基于非线性模糊直方图的图像检索算法

在基于内容的图像检索中,传统的颜色直方图和频域特征直方图不能满足颜色过渡、梯度方向和幅值变化等连续性和相似性。为此,提出非线性模糊颜色直方图和非线性模糊梯度向量直方图检索算法。该算法通过符合人类视觉非线性感知特性的方式描述图像,结合图像的统计和频域特征,构建一个特征组组合选取的方法,选出适合的标识图像特征组组合以提高图像检索系统的检索效率。实验结果表明,与其他检索算法相比,该算法具有较好的检索质量。     

采用位平面直方图特征向量的图像检索方法

首先将图像分解为8个位平面,选择前4个重要位平面,求出其灰度码表示,根据每个灰度码位平面的颜色直方图,计算均值、标准偏差、偏斜度、能量、熵;综合这些特征构成名为位平面直方图特征向量的组合特征,进行图像检索。实验中采用Tonimoto相似度量函数计算图像间的相似度。该方法计算速度快,避免了图像量化造成的误检。实验结果显示了该方法的检索性能。     

综合颜色和局部空间特征的彩色图像检索方法

针对图像颜色空间的分布特性,提出一种用颜色色调直方图来表达图像的颜色特征;通过HSV颜色空间的三个独立分量表示方法来描述颜色的空间特征,具有旋转、平移、尺度不变特性。实验表明,该方法很好地克服了颜色直方图和颜色矩无法表达图像色彩的空间位置的缺点,显示了组合特征的图像检索特征的有效性和较高的检索准确性。     

综合颜色和局部空间特征的彩色图像检索方法

针对图像颜色空间的分布特性,提出一种用颜色色调直方图来表达图像的颜色特征;通过HSV颜色空间的三个独立分量表示方法来描述颜色的空间特征,具有旋转、平移、尺度不变特性.实验表明,该方法很好地克服了颜色直方图和颜色矩无法表达图像色彩的空间位置的缺点,显示了组合特征的图像检索特征的有效性和较高的检索准确性.     

斑铜工艺品图像检索技术及系统的研究

通过对云南斑铜工艺品图像特征的分析,提出了基于距离分布直方图和Hu形状不变矩的组合检索算法,并引入了基于权值调整的相关反馈技术对检索结果进行修正.对实验结果的分析表明,该技术可以有效地进行斑铜工艺品图像的检索,对斑铜工艺品辅助设计具有较强的应用价值.     

综合颜色和空间信息的图像检索

提出了一种组合颜色、空间信息的图像检索方法,用颜色块直方图来表达图像的颜色特征;通过提取颜色块的质心、分布方差聚散度等特征得到图像的空间特征。实验结果表明,基于组合特征的图像检索方法要优于单纯的基于颜色或者空间特征的方法。     

基于局部累积直方图和纹理特征的图像检索方法

提出了结合HSI颜色空间的局部累积直方图和图像的纹理特征进行检索的新方法.在HSI颜色空间求局部累积直方图,既可以消除大量离散的零值点,又考虑到累积前后两种颜色的相似性,符合人眼的视觉感知特点;利用以灰度共生矩阵为基础的纹理特征对局部累积直方图检索的结果进行二次检索,充分考虑了图像的空间信息.避免单一的颜色特征描述图像的片面性.基于花卉图像库的检索实验结果表明,该方法可以取得良好的检索效果.     

基于形状特征和颜色的服装图像检索

提出将基于内容的图像检索用于电子购物中,首先利用不变矩的形状特征检索,为提高检索效果引入离心率特征,接着再利用改进的颜色直方图进行检索。通过实验证明该方法的有效性和可行性。     

直方图的优化存储和快速检索

直方图是一种非常重要的图像特征,常用于基于内容的图像检索系统中,例如,用颜色直方图可以检索到相似颜色的图像。但是,目前使用的颜色直方图比较小、维数量多是３,因而检索效果不令人满意。该文提出用倒排文件解决高维巨型直方图存储和快速检索问题,从而为巨型直方图在图像检索中的应用提供一种解决方案。     

基于内容的多特征融合图像检索

提出一种组合颜色、形状和空间信息的图像检索方法,用颜色块的颜色直方图表示图像的颜色特征;使用Zernike矩表示图像的形状特征,通过提取颜色块的质心、分布方差聚散度等特征得到图像的空间特征。为了进一步提高图像检索的精确度,提出一种基于支持向量机的相关反馈方法。实验结果表明,基于组合特征的图像检索方法优于基于单一特征的检索方法。     

基于边缘特征点对对齐度的图像配准方法

针对基于特征的图像配准方法存在特征提取的多样性和相似度计算的复杂性等问题,在定义边缘特征点对的角度直方图和对齐度的基础上,提出了一种基于边缘特征点对对齐度的图像配准方法。该方法首先利用小波多尺度积准确地提取边缘图像和特征点,然后根据特征点的角度直方图得到的旋转角度,并通过计算所有特征点对在边缘图像中的对齐度来精确地确定匹配点对。大量的实验结果表明,该方法具有较强的适用性、精确性和有效性。     

融合视觉模型和最大类间方差的阈值分割算法

针对传统二维直方图的区域划分方法存在把图像的部分目标点和背景点错误划分为边缘点或噪声点,而把部分边缘点和噪声点划分为目标点和背景点的缺点,以及传统二维最大类间方差阈值分割算法的时间复杂度较高的缺点,提出了采用视觉模型构造二维直方图,并提出了该二维直方图的区域划分方法,同时还把提出的二维直方图应用到最大类间方差阈值分割算法中。根据分割时间、分类误差、均匀性等定量评价标准,做了一系列实验,与几种典型的二维阈值分割算法相比,提出的阈值分割算法在降低计算复杂度的同时还具有很好的分割性能。     

