小波-轮廓波纹理图像检索系统

针对轮廓波检索系统检索率较低、检索速度较慢等问题,提出一种小波-轮廓波纹理图像检索系统。该系统在最细节尺度子空间采用轮廓波变换,而在其他子空间采用小波变换,以变换域子带系数的能量和标准偏差序列作为特征向量,Canberra距离为相似度标准。采用Brodatz纹理数据库中的109幅640×640的纹理图像为实验对象,比较了基于同样架构的轮廓波变换和小波-轮廓波纹理检索系统的性能。实验结果表明：后者具有较高的检索率、较快的检索速度和较少的特征向量数据库存储空间。     

第二代轮廓波纹理图像检索系统

提出了一种基于第二代轮廓波变换的纹理检索系统的实现方法。该系统采用第二代轮廓波变换域子带系数的能量和标准偏差序列作为特征向量,以Canberra距离为相似度度量标准。采用Brodatz纹理数据库中的109幅640×640的纹理图像为实验对象,比较了基于同样架构的第一代轮廓波变换和第二代轮廓波变换纹理检索系统的性能。实验结果表明：在特征向量长度、检索时间、所需存储空间基本相同的情况下,第二代轮廓波变换检索系统比第一代轮廓波变换检索系统具有更高的检索率。     

Contourlet-1.3纹理图像检索系统

针对轮廓波变换纹理图像检索系统检索率较低的问题,提出了一种基于较强抗混叠能力的Contourlet-1.3纹理图像检索系统。该系统采用的Contourlet-1.3变换由抗混叠临界下采样拉普拉斯金字塔级联临界下采样方向滤波器构成,特征向量采用变换域子带系数的能量和标准偏差连接而成,以Canberra距离为相似度度量标准。实验结果表明：在特征向量长度、检索时间、所需存储空间基本相同的情况下,基于抗混叠Contourlet-1.3的检索系统比相同架构的轮廓波变换、无下采样轮廓波变换以及Contourlet-2.3检索系统具有更高的检索率;该检索系统中抗混叠Contourlet变换分解结构参数的选择对于检索率也有较大影响。     

基于Contourlet-S变换的纹理图像检索系统

针对基本轮廓波变换纹理图像检索系统检索率较低的问题,提出一种基于Contourlet—S变换的纹理图像检索系统。其中采用的特征向量由Contourlet—S变换域各子带内系数的能量和标准偏差连接而成,相似度度量标准使用Canberra距离。实验结果表明,采用相同的系统结构和分解结构参数,在基本相同的检索时间内,Contourlet-S检索系统比基本轮廓波检索系统具有更高的检索率。     

利用脉冲耦合神经网络的纹理图像检索方法

为提高基于内容的图像检索系统(CBIR)中纹理特征提取的有效性,进一步提升CBIR系统的整体性能。提出了一种基于脉冲耦合神经网络的纹理图像检索方法。脉冲耦合神经网络(PCNN)是新一代的人工神经网络,在数据处理上具有很多优势。特征提取时具有平移、旋转、尺度、扭曲等不变性,以及很好的抗噪性,而这一点非常适合于图像检索系统。利用PCNN及简化模型ICM得到对应于不同灰度值的二值图像序列,计算序列中每幅图像的熵序列,其一维的特征矢量作为纹理特征。采用Eu-clidean距离进行相似度计算,建立了一套基于示例查询图像的纹理图像检索系统。实验结果表明,与小波包等特征提取方法相比,该方法不仅对噪声具有较强的鲁棒性,同时能降低特征向量维数,具有尺度、平移和旋转不变性,而且能取得更高的检索率。     

基于模糊颜色特征和模糊相似度的图像检索方法

基于内容的图像检索系统的性能主要依赖于两个关键技术:图像特征提取和图像特征匹配.文中提取了所有图像的颜色特征,并在颜色特征提取过程中采用了适当的模糊算法以得到图像的模糊颜色特征.图像特征匹配主要取决于两个图像特征向量之间的相似度,文中提出了一种新的模糊相似度衡量方法,该方法利用给定的查询图像与其k幅近邻图像之间的相似度构成查询图像的k维模糊特征向量,利用每幅被检索图像与查询图像的k幅近邻图像之间的相似度构成每幅被检索图像的k维模糊特征向量,计算查询图像的k维模糊特征向量与每幅被检索图像的k维模糊特征向量之间的模糊相似度,并将检索到的图像按照模糊相似度按从大到小的顺序反馈给用户.为了验证提出的模糊颜色特征的有效性,文中在WANG数据集上进行了一系列的实验对比;为了衡量基于不同相似度的图像检索系统的性能,文中在WANG,Corel-5k和Corel-10k数据集上分别进行了一系列的实验对比.实验结果表明,基于最大最小值的图像检索系统的性能优于基于其他3种常用相似度的图像检索系统的性能,而基于模糊相似度的图像检索系统的性能优于基于最大最小值的图像检索系统的性能.在WANG,Corel-5k和Corel-10k数据集上,基于模糊相似度的图像检索系统检索到的前20幅图像的平均查准率比基于最大最小值的图像检索系统检索到的前20幅图像的平均查准率分别高4.92％,17.11％和19.48％;基于模糊相似度的图像检索系统检索到的前100幅图像的平均查准率比基于最大最小值的图像检索系统检索到的前100幅图像的平均查准率分别高4.94％,22.61％和33.02％.     

