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。     

基于内容的图像检索系统研究

对基于内容的图像检索系统进行了详细的分析研究，重点对颜色、纹理和形状等图像可视特征的提取和表示进行了研究，并简要介绍了基于内容的图像检索中图像语义的处理和应用，最后提出了CBIR系统及其相关技术的发展趋势和研究重点。     

综合颜色纹理形状特征的图像检索

图像特征的提取和使用在基于内容的图像检索中至关重要.研究了在基于内容的图像检索系统中整合颜色,纹理,形状的提取方法.将图像按照一定的规则进行分块,对各个分块分别进行各种特征向量的提取.颜色特征的提取是基于YUV颜色空间的颜色直方图,纹理特征的提取采用Gabor滤波器,形状特征的提取是基于Zernike矩的计算.实验结果表明,综合图像的颜色、形状和纹理特征提高了图像检索的准确性.     

一种基于颜色自动相关图与小波变换的图像检索算法研究

随着图像数据量的不断丰富和人们需求的不断提高,基于内容的图像检索技术成为一个重要的研究课题。本文研究了基于颜色相关图与小波变换的图像检索算法,利用颜色相关图与小波变换,把图像分块分别提取图像的颜色特征与纹理特征,实现了图像的检索。实验结果说明了算法的有效性。     

基于内容图像检索中的颜色特征描述

多媒体数据库应用需要有效的基于内容相似性检索方法。颜色特征由于其简单、计算复杂度低及对几何变换的不变性成为机器可自动提取的图像内容中最重要的特征。文章讨论了颜色特征的表示及其进展。直方图是使用最普遍的颜色特征描述符,它必须选择与人类视觉机制一致的颜色空间和量化模式。直方图与空间关系的组合可提高图像内容描述的精度,因而提供更好的颜色特征匹配。由于基于小波变换的编码技术已成为JPEG2000等图像编码标准的核心,因此基于小波变换系数特征描述方法已越来越受到重视。由于图像颜色的心理作用可影响观察者对图像的理解,如何建立与心理活动及视觉机制相适应的颜色特征模型,提取这些语义级的高级抽象内容是我们必须面对的挑战。     

一种基于颜色基元共生矩阵的图像检索方法

提出一种结合图像颜色连通区域信息及其纹理特征的图像检索新方法。对图像进行分块，确定图像中的颜色连通区域集，提取图像中各颜色连通区域对应的4种颜色基元共生矩阵特征，针对该特征设计的图像相似性度量函数实现基于内容的图像检索。实验结果表明，该方法能有效地结合图像的纹理信息及其颜色构成和分布信息，具有良好的检索效果和性能。     

基于颜色和轮廓平稳小波变换纹理分析的彩色图像检索

由于单一特征只能表达图像的部分内容,提出了一种新的彩色图像检索方法.该算法在提取颜色特征方面,首先将图像进行分块以获得空间分布信息,为了充分利用RGB颜色模型及HSV颜色模型的优点,分别在两种不同的颜色模型中提取相应的特征向量,将两种颜色空间中的特征向量结合在一起就形成本文的颜色特征向量,在纹理特征方面,结合小波变换及轮廓波变换的优点,将图像进行非下采样轮廓平稳小波变换(NWCT),然后分别计算各子带在各个方向上系数的均值与方差作为纹理特征向量,最后采用加权欧氏距离作为图像的相似度进行检索.实验结果表明,相对于其他检索方法,该方法平均检索精度有了一定的提高,取得了较好的检索结果.     

基于感兴趣区域的彩色图像检索

随着图像信息的大规模应用,图像检索具有越来越重要的应用价值.基于内容的图像检索成为今年来的研究重点.提出一种基于感兴趣区域(ROT)和颜色一纹理特征的联合彩色图像检索新方法.采用此方法,将图像经由对图像进行小波变换,得到小波变换域的颜色局部能量,进而得到图像分割后各区域颜色和纹理综合特征,并采用用户定义感兴趣区域即ROI(Region-of-Interest)对相似度进行修正.实验结果证明,该方法能够快速有效地得到图像特征和图像中的感兴趣物体,取得很好的检索效果.     

