基于遗传算法的图像多特征权重自动赋值方法

在图像检索中,如何有效提取图像特征是基于内容的图像检索中的一个难点。针对该难题,提出了一种基于遗传算法的图像多特征权重自动赋值方法。首先使用灰色直方图提取颜色特征并利用树形小波提取纹理特征,然后利用遗传算法的全局最优解搜索功能自动确定各特征的权重。实验结果分析表明:在灰度图像的相似性检索中,基于遗传算法的多特征权重自动赋值方法与其他方法相比,平均查全率增加将近8%,平均查准率增加将近9%,说明该方法有较高的检索精确度。     

一种基于交互式遗传算法的图像检索模型

提出了一种基于交互式遗传算法的图像检索模型。该模型首先将图像划分成一定的特征区间，结合区问的颜色特征和信息熵对图像进行编码，通过对用户评价后的图像进行遗传操作选出接近用户需要的图像，同时在遗传操作的过程中使用保护策略，保证在选择过程中用户不会丢失最适合的图像。实验证明该方法是实用有效的。     

基于SOM神经网络的颜色图像分割

1.引言基于内容的图像检索(Content-Based Image Retrieval)已广泛应用于生化、军事、文化、教育等领域。其原理是利用图像自身的特征,如颜色、纹理、形状及对象空间关系等信息,建立图像的特征矢量以进行检索。它与传统的基于文本的图像检索相比,能够更充分地利用图像的语义信息。在CBIR方法中,用户检索时通常可以提供样本图像,检索系统将该样本图像同图像库中的图像按一定方法进行比较,将与样本图像相似的图像返回给用户。     

基于纹理基元空间分布特征的图像检索算法*

针对纹理统计法和结构法各自存在的问题,提出了一种基于纹理基元空间分布特征的图像检索算法。首先借鉴方块编码的思想来定义图像的纹理基元,然后在对纹理基元的统计分布研究的基础上,针对每一种纹理基元构造纹理基元空间分布图,提出采用纹理基元空间分布特征矢量对图像内容进行描述。实验结果表明,该算法既有效利用了图像的纹理信息,又考虑了纹理的空间分布信息,具有较好的检索效果。     

基于聚类的图像视觉内容检索和索引

图像是一种典型的可以大量获取的多媒体数据，对它们进行内容管理具有实际意义，描述在BOIC系统中提出并实现的基于聚类机制的图像视觉内容检索和索引方法．首先给出以视觉特征、空间结构、语义注释等来表示图像内容的模型；然后给出基于该模型的三个检索算法，包括基于视觉感知的颜色检索算法、轮廓检索算法、主色调扩展检索算法；最后给出采用集簇算法时媒体数据进行聚类的索引机制．它建立聚类索引表来缩小查询范围，从而提高了检索效率。     

基于LFT算子的医学图像检索方法

在医学信息领域,对医学图像物理特征的研究有助于实现图像的自动分析和基于内容的检索.为此,本文提出了一种基于LFT算子的医学图像检索方法.首先提取图像的LFT直方图特征,此特征能够有效地降低图像特征维数,然后使用该特征进行基于内容的图像检索.实验表明,该方法具有较高的检准率和检全率,并且检索时间较短.     

基于LBP算子的医学图像检索方法

在医学信息领域,对医学图像物理特征的研究有助于实现图像的自动分析和基于内容的检索。为此,本文提出了一种基于LBP算子的医学图像检索方法。首先提取图像的LBP加权直方图特征,此特征能够有效地降低图像特征维数,然后使用该特征进行基于内容的图像检索。实验表明,该方法具有较高的检准率和检全率,并且检索时间较短。     

基于小波分解的纹理图像检索

纹理相似性研究是基于内容检索研究中的一个重要组成部分。采用树状小波分解的方法在相应的能量准则下对图像进行分解，并使用了主成分分析算法来压缩特征向量的维数，而且结合Tamura等人提出的、与人类视觉感知相对应的3个重要纹理特征来形成对图像进行精确描述的特征矢量。实验结果表明，该算法具有较强的应用价值。     

一种基于颜色的图像表示及全局相似检索技术

基于内容的图像检索是当图像数据库领域中的一个研究热点,给出了一种描述图像视觉特征的图像表示方法,并据此计算图像之间的全局相似度,首先,通过对彩色空间的分析,提取图像中的颜色不变量,然后在频域内对这样的颜色信息进行分析,对频域分析的结果进行K-L变换,变换后的低维向量即为图像的颜色表示,在此基础上,也讲座他图像的相似度量以及相应的图像检索技术,并给出了实验结果和图像检索性能的评价。     

基于遗传算法的图像检索中特征权重自动调整

综合多种特征的图像检索可以克服使用单一特征带来的问题,如何组织这些特征使其发挥最佳作用是基于内容图像检索中的一个难点。提出了一种基于遗传算法的多特征权重自动赋值方法,首先将图像检索中特征权重调整问题转换为优化问题,进一步利用遗传算法求取权重的最优解,使检索效果达到最好。实验表明,该方法查全率和查准率较高,并且具有较强的鲁棒性和推广能力,对于各种特征和特征表示方法,都能够提供最佳的组合。     

Expert system design using wavelet and color vocabulary trees for image retrieval

A new image indexing and retrieval system for content based image retrieval (CBIR) is proposed in this paper. The characteristics (vector points) of image are computed using color (color histogram) and SOT (spatial orientation tree). The SOT defines the spatial parent-child relationship among wavelet coefficients in multi-resolution wavelet sub-bands. First the image is divided into sub-blocks and then constructed the SOT for each low pass wavelet coefficient is considered as a vector point of that particular image. Similarly the color histogram features are collected from the each sub-block. The vector points of each image are indexed using vocabulary tree. The retrieval results of the proposed method are tested on different image databases, i.e., natural image database consists of Corel 1000 (DB1), Brodatz texture image database (DB2) and MIT VisTex database (DB3). The results after being investigated show a significant improvement in terms of average precision, average recall and average retrieval rate on DB1 database and average retrieval rate on texture databases (DB2 and DB3) as compared with most of existing techniques on respective databases.     

