基于图像颜色特征的图片分类系统

提出一种图像分类方法,该方法使用HSV颜色模型的统计直方图,将H、S、V三个分量单独处理,得到图像的特征包括主色调和主饱和度,并对图像进行分类。通过对比图像全局及局部颜色统计直方图的相似度来定义图像的相似度。     

一种基于分形维数的图像相似性检索特征

本文描述了一种采用小波包分解子带图像分形维数作为图像纹理特征进行图像相似性检索的方法。首先对图像进行小波包分解。每一个子带图像的分形维数构成图像的特征向量用于图像的相似性检索。实验表明,该方法计算速度快。在特征向量维数极少的情况下,该特征对于描述方向性和结构性较好的纹理具有良好效果。     

一种基于相邻匹配的分形图像检索算法

分形码用来描述图像内跨尺度相似性冗余信息。通过分形码记录图像特征并将其用于图像相似度判断及图像检索。基于自适应四叉树分割方法,提出了图像快速分形编码方法。所提方法通过邻域内固定块的相似性判别快速提取分形码,减少了图像分割层次,缩短了编码时间并保证了图像解码质量。同时提出了一种新的快速判别图像间相似块的距离公式,提升了图像相似度判断的准确性。实验结果表明,相对于灰度直方图判别法,本算法大幅提高了图像检索的查全-查准率。相比于文献中的分形检索算法,本算法缩短了编码时间并降低了分割块数,从而提高了检索效率。     

一种结合分形编码的图像检索算法

为了更有效、更准确地进行的图像检索,在迭代函数系统收敛速度理论和拼贴定理的基础上,提出了一种结合分形编码进行基于内容的图像检索方法,即把查询图像的分形码应用于图像库中的图像进行分形迭代,然后将得到的图像与查询图像进行相似匹配,在检索正确率和检索速度方面,优于实验中其他方法。实验证明了该算法的有效性和可行性。     

基于分形理论的遥感影像分类研究

分形理论是非线性科学领域的一大支柱,它的提出为人们解决非线性世界的问题提供了新的思想和方法,由于分形维数与人类对图像表面纹理粗糙度的感知是一致的,利用分形理论进行遥感影像分类具有潜在的理论和应用价值。本文根据遥感影像特点,引入分形方法来描述其纹理结构特征,利用双毯覆盖模型来提取遥感影像的纹理特征,在此基础上,采用K-means算法将纹理结构特征与光谱特征相结合,进行遥感影像分类,其分类效果优于单纯采用光谱特征的分类。     

基于相似比的快速分形编码算法

对于分形图像编码时间过长这一问题,目前已经提出很多种解决方法,大多数都是基于分类或是特征匹配的搜索方法。把全局搜索转化为一定意义下的局部搜索是加速分形编码的一种有效可行方法。文中提出了一种基于相似比的分形编码算法并给出了可行性分析,该算法将全局搜索转化为相对意义下的近邻搜索,大大减少了搜索最佳匹配块的时间。本算法只搜索与值域块相似比相差较近的码本块,减少了搜索对象。实验结果表明,该算法在保证一定的重建图像质量前提下,大大提高了编码速度。     

一种基于熵及分形编码的图像检索方法

图像的抽象描述和特征提取是基于内容的图像检索系统中需要解决的关键问题,提出了一种图像熵和分形编码相结合的图像检索方法。首先,计算图像熵和比较设定的阈值对图像库进行预分类;其次,利用Jacquin方法计算得到查询图像的分形IFS编码,把图像库同类图像作为初始图像进行分形迭代解码;最后,计算解码图像与查询图像的相似距离得到检索结果。实验结果表明,与直接像素值相似匹配方法相比,在基本保证图像检索效率的前提下,极大地提高了检索时间,该算法具有很好的有效性和可行性。     

一种新型非线性分形图像压缩编码算法

提出一种简单的非线性分形算法，简化了Popeseu等提出的算法，用于解决压缩字典较小的问题．实验结果表明，这一算法简单可行，具有良好的压缩结果和高质量的重建图像。     

基于SVR分类的多特征彩色图像检索算法

传统的基于内容图像检索技术对图像领域没有限制,而宽泛的图像领域不仅严重影响了系统检索精度,而且增加了系统查询时间.本文提出一种基于SVR(Support Vector Regression)分类的多特征彩色图像检索新算法,该算法首先提取出图像的颜色、空间和纹理信息并作为图像的特征向量,然后以回归型支持向量机(SVR)为学习机器,对图像库进行分类处理以缩小图像领域范围,最后在较小的领域范围内进行图像检索.实验结果表明,本文算法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率.     