基于小波变换的图像检索

随着多媒体和因特网技术的迅速发展,图像数据在不断增加,为了对这些图像进行更有效的管理和分析,帮助用户快速准确地找到所需内容的图像,基于内容的图像检索（CBIR）正成为当今多媒体技术研究的热点.本文采用基于小波变换的技术来提取图像的纹理特征,并使用支持向量机学习技术从图像数据库中检索出符合要求的图像,实验结果证明了所提出方法的有效性.     

几种基于内容的图像检索的方法

基于内容的图像检索（CBIR）技术依赖于对图像特征（例如颜色直方图、纹理、草图、形状等）的提取，相对于传统的基于文本的图像检索方式，这种方式提高了检索效率和检索的准确率。文中主要介绍了基于颜色和基于纹理特征这两种特征提取方法。这两种方法既能够反映全局特征，又能够兼顾所感兴趣区域的局部特征，是基于内容的图像检索的两种非常有效的方法。     

底层内容特征的融合在图像检索中的研究进展

在基于内容的图像检索中,提取颜色、纹理、形状或空间信息等底层特征是目前最常用且简便的表征图像的方法。但使用单一底层特征容易忽视特征间的相互联系,无法对图像以各种形式提供的信息加以充分利用,限制了众多特征联合诠释图像的可能性。底层内容特征的融合可以全面同时互补地表示图像中包含的各类信息,有效地利用特征间的联系,提高了图像内容表示的效率和精度。该文对现有的底层内容的融合特征提取算法进行总结,提出了一种以融合的层次及融合内容为依据的分类体系,指出了基于融合特征的图像检索现今存在的问题以及一些可能的研究方向。     

基于HSV和纹理特征的相容near度量方法

基于内容的图像检索是图像处理研究的重点,而相似性度量是其核心问题。基于near集的tNM(Tolerance Nearness Measure)方法在仅提取图像的灰度值特征时比IRM(Integrated Region Matching)检索结果更好。基于tNM与人类视觉近似的特点,将灰度值替换为面向用户视觉的HSV(Hue,Saturation,Value)颜色空间,分别提取图像的灰度值(Grey)+纹理(Texture)、HSV+纹理两组特征。使用IRM和tNM算法对10类图像进行检索,对其检索结果进行比较分析,结果表明 使用tNM算法 提取的图像的HSV+纹理特征与人类视觉更加近似,效果更佳。     

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.      

一类基于局部信息的特征描述子的图像检索

基于内容的图像检索准确性大大依赖于低层可视特征的描述。本文提出一类创新的彩色图像空间描述子、纹理描述子、边缘描述子和颜色描述子,空间描述子由局部均值直方图表示,纹理描述子由局部方向差单元直方图表示,边缘描述子由局部极大一极小差直方图表示,颜色描述子由量化HSV模型颜色直方图表示。这四种描述子被用作特征索引,它们对彩色图像,尤其是对具有相对规则的结构或纹理特征的图像具有很强的描述力。实验结果表明,用这种特征索引来检索图像,可以得到比其它基于颜色一空间方法高得多的精确度。     

基于全局特征的图像检索技术

在对海量的图像数据进行检索时,要得到好的检索效果,传统的信息检索方法已不能满足要求,这样,基于内容的图像检索(CBIR:Content-Based Image Retrieval)技术应运而生。本文讨论的是CBIR中的关键问题—特征描述,本文主要介绍全局特征描述,包括颜色、纹理和形状特征。     

基于特征统计量分析的图像检索

研究了基于内容的图像检索系统和技术的若干问题。首先叙述了基于内容的图像检索的系统模型和特点，接着针对颜色、纹理和形状进行了概率特征提取、相似度量等的进一步具体分析讨论。展示了基于以上理论知识的一些实际工作，介绍了基于颜色和纹理检索的改进实验结果。     

利用图像颜色特征与纹理特征进行图像检索

基于内容的图像检索主要是利用图像的特征,如:颜色直方图、纹理、形状等来进行检索,这种方式能够提高检索的效率与准确率.利用图像的颜色信息与利用快速傅立叶变换来提取纹理特征相结合的方法来进行图像检索,该方法一方面可以反映图像的全局特征,另一方面又反映了图像的局部特征,且具有对图像检索的旋转不变性.