新的纹理图像特征提取方法

提出了一种新的基于非下采样Contourlet变换的纹理特征提取方法.首先对纹理图像进行非下采样Contourlet变换,然后提取不同尺度、不同方向上变换系数矩阵的均值和方差作为特征向量,大大降低了特征维数,并利用BP神经网络进行训练和仿真,实现了纹理图像的自动分类.实验结果表明,与小波包变换和改进的LBP纹理算子等方法相比,该方法能取得更好的分类效果.     

Contourlet变换在图像检索中的应用

利用 Contourlet 变换良好的稀疏特性及其能准确地捕获图像中边缘信息的特性,分析了纹理图像Contourlet系数的统计特征,提出了一种滤波算法。该算法根据纹理图像Contourlet系数分布的特点,采用高斯模型对其进行精确拟合提取纹理特征,针对各子带数据的离散程度进行加权处理,为分类能力强的特征量赋予较大的权值,并加入在低频子带上提取的灰度—平滑共生矩阵统计量,来形成最终的特征向量,以两幅图像不同特征向量间的加权欧氏距离作为图像的相似度进行检索。仿真实验结果表明,该方法在检索效果上有一定的优越性。     

基于形状的图像检索的关键技术研究

将小波变换的多尺度技术应用到图像检索中的形状特征的边缘检测 ,利用不变矩的仿射不变性进行形状特征提取 ,并以图像特征向量的欧氏距离进行图像的相似度匹配。试验结果表明 ,使用该算法可以提高基于内容的图像检索的准确率与检索速度。     

基于形状和纹理的图像检索

构造了Radon变换的不变量，提出一种新的基于形状和纹理的图像检索方法。对小波图像边缘提取Radon不变量作为形状特征，同时提取小波各频道能量作为纹理特征。然后将形状特征和纹理特征分别进行高斯归一化，计算图像形状和纹理的相似度。最后，利用形状和纹理相似度的加权和进行图像检索。试验结果表明该方法对噪声具有较强的鲁棒性，具有尺度、平移和旋转不变性。     

基于互补特征的纹理图像检索

针对互补特征可以有效地改善图像检索系统性能的特点,提出一种在改进Contourlet变换域采用L1能量与广义高斯分布参数特征的纹理图像检索方法。首先,应用改进的方法对方向子带系数进行广义高斯统计建模。然后,分别单独利用各个特征和相应的相似性测度进行检索。最后,基于直接的相似性测度和,采用这两种互补的特征进行检索。实验结果表明,和采用单一特征相比较,互补特征由于充分地反映了图像的结构信息和随机分布信息,从而有效地提高了纹理图像数据库的平均检索率。     

基于小波多尺度分析的彩色图像检索方法

多媒体技术的普及和Internet技术的实施导致了大量图像信息的出现，基于文本关键词的传统检索方法已不能适应图像信息检索的要求，这使得基于内容的图像检索技术逐渐成为目前的研究热点。基于内容检索技术中必不可少的关键步骤就是图像特征的提取，其中可提取的特征有颜色、纹理和形状等。但是，由于图像的每种特征只能抓住图像相似性的某一个方面，因此如何能更好地表示图像就成为基于内容图像检索中一个重要的研究方向。针对该问题，提出了一种基于图像颜色和纹理特征的图像检索方法，其中颜色特征采用HSV颜色空间的直方图，纹理特征采用图像小波多尺度表示方法中细节信息的方差统计量，这样就充分利用了颜色的丰富表现性和小波变换的多分辨性及其变换系数的统计特性。通过对不同类型图像使用不同特征组合进行图像检索查准率的对比实验结果表明，这种图像检索方法是行之有效的。     

