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。     

Adaboost和信息瓶颈算法在图像检索中的应用

提出基于Adaboost特征选择和信息瓶颈算法的图像检索方法,提取图像的量化颜色直方图特征和Gabor小波纹理特征,采用Adaboost特征选择算法进行特征降维;用信息瓶颈算法对图像进行聚类,得到每个图像类的聚类中心;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。实验表明,提出的方法可以明显提高检索效率以及检索的精度。     

模糊颜色直方图在基于内容的图像检索中的应用研究

本文提出一种子模糊颜色直方图构造方法,采用模糊C 均值聚类算法对彩色图像进行颜色聚类,利用模糊理论的隶属函数,通过计算每个像素对颜色聚类中心的隶属度构造颜色直方图,将得到的模糊颜色直方图作为表示彩色图像的特征向量进行基于内容的图像检索实验,实验结果表明本文提出的方法具有较高的检索准确率和研究价值。     

低层特征获取高层语义的图像检索

首先采用基于颜色聚类的方法将图像分割成区域,提取每个区域的Gabor小波纹理特征和灰度共生矩阵纹理特征,接着采用信息熵对特征进行选择,使用选择后的特征对图像区域进行聚类,得到每幅图像的语义特征向量;然后提出遗传模糊C均值算法对图像进行聚类。在图像检索时,查询图像和聚类中心比较,在距离最小的类中进行检索。实验表明,提出的方法可以明显提高检索效率,提高了检索的精度。     

基于目标区域的语义图像检索

提出了一种基于高层语义的图像检索方法,该方法首先将图像分割成区域,提取每个区域的颜色、形状、位置特征,然后使用这些特征对图像对象进行聚类,得到每幅图像的语义特征向量;采用模糊C均值算法对图像进行聚类,在图像检索时,查询图像和聚类中心比较,然后在距离最小的类中进行检索。实验表明,提出的方法可以明显提高检索效率,缩小低层特征和高层语义之间的“语义鸿沟”。     

基于多特征高效索引的图像检索

为了提高图像检索的准确率和速度,提出了一种多特征组合的图像检索算法。在颜色空间非均匀量化的基础上,利用改进的颜色聚合向量方法提取图像的颜色特征;基于改进的灰度共生矩阵提取纹理特征参数;利用Krawtchouk矩不变量提取图像的形状特征;基于贡献度聚类并建立特征索引库。融合上述特征计算图像间的相似度,使用特征索引对图像进行快速检索。实验结果表明,提出算法的检索精度有较大提高,能快速检索出用户所需的图像。     

基于分块主色调和纹理特征的彩色图像检索

提出一种基于分块主色调和纹理特征的彩色图像检索方法。该方法首先提取占彩色图像比重较大的前几种主色调,根据主色调将图像划分为不同分块,并以主色调作为各分块图像的颜色特征。然后,采用灰度共生矩阵算法,提取各分块的纹理特征。综合考虑各分块图像的颜色特征和纹理特征,从图像数据库中检索相似图像。实验结果表明,该方法具有较高的检索效率。     

基于空间分布差异度的分块彩色图像检索方法

传统的基于颜色直方图的彩色图像检索方法具有计算简单和尺度变化不敏感的优点,但传统的方法普遍存在丢失图像空间信息和特征维数较高的缺点。为克服上述缺陷,提出了一种基于空间分布差异度的分块颜色直方图图像检索新方法。该算法首先将图像进行划分,并计算图像各子块间的相似度;然后,对分块的图像进行空间分布差异度的计算,并由此确定各分块的权值系数;最后,对各子块的相似度进行加权累加从而得到整幅图像的相似度。实验表明,该算法能克服传统方法的弊端,并具有较好的平均查找性能。     

快速颜色特征提取改进算法研究

针对颜色特征提取这一图像识别和检索领域的研究重点,提出了一种在RGB颜色空间实现的颜色特征提取改进算法。首先,在RGB颜色空间通过对整幅图像分块进行灰色关联聚类,确定初始聚类中心,然后应用改进的灰色聚类算法进行聚类,最后提取特征颜色。实验表明本文算法不仅能够对近似纯色或具有简单纹理的物体表面特征颜色进行有效提取,还可有效提取较为复杂的图像特征颜色。     