基于复合分类的快速分形图像压缩编码

针对分形编码方法耗时过长的不足，提出一种分类加聚类的快速分形图像编码方法，通过提取图像块的分形维数对图像块分类，在同类内基于分形维数聚类，使匹配搜索在同类的聚类域内进行，并对不同类块采用不同算法，实验表明，该方法与经典分形方法（PIFS）比较，在信噪和解码图像质量可接受的条件下，大大提高了编码速度，且压缩比有显著提高。     

基于自适应分类的快速分形编码方法

编码时间过长是目前分形图像压缩存在的主要问题,尽管对图像块进行分类是解决这一问题的一类重要方法,然而诸多分类方法中仍普遍存在着编码速度与解码质量之间的矛盾.针对这一问题,在给出衡量分类方法性能指标体系的基础上,首先提出了一种自适应分类方法,从而较好地解决了这一矛盾,然后将该方法运用于质心分类上,并结合满意匹配得到了一种快速的分形编码方法.实验表明,与原来的均匀分类方法相比,在取得相同压缩比的前提下,该方法可进一步提高分形编码的速度和改善解码图像质量.     

基于HVS分类及邻域搜索的快速分形图像编码

针对基本分形图像编码算法时间过长的问题,提出了一种基于HVS分类及邻域搜索的快速算法。根据HVS特性将子块分为平滑类子块和非平滑类子块,对于平滑类子块直接存储其均值,以减少需要搜索匹配父块的子块数;对于非平滑类子块,从离其最近的父块开始搜索,在搜索父块时,剔除与当前子块的近似度不满足要求的父块,并引入误差阂值和搜索父块的最大次数来控制子块的搜索过程。实验结果证明,该算法大大提高了编码速度。     

快速的分形码图像检索方法

针对分形域上的基于内容的图像检索(content-based image retrieval,CBIR),提出了一种新颖的基于无搜索的自适应四叉树分割的快速分形编码方法,来提取图像特征,从而使图像检索的编码阶段速度显著提高。对一幅256×256图像编码,算法平均约需0.0485s,比何的方法约快70倍,并且解码图像质量良好。改进了匹配算法来实现图像的快速检索,其准确性要高于洪的方法;最后通过对分形码距及分形码块数的分析,提出了进一步提高检索速度的方案。     

基于HVS分类及邻域搜索的快速分形图像编码

针对基本分形图像编码算法时间过长的问题,提出了一种基于HVS分类及邻域搜索的快速算法。根据HVS特性将子块分为平滑类子块和非平滑类子块,对于平滑类子块直接存储其均值,以减少需要搜索匹配父块的子块数;对于非平滑类子块,从离其最近的父块开始搜索,在搜索父块时,剔除与当前子块的近似度不满足要求的父块,并引入误差阈值和搜索父块的最大次数来控制子块的搜索过程。实验结果证明,该算法大大提高了编码速度。     

基于形态特征的快速分形图像编码

现有的快速分形编码算法多数是在降低图像质量的前提下实现的。针对这个问题,提出了一个快速分形编码算法,它基于新定义的图像块的形态特征的概念。这种算法先把码本按形态特征大小赋序,然后对于每个输入Range块,在赋序码本中寻找与它的形态特征最接近的码块,进而在这个码块的邻域内搜索Range块的最佳匹配块。实验结果显示,对于256×256的Lena图像,与基本分形算法比较,其依赖于搜索邻域大小,该算法既能在峰值信噪比(PSNR)相同的情况下编码速度加快4.4倍,也能在主观质量略有下降的情况下编码速度加快约140倍。     

基于分形特征的二值图像检索方法的研究

论述了基于分形特征的二值图像检索方法。图像的内容由4种特征来描述:图像分形维数、图像分形矢量、边界分形矢量和骨架分形矢量。实验表明该方法计算简单、有效,匹配快速,检索结果比较理想,只要查询图像在图库中,就一定能通过该方法检索出来。另外,该方法还具有一定的鲁棒性,证明这种检索方法是具有较大实用意义的。     

分形维数及其在图像分类中的应用研究*

首次从分形维数的角度出发,提出了用图像的分形维数对图像进行分类的问题,并且对小幅交通路况图像的分形维数分布区间进行了研究.从实验结果看,分形维数可以很好地作为图像分类与分析的参数.当盒子边长ε取最小值2和4时,交通路况图像的维数区间为2.4～3.0和2.8～3.0.     

分形图像编码的四叉树方法

提出了一种分形图像编码的方法－基于四叉树的分形图像编码（FICBQ）方法。这种方法采用二值图像的四叉树表示方法实现图像分割,图像块的尺寸可以动态调整。与基本自动分形图像编码（BAFIC）相比,它克服了图像分割时图像块尺寸固定的主要缺陷。FICBQ方法简单且易于实现,压缩比和编码速度得到明显提高。实验结果表明,该方法的RPSN和压缩率分别是29．37dB和11．09时,编码时间约是BAFIC方法的1／22。