基于NSCT的旋转不变纹理图像检索算法

针对图像检索中常见的旋转问题,提出了一种基于非抽样Contourlet变换(NSCT)的旋转不变检索算法。以NSCT域各子带系数的均值和标准方差构成基本特征向量。在相同尺 度上,利用各子带的均值和标准方差之和对特征分量由小到大排序,同时根据旋转不变性调整排序后特征向量对应的方向序列,构造方向序列权值、特征分量权值。用加权欧氏距 离进行相似性度量以提高检索性能。采用Brodatz库生成实验库,实验结果表明本文方法取得了较好的检索效果。     

一种基于灰度共生矩阵的云图检索方法

卫星云图检索可帮助气象预报人员快速定位历史相似天气．根据云图纹理特征区分度较大的特点提出一种采用纹理特征对卫星云图进行相似性检索的方法。针时找到一个普遍适用的纹理特征非常困难的问题．提出一种根据特征值的方差分布情况从大量备选特征中快速找出适合某类图像检索所需的纹理特征值的方法,并以灰度共生矩阵的特征值提取为例．对卫星云图进行相似性检索。检索流程为：首先对云图进行云地分离的预处理．然后从云图的灰度共生矩阵中提取有效的检索特征生成特征值．并与历史云图库对应的特征库进行相似距离计算．最后根据距离的排序顺序输出最终的检索结果。实验表明．该方法能有效地从历史云图库中检索出具有相似视觉特征的云图．说明该方法可以用于卫星云图的相似性检索。     

A region-based fuzzy feature matching approach to content-basedimage retrieval

This paper proposes a fuzzy logic approach, UFM (unified feature matching), for region-based image retrieval. In our retrieval system, an image is represented by a set of segmented regions, each of which is characterized by a fuzzy feature (fuzzy set) reflecting color, texture, and shape properties. As a result, an image is associated with a family of fuzzy features corresponding to regions. Fuzzy features naturally characterize the gradual transition between regions (blurry boundaries) within an image and incorporate the segmentation-related uncertainties into the retrieval algorithm. The resemblance of two images is then defined as the overall similarity between two families of fuzzy features and quantified by a similarity measure, UFM measure, which integrates properties of all the regions in the images. Compared with similarity measures based on individual regions and on all regions with crisp-valued feature representations, the UFM measure greatly reduces the influence of inaccurate segmentation and provides a very intuitive quantification. The UFM has been implemented as a part of our experimental SIMPLIcity image retrieval system. The performance of the system is illustrated using examples from an image database of about 60,000 general-purpose images     

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。     

A Multi-Resolution Content-Based Retrieval Approach for Geographic Images

Current retrieval methods in geographic image databases use only pixel-by-pixel spectral information. Texture is an important property of geographical images that can improve retrieval effectiveness and efficiency. In this paper, we present a content-based retrieval approach that utilizes the texture features of geographical images. Various texture features are extracted using wavelet transforms. Based on the texture features, we design a hierarchical approach to cluster geographical images for effective and efficient retrieval, measuring distances between feature vectors in the feature space. Using wavelet-based multi-resolution decomposition, two different sets of texture features are formulated for clustering. For each feature set, different distance measurement techniques are designed and experimented for clustering images in a database. The experimental results demonstrate that the retrieval efficiency and effectiveness improve when our clustering approach is used.     

Vector space model adaptation and pseudo relevance feedback for content-based image retrieval

Image retrieval is an important problem for researchers in computer vision and content-based image retrieval (CBIR) fields. Over the last decades, many image retrieval systems were based on image representation as a set of extracted low-level features such as color, texture and shape. Then, systems calculate similarity metrics between features in order to find similar images to a query image. The disadvantage of this approach is that images visually and semantically different may be similar in the low level feature space. So, it is necessary to develop tools to optimize retrieval of information. Integration of vector space models is one solution to improve the performance of image retrieval. In this paper, we present an efficient and effective retrieval framework which includes a vectorization technique combined with a pseudo relevance model. The idea is to transform any similarity matching model (between images) to a vector space model providing a score. A study on several methodologies to obtain the vectorization is presented. Some experiments have been undertaken on Wang, Oxford5k and Inria Holidays datasets to show the performance of our proposed framework.     

基于分块主色调和纹理特征的彩色图像检索

提出一种基于分块主色调和纹理特征的彩色图像检索方法。该方法首先提取占彩色图像比重较大的前几种主色调,根据主色调将图像划分为不同分块,并以主色调作为各分块图像的颜色特征。然后,采用灰度共生矩阵算法,提取各分块的纹理特征。综合考虑各分块图像的颜色特征和纹理特征,从图像数据库中检索相似图像。实验结果表明,该方法具有较高的检索效率。