基于内容的图像检索方法的探讨

该文在对图像特征分析及相似检索方法研究分析的基础上,提出了一种基于色调局部累加直方图与纹理特征结合的相似性匹配度量算法。该算法不但缩短了查询时间,而且通过实验证明,该算法有较高的检索率。     

An Efficient Deep Learning-based Content-based Image Retrieval Framework

The use of massive image databases has increased drastically over the few years due to evolution of multimedia technology. Image retrieval has become one of the vital tools in image processing applications. Content-Based Image Retrieval (CBIR) has been widely used in varied applications. But, the results produced by the usage of a single image feature are not satisfactory. So, multiple image features are used very often for attaining better results. But, fast and effective searching for relevant images from a database becomes a challenging task. In the previous existing system, the CBIR has used the combined feature extraction technique using color auto-correlogram, Rotation-Invariant Uniform Local Binary Patterns (RULBP) and local energy. However, the existing system does not provide significant results in terms of recall and precision. Also, the computational complexity is higher for the existing CBIR systems. In order to handle the above mentioned issues, the Gray Level Co-occurrence Matrix (GLCM) with Deep Learning based Enhanced Convolution Neural Network (DLECNN) is proposed in this work. The proposed system framework includes noise reduction using histogram equalization, feature extraction using GLCM, similarity matching computation using Hierarchal and Fuzzy c- Means (HFCM) algorithm and the image retrieval using DLECNN algorithm. The histogram equalization has been used for computing the image enhancement. This enhanced image has a uniform histogram. Then, the GLCM method has been used to extract the features such as shape, texture, colour, annotations and keywords. The HFCM similarity measure is used for computing the query image vector's similarity index with every database images. For enhancing the performance of this image retrieval approach, the DLECNN algorithm is proposed to retrieve more accurate features of the image. The proposed GLCM+DLECNN algorithm provides better results associated with high accuracy, precision, recall, f-measure and lesser complexity. From the experimental results, it is clearly observed that the proposed system provides efficient image retrieval for the given query image.     

基于多目标人工鱼群算法的硅单晶直径检测图像阈值分割方法

为提高对硅单晶直径检测图像高亮光环的分割精度, 提出了一种基于多目标人工鱼群算法的二维直方图区域斜分多阈值分割方法.首先设计了一种多目标人工鱼群算法, 并且改进了快速构造Pareto非劣解集的方法, 然后以最大类间方差和最大熵同时作为测度函数, 搜索最优的二维直方图区域斜分分割阈值.仿真结果表明, 所设计的多目标人工鱼群优化算法具有较高的搜索精度, 硅单晶直径检测图像分割实验结果表明, 提出的改进二维直方图区域斜分多阈值分割方法对高亮光环具有较高的分割精度.     

基于RBF 神经网络的低对比度图像自适应增强算法

针对低对比度图像增强问题,提出了一种将直方图修正与RBF 神经网络相结合的 图像对比度增强算法。首先由原始图像获得与其邻域存在对比度的像素的条件概率直方图,通 过调整两个增强参数可以改变条件概率直方图和均匀分布直方图的权重,生成新的直方图对图 像进行增强。采用RBF 神经网络建立图像特征与两个增强参数之间的非线性映射关系。根据图 像本身的特征快速获得增强参数,从而实现图像的自适应增强。该方法计算量小,实时性强, 应用范围广,有较强的自适应性。     

基于图像边缘信息的2维阈值分割方法

为了改善2维阈值分割性能,提高图像分割的效率,在传统2维Otsu阈值分割算法的基础上,提出了一种基于图像边缘信息的2维阈值分割方法。这种改进的方法保留了2维Otsu阈值分割算法分割结果准确的优点,并在此基础上充分利用图像的边缘信息,通过分析图像的边缘直方图和阈值的关系来得到最优分割阈值。仿真实验结果表明,该方法与传统2维分割算法相比,不仅计算简单,而且实时性好。     

基于自适应粒子群算法和数据场的图像二维阈值分割

针对图像分割中最优阈值选择的问题,将粒子群优化算法和数据场理论相结合,提出一种图像二维阈值分割算法.首先把数据场的理论引入到图像处理中,将图像的灰度值空间映射到数据场的势空间;然后通过自适应的粒子群优化算法寻找数据场中最大势值,该势值对应最优阈值;最后根据找到的阈值进行图像分割.在进行空间映射的过程中,将二维直方图中的序偶?p,q?视作数据对象,其中p代表像素的灰度值,q代表邻域的灰度值,选用拟核力场高斯势函数计算各数据对象之间的相互作用,生成了二维直方图的三维数据场.文中亦对数据场的各个参数进行了详尽的探讨.实验结果表明,文中算法不仅合理、有效,而且大大降低了计算的复杂性,能够适应大多数图像的分割.     

直方图图像增强技术

图像增强就是通过一定的方法对图像进行处理和变换,它能有效地改善图像整体质量和局部特征,是数字图像的预处理。基于直方图均衡化和规定化处理的图像增强技术,能有效地改善图像的对比度和灰度动态范围。实验结果表明,直方图均衡化和规定化处理确能有效地改善图像的对比度和灰度动态范围,从而改善图像的可视质量。     

利用局部累加直方图进行彩色图象检索

在分析利用累加直方图对彩色图象进行检索的基础上首次引入了局部累加直方图以提高检索效率。本文还对ＨＳＶ（即色度、饱和度、亮度）空间中颜色的相似分布进行了研究，提出了一种新的相似色区间划分方法。基于以上研究，本文提出了４种新的利用局部累加直方图和新的相似色区间划分方法的图象检索算法。对真实图象检索的实验结果表明，这４种新算法的性能均远优于一般的累加直方图法。