综合颜色特征的彩色图像检索方法

基于内容的图像检索技术已成为当前的研究热点,文章提出了一种综合利用两种颜色特征进行图像检索的新方法。首先,在变换空间建立色度直方图表示图像的颜色分布特征。为进行图像间的相似性度量,对Swain定义的直方图相似性度量作了改进,为弥补全局直方图不包含颜色空间分布关系的缺点,文章提取了另一种颜色特征,即分块的颜色矩,其距离度量为特征矢量的比值相似度。最后,综合利用上述两个特征对图像进行共同检索。通过对真实图像数据的检索实验表明:综合两种特征检索图像比单一特征检索效果更好。     

一处新的基于色彩的图像检索方法

在分析已有的基于色彩的图像检索方法存在问题的基础上，提出一种新的基于色彩的图像检索方法，该方法对每个图像单独进行颜色量化，计算其颜色直方图并排序，根据颜色在图像中出现的频率和图像中各种颜色的对比强度确定图象之间的相似度，使用的图像特征占用存储空间非常小，比较速度快，测试了该方法识别图像和检索相似图像的能力，效果明显优于直方图距离方法。     

一种新的基于色彩的图像检索方法

在分析已有的基于色彩的图像检索方法存在问题的基础上 ,提出一种新的基于色彩的图像检索方法 .该方法对每个图像单独进行颜色量化 ,计算其颜色直方图并排序 ,根据颜色在图像中出现的频率和图像中各种颜色的对比强度确定图像之间的相似度 .使用的图像特征占用存储空间非常小 ,比较速度快 .测试了该方法识别图像和检索相似图像的能力 ,效果明显优于直方图距离方法     

基于空间特征的图像检索

提出一种新的基于空间特征的图像特征描述子SCH,利用基于颜色向量角和欧几里得距离的MCVAE算法共同检测原始彩色图像边缘,同时利用一种新的“最大最小分量颜色不变量模型”对原始图像量化,对边缘像素建立边缘相关矩阵;对非边缘像素使用颜色直方图描述局部颜色分布信息;然后,利用新的sin相似性度量法则衡量图像特征间的相似度。实验采用VC++6.0开发了基于内容的图像检索原型系统“SttImageRetrieval”,基于Oracle 9i数据库建立了一个综合型图像数据库“IMAGEDB”。实验分析结果证明,利用SCH描述子的检索准确度明显高于仅基于颜色统计特征的检索结果。     

一种改进的JSD距离的空间直方图相似度度量及目标跟踪

空间直方图是直方图的一种推广, 它能更精确地描述图像(或目标), 被应用到目标跟踪和图像检索等多个领域, 选择一种合适的度量两个空间直方图之间相似性的方法至关重要. 本文提出一种基于改进Jensen-Shannon divergence (JSD) 距离的空间直方图相似性度量, 将空间直方图中每个区间所对应像素的颜色特征和空间特征的联合分布看作一个带权重的高斯分布, 然后计算两个空间直方图对应区间之间的相似度, 即计算两个带权重的高斯分布之间的改进的JSD距离. 本文在计算JSD距离时充分利用高斯分布的权重, 从而提高了度量方法的区分能力. 理论和实验证明了本文提出的相似性度量的区分能力优于Ulges的度量方法, 视频跟踪结果也更稳定、更精确.     

综合分块颜色和基元共生矩阵的图像检索方法

提出了一种基于分块颜色直方图和纹理特征相结合的彩色图像检索方法。首先,该方法根据图像的背景和目标将其划分为两个区域,并对各个区域分别进行量化,提取颜色特征,计算图像之间的颜色距离;然后,用灰度共生矩阵提取图像的纹理特征并根据欧式距离来度量图像间的相似性。最后,综合利用颜色和纹理特征的加权来检索图像。经过对多种类别图像进行实验,检索结果都表明,与传统的检索方法相比,此方法能够很好的满足用户的需求,具有较高的查准率和查全率。     

基于方向特征的二值商标图像检索方法

文中针对二值商标图像，提出一种基于方向特征的商标图像检索方法。用边界方向直方图表示目标的边界方向特征，图像的相似性度量采用直方图求交算法；用区域方向直方图表示目标的区域方向特征。图像的相似性程度用直方图的相关距离来度量。这两者结合起来得到的方向特征可以同时反映图像的整体形状和轮廓形状。实验表明，方向特征能够有效地描述图像的形状及空间分布信息，取得了令人满意的检索结果。     

综合contourlet变换和颜色特征的图像检索算法

针对单一特征图像检索效率不高的缺点,提出一种基于轮廓波变换(contourlet)和颜色直方图的多特征检索方法.Con-tourlet变换采用"双重滤波器组"结构,具备多分辨率、多方向性和各向异性等性质,能以接近最优的方式表示图像的边缘.颜色直方图计算简单,具有旋转、平移的不变性.本算法充分利用Contourlet变换后系数分布特点和HSV空间颜色直方图的旋转平移不变性,构造图像的特征向量,以Euclidean distance作为相似度量标准进行图像检索.实验结果表明,提出的算法具有更高的查准率.     

