一种基于区域综合特征的图像检索方法

提出一种基于目标区域的图像检索方法,首先采用颜色聚类的分割方法将图像分割成不同的区域,提取每个区域的颜色、位置、形状等低层特征,然后提出一种相似度计算方法实现图像的相似性度量。为了提高图像检索的准确度,最后采用支持向量机（SVM）的相关反馈算法。实验结果表明,基于目标区域的图像检索效果比基于全局图像特征的检索效果有较好的改善。     

区域图像检索中的AdaBoost反馈学习算法

提出了一种基于AdaBoost相关反馈的区域图像检索方法.结合图分割的图像分割算法和多区域匹配方法,利用用户的反馈信息对AdaBoost弱分类器的反复训练,得到一个具有较小错误率的强分类器.将其应用到区域图像检索中从而返回更加精确的查询结果.实验表明(图像数据库大小为10000),基于AdaBoost相关反馈的区域图像检索方法有更好的检索查准率和密集度,优于单一区域的图像比较算法和多区域比较算法.     

联合相关反馈在医学图像检索中的应用

为进一步提高基于内容的医学图像检索性能,本文对相关反馈算法和全局特征进行研究。将基于模糊区域特征的图像检索和相关反馈算法与基于SVM的相关反馈算法结合起来,对复杂的区域特征采用基于模糊区域特征相关反馈算法,对全局特征采用能同时使用正例和负例图像的基于SVM的相关反馈算法,提出联合相关反馈算法。实验结果表明,采用这些方法后,检索结果有了很大的提高。     

基于本体的图像检索

提出一种基于本体的图像检索方法,该方法首先采用改进的K均值无监督分割方法将图像分割成区域,然后提取每个区域的颜色、形状、位置、纹理等低层描述特征,应用这些特征定义一个简单的对象本体。为了提高图像检索的准确度,最后采用支持向量机（SVM）的相关反馈算法。实验结果表明,提出的方法不仅可以提高检索效率,而且对于缩小低层视觉特征和高层语义特征之间的“语义鸿沟”具有很大的意义。     

基于目标区域的图像综合特征检索

提出了一种基于目标区域的图像综合特征检索方法。根据颜色、纹理特征的综合向量采用改进的K均值聚类算法把每幅图像分成若干个区域,并且利用综合特征表示和检索分割后的区域,该方法在区域匹配时考虑了不同特征在重要程度上的差别。为了改善检索性能,系统中引入了快速索引和相关反馈技术。     

基于SVM的相关反馈图像检索研究

针对全局特征的图像检索不能很好地满足用户的意图和基于图像分割的检索过分依赖复杂的图像分割算法二者的不足,在基于子图的图像检索思想的基础上,给出了一种基于用户感兴趣区域的图像检索算法,并通过基于SVM的相关反馈算法来更好地捕获用户的检索意图。实验证明,该算法能发挥用户在检索过程中的作用,具有简单、高效、查全率较高的优点。     

一种基于前景与背景划分的区域图像检索方法及实现

区域图像检索(RBIR)是基于内容图像检索(CBIR)的一个分支,它以图像分割为基础,通过图像局部视觉特征的相似性进行图像检索。由于准确的图像分割技术尚不成熟,区域图像检索性能容易受到冗余分割和错误分割的影响。为了降低RBIR中图像分割的影响,提出了一种基于前景和背景划分的区域图像检索方法。该方法通过规则分块、图像分类和有效区域定位来得到图像分割区域,然后应用中心对象提取算法(COEA)获得图像主体对象,最后提取颜色和纹理特征进行相似度匹配。实现了一个基于上述方法的RBIR系统ObFind,实验结果表明该方法不仅具有与SIMPLIcity相当的检索性能,而且计算复杂度更低。     

一种基于用户感兴趣区域的图像检索算法

利用图像全局特征的检索不能很好地检索用户想要的对象内容,而基于分割后各区域特征的检索又过分依赖于复杂的图像分割算法。针对上述两者的缺点,文中提出了一种基于用户感兴趣区域的图像检索算法。该算法首先对样例进行多分辨率树状分解,再由用户选择分解后的任意多个感兴趣的子图,提取子图的特征以进行相似性度量,并应用相关反馈以更好地捕获用户的检索意图。该方法无需对图像进行复杂的分割就能提取对象特征,且经由实验证明具有较高的查全率。     

一种基于用户感兴趣区域的图像检索算法

利用图像全局特征的检索不能很好地检索用户想要的对象内容，而基于分割后各区域特征的检索又过分依赖于复杂的图像分割算法。针对上述两者的缺点，文中提出了一种基于用户感兴趣区域的图像检索算法。该算法首先对样例进行多分辨率树状分解，再由用户选择分解后的任意多个感兴趣的子图，提取子图的特征以进行相似性度量，并应用相关反馈以更好地捕获用户的检索意图。该方法无需对图像进行复杂的分割就能提取对象特征，且经由实验证明具有较高的查全率。     