综合颜色和纹理特征的图像检索算法

基于内容的图像检索是当前多媒体信息检索的热点之一。基于内容的图像检索技术是根据对图像内容(特征)的描述和提取,在图像库中找到具有指定内容(特征)的图像。本文对图像颜色特征和纹理特征的提取、相似性度量等基于内容的图像检索的关键技术进行了分析和研究,并在此基础上,提出了一个基于颜色特征和纹理特征的图像检索算法并验证了其有效性。该算法采用HSV颜色空间的直方图作为颜色特征向量,采用灰度共生矩阵的四个纹理特征:能量、熵、惯性矩和相关性构成纹理特征向量,采用欧氏距离进行相似性度量。实验结果表明,该算法实现的系统具有良好的图像检索功能。     

基于颜色空间分布特征的图像检索

目前,基于颜色特征的图像检索大多是以图像的颜色直方图作为颜色特征,这种图像检索方法有简单高效的优点,但丢失了颜色的空间分布信息,该文从CT图像重建的理论中得到启发,将对一幅图像从几个方向的投影图作为这幅图像的颜色特征分布。为进一步减少检索时运算的数据量,对图像做小波分解,然后对分解后图像的低频子带做Radon变换得到颜色空间分布的特征向量,并根据这个特征进行检索,实验表明,当检索图像中有明显的颜色目标时,该方法比传统的颜色直方图法更精确,颜色空间性更强,而且检索用时更短。     

Image retrieval using edge based shape similarity with multiresolution enhanced orthogonal polynomials model

Since shape is one of the important low level features of any Content Based Image Retrieval (CBIR) system, this paper proposes a new edge based shape feature representation method with multiresolution enhanced orthogonal polynomials model and morphological operations for effective image retrieval. In the proposed method, initially the orthogonal polynomials model coefficients are computed and reordered into multiresolution subband like structure. Edge image is then obtained by utilizing the two level adaptive thresholds and local maxima of the gradient in horizontal, vertical, diagonal and anti-diagonal directions. The approximate shape boundary of the image is recovered with morphological operations. Then the Pseudo Zernike moment based global shape features, which are invariant to basic geometric transformations, are extracted. The obtained features are termed as global shape feature vector and are used for retrieving similar images with Canberra distance metric. The efficiency of the proposed method is experimented on a subset of standard Corel, Yale and MPEG-7 databases and the results are compared with existing techniques.     

基于主色选择的CBIR检索

基于内容和图像检索（CBIR）是多媒体检索研究的前沿课题，利用颜色特征作为索引进行图像检索是最重要的战术，在提取图像主要颜色特征的基础上，进一步提取了相应的主色空间分布信息-主色矩特征，作为图像库的索引，在改进加权二次型相似性度量方法的基础上，提出了相应的主色多特征相似性度量方法，由于用户对图像中不同的主色具有不同的检索要求，提出了主色调选择的用户模型，用于更精确的图像检索，实现了WWW发布方式的CBIR原型系统，实验结果表明加入主色选择使得图像检索的效果更好。     

基于内容图像检索中的特征性能评价

在基于内容的图像检索中，不同图像特征反映了图像各个侧面的内在特性，因此，在使用图像特征进行检索时存在多种相似性度量方法．特征以及特征间相似性度量方法的选取是当前CBIR研究的一个重要课题．评估了CBIR系统中使用的图像特征在不同相似性度量方法下及多种特征在不同图像库上的检索性能，为CBIR系统的设计和实现提供一定的依据．通过实验发现，图像特征的检索性能不仅同相似性度量方法有关系，同时与图像库也有密切的关系．     

基于内容图像检索的特征子空间抽取

作为一种有效的解决手段,相关反馈(relevance feedback)技术在基于内容图像检索(content based image retrieval)的研究中得到了深入的发展.尽管有效,已有的反馈算法却始终没有解决特征空间的有指导降维和特征中的噪声去除这两个问题.提出了一种新的方法,通过对用户在检索过程中提供的正反馈样本在各特征空间中的分布特性,利用主成分分析(principal component analysis)来消除特征中的噪声,实现了对特征空间进行有效的降维.试验结果显示,该方法在不牺牲检索精度的前提下提高了检索速度,降低了存储复杂度.     

Statistical framework for image retrieval based on multiresolution features and similarity method

The advent of large scale digital image database leads to great challenges in content-based image retrieval (CBIR) method. The CBIR is considered an active area of research; however, it comprises a strong backdrop for new methodologies and system implementations. Hence, many research contributions focus on these techniques to enable higher image retrieval accuracy while preserving the low level computational complexity. This paper proposes a CBIR method, which is based on an efficient combination of multiresolution based color and texture features. This paper considers color autocorrelogram of the hue(H) and saturation(s) components of HSV color space for color features, and value(V) component of HSV color space for texture features. These two image features are extracted by computing co-occurrence matrix at optimum level image, which is the basis for the formation of feature vector. Though the optimum level is constructed based on wavelet transform, which contains a few dominant wavelet coefficients. The efficiency of the proposed system is tested with standard image databases, and the experimental results show that the proposed method achieves better retrieval accuracy at optimum level; moreover, the proposed method is very fast with low computational load. The obtained results are compared with existing techniques such as orthogonal polynomial model, multiresolution with BDIP-BVLC method and GLCM based system, and results reveal that the proposed method outperforms the existing methods.