基于度量直方图的医学图像检索

研究了医学图像灰度分布的特性，利用相邻灰度的相关性提出了基于度量直方图的医学图像检索方法及其度量空间上的距离函数MHD0；该方法减少了传统直方图特征的维教，克服了SAM索引的缺点。通过对CT图像数据库的检索实验，验证了该方法在性能和速度上都超过了传统直方图检索方法。     

一种基于PCA的图像表示与检索技术

本文提出了一种新的基于图像颜色分布特征和空间位置特征的图像表示方法以及相应的检索技术，首先使用一个颜色匀质谓词对图像进行多层分解，然后从分解得到的子图像中导出图像特征：“阈值子特征”和“颜色匀质标志子特征”，由于这种图像特征的给数将随着图像分解层数的增加而迅速膨胀，为此利用主分量分析法对其降维，图像的相似度量定义为归一化的子特征间的欧氏距离的线性组合，实验结果表明：使用本文提出的方法获得的图像检索结果能较好地同人们的期望结果保持一致。     

融合曲波变换和颜色直方图的图像检索

研究了曲波变换和颜色直方图在图像检索系统中的应用,在此基础之上提出了一种融合Curvelet变换和颜色直方图的彩色图像检索的方法。该方法首先采用Curvelet变换提取彩色图像中的纹理特征,再利用颜色直方图提取颜色特征,最后分别用Manhattan距离和欧几里德距离进行纹理和颜色的相似性匹配。实验结果表明,融合曲波变换和颜色直方图的方法对图像检索非常有效。     

基于颜色和形状特征的图像检索方法

提出了一种基于颜色和形状特征的图像检索方法。在对HSV颜色模型量化的基础上,提取颜色直方图作为图像的颜色特征。在提取形状特征时,结合颜色量化结果,利用图像分割提取图像的形状特征,利用两特征的加权距离计算图像之间的相似度,而后进行图像检索。实验结果表明,该方法取得了较好的检索效果。     

一种新的基于颜色和空间特征的图像检索方法

提出了一种新的基于颜色和空间特征的图像检索方法。首先提取色调不变量作为图像的颜色特征,然后设计了图像状态矩阵来描述图像的形状信息和空间位置信息,在进行相似检索时,采用 Guassian模型对不同子特征间的距离进行了归一化处理。试验表明利用该算法提取的图像的颜色和空间特征在进行图像检索时效果显著。     

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。     

基于色彩与形状信息特征的图像检索算法研究

针对单独用颜色特征并不能很好地表达图像内容的问题,提出了综合利用颜色和形状特征进行图像检索的方法。由于颜色直方图无法表达空间分布信息,因此采用的颜色特征为颜色自相关图,并对色调进行重叠量化。而形状特征采用边缘方向直方图,并对方向进行重叠量化。仿真实验表明,综合利用颜色和形状特征比单独用颜色和形状特征进行图像检索的效果要好,提高了图像检索的查准率。     

Query by image and video content: a colored-based stochastic model approach

For efficient image retrieval, the image database should be processed to extract a representing feature vector for each member image in the database. A reliable and robust statistical image indexing technique based on a stochastic model of an image color content has been developed. Based on the developed stochastic model, a compact 12-dimensional feature vector was defined to tag images in the database system. The entries of the defined feature vector are the mean, variance, and skewness of the image color histogram distributions as well as correlation factors between color components of the RGB color space. It was shown using statistical analysis that the feature vector provides sufficient knowledge about the histogram distribution. The reliability and robustness of the proposed technique against common intensity artifacts and noise was validated through several experiments conducted for that purpose. The proposed technique outperforms traditional and other histogram based techniques in terms of feature vector size and properties, as well as performance.     

Image retrieval based on shape similarity by edge orientation autocorrelogram

This paper introduces a new feature vector for shape-based image indexing and retrieval. This feature classifies image edges based on two factors: their orientations and correlation between neighboring edges. Hence it includes information of continuous edges and lines of images and describes major shape properties of images. This scheme is effective and robustly tolerates translation, scaling, color, illumination, and viewing position variations. Experimental results show superiority of proposed scheme over several other indexing methods. Averages of precision and recall rates of this new indexing scheme for retrieval as compared with traditional color histogram are 1.99 and 1.59 times, respectively. These ratios are 1.26 and 1.04 compared to edge direction histogram.