快速JPEG图像检索方法

本文给出了一种基于归一化化转动惯量(NormalizedMomentInertia,NMI)的JPEG图像快速检索方法,其特点是直接在压缩域中利用DCT系数进行块分类,每一类分块形成一个二值索引图,统计该索引图的NMI值作为该类的一个特征,所有类的NMI特征构成了图像的一个特征序列,以此进行图像检索。本方法不需要完全解压缩,降低了计算复杂度,对图像的平移,旋转和尺度变换有较好的鲁棒性。试验结果表明这种图像检索方法具有良好的检索性能。     

一种快速JPEG图像检索方法

给出了一种基于归一化转动惯量（Normalized Moment Inertia,NMI)的JPEG图像快速检索方法,其特点是直接在压缩域中DCT系数进行块分类,每一类分块形成一个直值索引图,统计该索引图的NMI值作为该类的一个特征,所有类的NMI特征构成了图像的一个特征序列,以此进行图像检索。本方法不需要完全解压缩,降低了计算复杂度,对图像的平移,旋转和尺度变换有较好的鲁棒性,试验结果表明这种图像检索方法具有良好的检索性能。     

快速JPEG图像检索方法

本文给出了一种基于归一化化转动惯量(Normalized Moment Inertia,NMI)的JPEG图像快速检索方法,其特点是直接在压缩域中利用DCT系数进行块分类,每一类分块形成一个二值索引图,统计该索引图的NMI值作为该类的一个特征,所有类的NMI特征构成了图像的一个特征序列,以此进行图像检索.本方法不需要完全解压缩,降低了计算复杂度,对图像的平移,旋转和尺度变换有较好的鲁棒性.试验结果表明这种图像检索方法具有良好的检索性能.     

基于聚类的图像视觉内容检索和索引

图像是一种典型的可以大量获取的多媒体数据，对它们进行内容管理具有实际意义，描述在BOIC系统中提出并实现的基于聚类机制的图像视觉内容检索和索引方法．首先给出以视觉特征、空间结构、语义注释等来表示图像内容的模型；然后给出基于该模型的三个检索算法，包括基于视觉感知的颜色检索算法、轮廓检索算法、主色调扩展检索算法；最后给出采用集簇算法时媒体数据进行聚类的索引机制．它建立聚类索引表来缩小查询范围，从而提高了检索效率。     

一种压缩域特征提取与语义图像检索技术

为了解决“语义鸿沟”问题，通过将隐含语义索引(LSI)技术引入到图像语义提取问题的研究中，试图从图像的视觉特征中抽取出“高层概念”．基于GM(1，1)压缩域中的一种图像特征，提出了一种建立“图像视觉特征”与“语义信息”之间映射的技术方法．实验研究表明，这种基于压缩域特征和LSI技术的图像检索方法能显著改善图像检索的性能，提高图像检索的质量．     

全文检索字索引技术的研究与实现

针对中文全文检索字表法检索索引的创建，提出了快速的建立方法，并根据中文文体的特点，提出了有效的索引压缩方法。实验表明，使用虚拟内存技术可以大大节省索引的建立时间；采用字节对齐的索相压缩技术，不但可以有效地减少索引占用的磁盘空间，而且可以加快检索时间，索引的空间和时间效率都得以提高。     

基于颜色常量的图像特征提取及其降维方法

在图像特征提取过程中,为了提高图像检索中的抗光照影响能力和检索效率,给出了图像颜色索引提取的一种方法-颜色常量方法,利用该方法能减少光照强度变化对颜色检索的影响;给出了图像检索中的一种颜色特征降维方法-主分量分析方法,利用该方法能有效减小特征数据库的大小,提高图像的匹配速度.实验结果表明,给出的方法不但能有效地减少光照强度变化和噪音对图像颜色检索的影响,而且能够有效地提高检索的效率,检索的结果能较好地接近于人们的视觉感知结果.     