基于改进颜色聚合向量与贡献度聚类的图像检索算法

为了提高图像检索的速度和准确率,通过分析各种聚类算法在图像检索中的缺点,提出了一种新的划分聚类的图像检索方法。首先,在对HSV模型非均匀量化的基础上,利用改进的颜色聚合向量方法提取图像的颜色特征;然后找到符合条件的特征向量作为初始聚类中心,利用分散度与贡献度进行聚类并建立特征索引库;最后根据查询图像的相似度进行检索和排序。实验结果表明,所提算法的查准率和查全率比其它算法均有较大提高。     

基于改进的ISODATA算法彩色图像分割

如何对彩色图像中的目标进行快速、精确的有效分割是计算机视觉和图像分析的重点和难点。提出了一种基于区域的彩色图像分割方法。该方法首先选择合适的彩色空间,提取出图像中的每个像素点的颜色、纹理、位置等综合特征,形成特征向量空间;在特征空间中,运用改进的ISODATA算法自适应地确定初始聚类数目和聚类中心,然后对图像进行聚类和区域分割,最后抽取出图像区域的特征,并与相类似的方法进行了比较实验。实验结果表明,该方法能够产生较好的分割效果及较快的分割速度,适合于基于图像区域检索系统,具有较好的应用价值。     

快速模糊C均值聚类彩色图像分割方法

模糊C均值(FCM)聚类用于彩色图像分割具有简单直观、易于实现的特点，但存在聚类性能受中心点初始化影响且计算量大等问题，为此，提出了一种快速模糊聚类方法(FFCM)。这种方法利用分层减法聚类把图像数据分成一定数量的色彩相近的子集，一方面，子集中心用于初始化聚类中心点；另一方面，利用子集中心点和分布密度进行模糊聚类，由于聚类样本数量显著减少以及分层减法聚类计算量小，故可以大幅提高模糊C均值算法的计算速度，进而可以利用聚类有效性分析指标快速确定聚类数目。实验表明，这种方法不需事先确定聚类数目并且在优化聚类性能不变的前提下，可以使模糊聚类的速度得到明显提高，实现彩色图像的快速分割。     

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.     

Color image segmentation based on multiobjective artificial bee colony optimization

This paper presents a new color image segmentation method based on a multiobjective optimization algorithm, named improved bee colony algorithm for multi-objective optimization (IBMO). Segmentation is posed as a clustering problem through grouping image features in this approach, which combines IBMO with seeded region growing (SRG). Since feature extraction has a crucial role for image segmentation, the presented method is firstly focused on this manner. The main features of an image: color, texture and gradient magnitudes are measured by using the local homogeneity, Gabor filter and color spaces. Then SRG utilizes the extracted feature vector to classify the pixels spatially. It starts running from centroid points called as seeds. IBMO determines the coordinates of the seed points and similarity difference of each region by optimizing a set of cluster validity indices simultaneously in order to improve the quality of segmentation. Finally, segmentation is completed by merging small and similar regions. The proposed method was applied on several natural images obtained from Berkeley segmentation database. The robustness of the proposed ideas was showed by comparison of hand-labeled and experimentally obtained segmentation results. Besides, it has been seen that the obtained segmentation results have better values than the ones obtained from fuzzy c-means which is one of the most popular methods used in image segmentation, non-dominated sorting genetic algorithm II which is a state-of-the-art algorithm, and non-dominated sorted PSO which is an adapted algorithm of PSO for multi-objective optimization.     

基于综合特征的图像分割

文章提出了一种有效的基于颜色和纹理综合特征的图像分割方法。将图像以块为单位进行划分,在YUV空间,提取块的颜色特征和纹理特征,在这种综合特征基础上,采用改进的K均值聚类法进行图像分割。该方法能自适应确定聚类中的参数,且兼顾点的位置连通关系,从而达到了较好的分割效果。     

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。     

一种基于重要位平面的鲁棒图像检索算法

以图像位平面原理为基础,结合噪声攻击特点(对高位平面影响较小),提出了一种基于重要位平面的鲁棒图像检索新算法。该算法首先从原始图像中提取重要位平面;然后选取重要位平面图像的颜色直方图作为颜色特征,选取重要位平面图像的颜色标准偏差作为空间特征;再综合利用上述颜色、空间两个特征计算图像间内容的相似度,并进行图像检索。仿真实验结果表明,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。特别地,该算法对光照、锐化、模糊等噪声攻击均具有较好的鲁棒性。