一种基于区域综合特征的图像检索算法

针对基于内容的图像检索所面临的图像低级视觉特征和高级语义之间的语义鸿沟问题,提出一种基于区域的图像检索算法。在LUV颜色空间中使用K均值聚类算法进行图像分割,提取分割后各区域的颜色、形状和区域自相关特征构成区域的综合特征,采用二次型距离相似性度量方法完成图像之间相似性的计算。实验结果表明,该算法具有较好的图像检索性能,与MIRROR中各算法相比,使用平均归一化修正检索等级得到的检索性能提高了12%~47.8%。     

基于相关反馈的图像标注与检索算法

为了提高图像标注与检索的性能,提出了一种基于区域分割与相关反馈的图像标注与检索算法。该算法利用视觉特征与标注信息的相关性,采用基于区域的视觉特征对每幅图像采用聚类方法获得其一组视觉相似图像。通过计算与其距离最近的前3个分类的相似度,然后对这些关键字概率向量进行整合,获得最适合该图像的关键字概率向量,对图像进行标注。利用用户的反馈信息,修正查询关键词与每个分类之间的关系,进一步提高图像检索的准确性。实验结果表明,提出的算法具有更高的查准率与查全率。     

基于二值信息的颜色和形状特征的图像检索

由于单一特征不足以准确地描述图像,提出了一种结合颜色、形状特征的图像检索方法.提出了新的用二值信息来表示图像的主色、全局色和形状特征的方法,并由此特征构造两个过滤器快速地过滤图像库中明显不相同的图像,以提高检索速度;采用改进的颜色直方图和形状基本特征进行相似度计算,为进一步提高图像检索的质量引入相关反馈机制,提出了一种动态调整两幅图像相似度中颜色特征和形状特征的权值系数的方法.文中方法与其它方法进行了比较实验,结果表明,该方法优于其它方法.     

Improving Retrieval Performance by Region Constraiots and Relevance Feedback

In this paper, region features and relevance feedback are used to improve the performance of CBIR.Unlike existing region-based approaches where either individual regions are used or only simple spatial layout ismodeled, the proposed approach simultaneously models both region properties and their spatial relationships in aprobabilistic framework. Furthermore, the retrieval performance is improved by an adaptive filter based relevancefeedback. To illustrate the performance of the proposed approach, extensive experiments have been carried outon a large heterogeneous image collection with 17,000 images, which render promising results on a wide varietyof queries.     

基于遗传FCM算法和SVM的图像检索

提出基于遗传FCM聚类算法和SVM相关反馈的图像检索方法。首先对图像库提取颜色和纹理特征,采用遗传FCM聚类算法对图像进行聚类,得到每个图像类的聚类中心;最后计算查询示例图像和对应图像类的图像之间的相似度,按照相似度的大小返回检索结果。为了进一步提高检索精度,提出基于SVM的相关反馈算法。实验结果表明,提出的方法具有优良的检索性能。     

图像检索中的动态相似性度量方法

为提高图像检索的效率,近年来相关反馈机制被引入到了基于内容的图像检索领域。该文提出了一种新的相关反馈方法－－动态相似性度量方法。该方法建立在目前被广泛采用的图像相拟性度量方法的基础上,结合了相关反馈图像检索系统的时序特性,通过捕获用户的交互信息,动态地修正图像的相似性度量公式,从而把用户模型嵌入到了图像检索系统,在某种程度上使图像检索结果与人的主观感知更加接近。实验结果表明该方法的性能明显优于其它图像检索系统所采用的方法。     

基于LBSVM机器学习的相关反馈图像检索

基于机器学习的相关反馈技术是基于内容的图像检索研究的热点。由于基于SVM的相关反馈技术存在样本数量少,样本正负比例不平衡,反馈准确率低等问题,文中先对Boosting方法进行改进,提出了用先验知识的Boosting方法与SVM结合的短期机器学习相关反馈方法（BSVM）;在此基础上为进一步提高系统反馈速度与准确率,通过保存训练好的分类器和它对应的样本,提出了基于长期机器学习的相关反馈方法（LBSVM）。文中提出的两种方法与其它方法进行了比较实验,结果表明,该方法优于其它方法。     

基于虚拟关联反馈与聚类的图像检索技术研究

基于虚拟相关反馈(PRF)技术,提出了一种新的自动关联反馈检索方法--外部自动相关反馈(OARF).该方法基于图像内容特征距离,应用K-均值聚类,自动扩展查询图像特征,从而提高检索性能.试验结果表明,OARF能够降低用户负担,显著提高原始检索算法的性能,缩小"语义鸿沟".     

基于支持向量的图像相关反馈检索

对图像相关反馈检索过程建立二分类的支持向量机问题模型,进而提出基于支持向量的图像相关反馈检索方法.比较了基于支持向量的反馈检索方法和传统的反馈检索方法的检索性能,研究了特征提取对支持向量机性能的影响.实验结果表明,基于支持向量的图像相关反馈检索方法具有较好的图像检索效果.     

基于多特征融合和相关反馈的图像检索

鉴于单一视觉特征不能很好地表达图像内容,提出一种融合图像颜色、形状、纹理特征的图像检索方法。最后采用支持向量机（SVM）的相关反馈算法提高图像检索的准确度,缩小低层特征和高层语义之间的语义鸿沟。实验结果说明提出的方法具有良好的检索性能。