基于色彩主特征的快速图像检索

提出了一种新颖而又简单直观的图像索引机制。这种方法通过统计图像数据库的低层像素特征，用中值切割法构建索引树，把自然景物图像数据库分成易于描述的不同视觉主题，并籍此来进行高效的图像检索。索引树的构建有别于传统的完全基于数值本身的聚类方法，因而聚类结果视觉含义更明显。本文以颜色主题为例实现了此方法，并通过实验论证了方法的高效和快速。图像索引码以二进制形式给出，因而所需存储空间也极小。     

FAC-file索引在文物数字博物馆检索系统中的应用

建立文物图像数据库是建立文物数字博物馆的基础,在基于物理特征检索的图像数据库系统中应用了FAC-file这种索引方法,并对系统的检索性能进行测试。对采用索引结构和未采用索引结构的检索时间进行了对比,同时也对FAC-file索引方法的焦点数和索引文件大小进行了分析。测试结果验证了这种索引方法的有效性。     

基于分形编码拓扑特性的图像检索

为了更有效、更准确地进行图像检索，提出了一种利用分形编码这项重要的拓扑特性来处理图像索引的新方法，即将图像经分形编码，首先得到每张图像的迭代函数，然后将其伴随图像存人数据库中，成为该图像的索引文件最后对数据库进行搜索时，则通过对此索引文件的比对来找出与查询图像相似的图像。反观使用其他方法建立的图像索引数据库，则无法证明其建立的索引文件具有上述特质。实验显示，图像经过分形编码所表现出的几何性质以及独特的有效性和鲁棒性，证明该方法是一个更有效率、准确度高的检索方法。     

跨域图像检索综述

受成像载体、成像光谱和成像条件等的影响,跨域图像在不同领域的应用日益增多,跨域图像检索已成为了许多领域研究的热点和前言。然而图像的跨域检索面临着图像视觉偏差的问题,通过传统同域图像检索的方法无法有效地得到结果。通过文献调研,系统梳理了近年来跨域图像检索领域的代表性方法。对跨域图像检索任务作出了简要说明并指出了关键问题;根据图像域的不同转换阶段,将跨域图像检索方法分为两类：基于特征空间迁移和基于图像域迁移的跨域图像检索方法,并对两类方法进行了系统总结和分析;整理了跨域图像检索在不同领域的数据集,对比了各类方法的性能;总结了现有跨域检索方法并对未来的研究方向进行了展望。     

改进颜色和小波变换纹理的图像检索方法研究

针对传统图像检索无法体现对检索示例图像中多个不同对象的检索要求程度的问题,提出一种改进颜色特征和小波变换纹理特征的图像检索方法。首先提取出图像的多个感兴趣区域,由感兴趣的不同程度分别赋予不同大小的权值;然后提取颜色特征和纹理特征,分别用对应位置相似度计算、感兴趣区域与检索数据库中图像整体的相似度计算和整体检索示例图像与检索图像数据库中图像相似度计算三种不同方法计算出两幅图像的相似度,取最大的相似度作为两幅图像的最终相似度;对检索示例图像与检索数据库中每个图像的相似度按大小进行排序,选择最相似的图像作为检索结果。实验结果表明,该方法提高了对图像检索的性能,体现了个性化检索,对图像检索具有很好的效果。     

基于半监督学习的一种图像检索方法

为了提高图像检索的质量, 提出了一种基于半监督学习的图像检索方法。该方法提取图像的颜色、形状、纹理特征, 计算得到已知类别样本的中心图像, 检索过程中利用中心图像自适应调整相关度计算函数, 然后根据与查询图像相关度的大小对图像进行检索和排序。实验结果表明：该方法较已有的基于内容的图像检索方法有更高的查准率, 同时, 由查准率—查全率曲线可知该方法能够达到很好的检索质量。     

可拓方法在图像检索的应用

图像检索技术不断发展,基于文本的检索技术逐渐成熟,但是基于内容的图像检索技术还在探索阶段.在简单介绍图像检索技术的基础上,提出一种可拓方法应用于图像检索的的图像检索方法,并简单分析了其优缺点.     

