都达到实际应用效果。     

基于主色偏差矩阵的图像检索方法

颜色特征是图像检索领域中最为重要的视觉特征之一.对于基于颜色的图像检索系统,其性能在很大程度上取决于颜色特征的描述和匹配方法的有效性.本文使用主色偏差矩阵来描述颜色特征,并使用相关系数进行相似性度量.经实验证明,该方法对于图像的几何变换和空间变换,具有较高的检索查全率.     

基于深度特征聚类的海量人脸图像检索

针对海量人脸图像数据库检索时长的问题,提出了一种基于深度特征聚类的海量人脸图像检索算法.该算法首先使用人脸图像训练集对深度卷积神经网络模型进行人脸图像分类训练,在此基础上采用三元组损失方法对已训练好的人脸图像分类网络模型进行微调,使得网络能够更加有效地提取人脸图像的高层语义特征,构建更具有表征性的人脸图像深度特征.其次采用K-means聚类算法对提取的人脸图像深度特征进行聚类,使得同一个人的人脸图像能够划分到同一簇中,然后在相应的簇中进行人脸图像的深度特征相似度匹配执行人脸图像检索任务.为了进一步提高系统的检索性能,提出人脸图像深度特征融合的查询扩展方法,对待检索的人脸图像深度特征进行融合再次执行检索任务得到最终的检索结果.通过在两个人脸检索数据集(Celebrities Face Set和Labeled Faces in the Wild dataset)上进行详尽实验验证,结果表明,该算法能极大地缩小海量人脸图像数据库的检索范围,在保证一定准确率的前提下有效地提高了人脸图像检索的速度.     

基于多重分割捆绑特征的目标图像检索

针对基于目标的图像检索（OBIR）领域中,传统的视觉关键词方法忽略了局部特征之间的空间关系信息,导致检索准确度不高的问题,提出一种基于多重分割捆绑特征的目标图像检索方法.通过对图像进行多重分割,各分割区块用它所包含的尺度不变特征变换(SIFT)特征集合来描述,生成包含空间关系信息的捆绑特征;根据视觉关键词词库匹配捆绑特征,并提出一种改进的相似性度量方法计算捆绑特征相似度,再将该相似度作为权重融入到视觉关键词方法的向量空间模型中,计算图像相似度并进行排序.结果表明,该方法能够有效利用局部特征之间的空间关系信息,在保证检索效率的同时,显著提高检索准确度.     

融合对象颜色和边缘特征的图像检索

由于图像内容特性的复杂性,对图像特征的抽取、索引及检索匹配计算量巨大,空问模型向量动辄几百上千维,使基于内容的图像信息检索在Internet上的应用面临着所谓的“维数灾难“问题。提出了一个新的图像检索模型,该模型融合了颜色的空间分布信息和对象的形状特征。颜色特征采用改进的HSV模型——扇形模型描述;对象的边缘特征采用Canny方法进行计算,并通过Hough变换产生描述对象形状特征(相对位置和方向)的空间信息;图像的相似性比较采用两个全局性向量距离描述。实验结果表明,该模型比采用单一特征(颜色)具有更高的检索效率,是高效率和合理检准率的良好折中。     

一种改进卷积神经网络的教学图像检索方法

针对卷积神经网络在提取图像特征时所造成的特征信息损失以及降低高维度图像特征数据等问题,提出了一种改进卷积神经网络的图像检索优化方法。该方法首先利用融合的卷积层提取图像特征,并在融合的卷积层之间添加全连接层以减少特征信息的丢失;然后采用主成分分析法对高维的特征数据进行有效的降维处理;最后采用余弦相似度的方法进行相似度匹配,以实现相似图像的检索。采用当前经典的LeNet-L、LeNet-5等方法同文中方法在图像检索性能评价指标上进行对比实验。实验结果表明,所提出的检索方法比文中其他检索方法在查全率和平均查准率方面提高了3%27.3%。