基于整体区域相似的互动式图象检索模型

高效的基于内容的图象检索在许多领域得到了广泛的应用 ,基于内容的图象检索研究领域已经建立了一些系统 ,但在实际使用中 ,这些系统均有如下欠缺 :(1)这些系统均期望以相同的方法来处理各种不同类型的图象检索 ;(2 )这些系统在设计时 ,均缺乏从使用者的需求出发 .实际上 ,由于不同的检索方式是针对不同类型的图象 ,为此 ,提出了一个基于整体区域相似匹配的图象互动式检索系统 ,该系统是一个基于小波变换的特征提取和图象整体区域相似的、语义分类和互动方法的图象检索系统 .与其他检索方法相比较 ,此方法允许自适应查找和互动 ,因此可缩小查找范围 ,以提高检索效率 .实验结果表明 ,该系统比其他一些系统精确和高效     

全局及其个性化区域特征的图像检索

交通领域个性化图像检索的关键是根据业务需求通过重点监控车辆的个性化特征 在海量数据库中进行匹配,其目的是捕获与重点监控车辆相关的卡口信息。目前的图像检索算法包括基于文本的图像检索、基于内容的图像检索方法和基于语义的图像检索。针对交通领域的图像检索需求,提出了一种基于全局以及个性化感兴趣区域特征的图像检索算法。通过使用交通图像库进行检索验证,对个性化特征进行精准滤除,从而得到准确的检索结果。实验表明,此种基于全局特征结合个性化感兴趣区域特征的图像检索算法解决了CNN高层特征对个性化局部特征描述能力低、检索耗时等问题,并通过个性化局部特征提高了检索效果,使得检索率、平均准确率都达到90%,呈现出较好的检索效果,计算速度快,具有较强的鲁棒性和实用性。     

一种基于内容的图像检索界面

基于内容和对象的图像压缩和检索是下一代的图像处理技术,具有较广阔的应用前景。目前该领域的研究主要从设计方便、快捷的用户查询界面和发展图像数据库检索技术两方面展开。为此,该文提出了一种基于内容的图像检索用户界面的设计方法来满足用户复杂的检索要求。在图像的检索过程中,通过用户组合图标的方法来描述检索要求,同时将图像的颜色和空间信息相结合进行图像查询,并借助用户的反馈信息实现系统的自学习功能,最终逐步提高系统图像检索的速度和准确性。     

基于云计算的医学图像检索系统

为了提高海量医学图像检索效率,提出一种基于云计算的医学图像检索系统。采用Brushlet变换和LBP算法提取医学示例图像的频域和空域特征,采用具有分布式、并行处理能力云计算将任务分配到各个工作节点共同完成医学图像检索,采用仿真实验对系统的性能进行测试。结果表明,相对于B/S单节点的医学图像检索系统,云计算的医学图像检索系统提高了图像检索速度和效率,尤其对于大规模医学图像检索优势更加明显。     

几种基于内容的图像检索的方法

基于内容的图像检索(CBIR)技术依赖于对图像特征(例如颜色直方图、纹理、草图、形状等)的提取,相对于传统的基于文本的图像检索方式,这种方式提高了检索效率和检索的准确率。文中主要介绍了基于颜色和基于纹理特征这两种特征提取方法。这两种方法既能够反映全局特征,又能够兼顾所感兴趣区域的局部特征,是基于内容的图像检索的两种非常有效的方法。     

基于Hadoop的大规模图像存储与检索

图像数据的指数型增长使得传统单机的图像检索在处理大规模图像时面临着检索速度慢、并发性差、检索准确率低的问题。由于图像特征文件都是小文件,本文提出将图像特征小文件进行适当的合并后存储于Hadoop的分布式文件系统HDFS中,实现大规模图像的快速存储和读取;为了适应大规模的图像检索,对图像Fisher向量进行二值化处理,并利用MapReduce并行编程模型实现基于二值Fisher向量和SIFT(Scale Invariant Feature Transform)特征的并行检索。在INRIA Holidays数据集、Kentucky数据集和Flicker1M数据集上的实验结果表明该方法扩展性强,能够取得较好的检索准确率,有效减少检索时间,提高检索速度,是一种高效的大规模图像存储和检索的方法。