SVM用于基于块划分特征提取的图像分类

在基于内容图像检索中,图像的底层视觉特征和高层语义概念之间存在着较大的语义间隔。使用机器学习方法学习图像特征,自动建立图像类的模型成为一种有效的方法。本文提出了一种用支持向量机(SVM)实现自然图像自动语义归类的方法,基于块划分聚类得到特征向量作为SVM训练样本,实现语义分类器。由于参与聚类的是某类图像所有块的特征,提取的特征更能反映某一类图像特征。实验证明这种方法是有效的。     

基于深度学习的图像检索系统

基于内容的图像检索系统关键的技术是有效图像特征的获取和相似度匹配策略.在过去,基于内容的图像检索系统主要使用低级的可视化特征,无法得到满意的检索结果,所以尽管在基于内容的图像检索上花费了很大的努力,但是基于内容的图像检索依旧是计算机视觉领域中的一个挑战.在基于内容的图像检索系统中,存在的最大的问题是“语义鸿沟”,即机器从低级的可视化特征得到的相似性和人从高级的语义特征得到的相似性之间的不同.传统的基于内容的图像检索系统,只是在低级的可视化特征上学习图像的特征,无法有效的解决“语义鸿沟”.近些年,深度学习技术的快速发展给我们提供了希望.深度学习源于人工神经网络的研究,深度学习通过组合低级的特征形成更加抽象的高层表示属性类别或者特征,以发现数据的分布规律,这是其他算法无法实现的.受深度学习在计算机视觉、语音识别、自然语言处理、图像与视频分析、多媒体等诸多领域取得巨大成功的启发,本文将深度学习技术用于基于内容的图像检索,以解决基于内容的图像检索系统中的“语义鸿沟”问题.     

低级特征和语义特征相结合的医学图像检索方法

提出了一种将图像本身的低级特征和语义特征描述相结合的医学图像检索方法。首先提取图像的灰度特征、矩特征和纹理特征，进一步采用遗传算法进行最优特征的选择，由于这些低层特征对图像的描述与人类对图像的描述存在较大差异，直接利用这些特征作为检索依据常得不到满意的结果，因此需要进一步提取语义特征，将影像报告中医生给出的关于图像的描述作为语义内容进行相似性检索。实验结果表明，综合低级特征和语义特征的检索比仅利用低级特征的检索更接近于人的视觉理解。     

图像增强技术结合基于内容感知编组的图像检索

在传统的基于内容图像检索方法中,由于图像的领域较宽,图像的低级视觉特征和高级概念之间存在较大的语义间隔,检索效果不很理想.给出图像增强技术在贝叶斯框架下基于内容的感知编组规则的图像检索.经过图像增强技术处理后图像灰暗度及其色彩明暗提高,又通过感知编组提取图像颜色特征进行贝叶斯分类,并根据Lxaxbx空间彩色的距离判定条件来进行检索.经实验验证,该方法的检索效果比通常的方法有较大提高.     

基于SVM综合利用颜色和纹理特征的图像分类和检索

基于内容的图像检索和分类在多媒体数据库管理中得到了越来越多的重视。在体统的基于内容的图像检索方法中，语义间隔（semantic gap）常常会导致检索的效果不佳，利用支持向量机（SVM）可以很好的解决图像中的语义间隔。本文介绍了我们设计的基于SVM分别利用颜色特征和纹理特征的两种分类方法，在此基础上，我们提出了一种综合利用上述两个特征共同进行分类的方法。实验结果表明。综合特征要比单一特征分类效果更好。     

场景语义树图像标注方法

自动图像标注是一项具有挑战性的工作,它对于图像分析理解和图像检索都有着重要的意义.在自动图像标注领域,通过对已标注图像集的学习,建立语义概念空间与视觉特征空间之间的关系模型,并用这个模型对未标注的图像集进行标注.由于低高级语义之间错综复杂的对应关系,使目前自动图像标注的精度仍然较低.而在场景约束条件下可以简化标注与视觉特征之间的映射关系,提高自动标注的可靠性.因此提出一种基于场景语义树的图像标注方法.首先对用于学习的标注图像进行自动的语义场景聚类,对每个场景语义类别生成视觉场景空间,然后对每个场景空间建立相应的语义树.对待标注图像,确定其语义类别后,通过相应的场景语义树,获得图像的最终标注.在Corel5K图像集上,获得了优于TM(translation model)、CMRM(cross media relevance model)、CRM(continous-space relevance model)、PLSA-GMM(概率潜在语义分析-高期混合模型)等模型的标注结果.     

基于多语义特征的彩色图像检索技术研究

基于语义内容的图像检索已成为解决图像低层特征与人类高级语义之间"语义鸿沟"的关键.以性能优越的回归型支持向量机(SVR)理论为基础,结合重要的图像边缘信息及人眼视觉特性,提出了一种基于多语义特征的彩色图像检索新算法.该算法首先利用Canny检测算子提取原始图像的边缘信息,并得到低层纹理特征,同时利用SVR将低层特征映射到高级语义,以获得图像的高级纹理语义.然后结合人眼视觉系统感知特性,给出基于重要区域主要颜色的高级颜色语义.最后根据上述高级语义特征(纹理语义和颜色语义)进行图像检索.实验结果表明,该算法能够有效地对图像高级语义进行刻画,不仅图像匹配检索效果良好,而且具有稳定的检索性能,其对于缩小低层视觉特征与高级语义概念之间的"语义鸿沟"具有重要意义.     

基于智能体和本体的WEB图像检索模型

针对基于关键词WEB图像检索中的语义缺失问题,利用本体的方法描述WEB图像的语义特征,构建了基于智能体和语义特征的WEB图像检索模型,该模型以领域Ontology描述WEB图像的语义特征,通过多个Agent模块分工协作,完成满足用户请求的WEB图像检索.并在Corel提供的图像上进行了仿真实验,验证了该模型解决了基于关键词WEB图像检索模型中的语义缺失问题,提高了WEB图像检索速度和准确率.     

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．     

基于混合引力搜索的自适应特征提取算法

为提高基于内容的图像检索( CBIR)算法的检索性能,提出一种同时进行自适应特征提取和选择的CBIR算法。该算法通过同步特征提取和选择,减少低级视觉特征和高级语义之间的语义差距,使用参数化小波提高图像细节的准确度,利用混合引力搜索算法优化颜色直方图特征中母小波函数和量化间隔参数。在Corel收集的1000幅图像上的实验结果表明,相比最相关特征算法、引力搜索算法和支持向量机的融合算法、模糊颜色直方图和模糊字符串匹配的融合算法,该算法的检索精度较高,平均耗时较少。     

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.     

图像复原中边缘保持与稀疏先验模型的选择

考虑了广义高斯分布和马尔科夫随机场两类随机图像模型,提出相应的图像复原目标函数。分析了这两类模型在图像复原中的边缘保持性能,给出了它们具有边缘保持能力所需的条件。根据稀疏型先验的理论,指出在一定条件下这两类先验模型对图像具有稀疏表示特性,因此可以用于图像超分辨率复原处理。说明了边缘保持和稀疏先验之间的关系,为复原中图像先验模型的选择提供了参考。仿真实验表明,合理选择图像的先验模型,可以显著提高图像复原效果。     

个性化图像美学评价的研究进展与趋势

图像美学评价方法是当前研究的热点问题。图像美学评价分为大众化和个性化两种。大众化图像美学评价主要研究大多数人对图像共同的审美感知评估,而个性化图像美学评价可以针对用户的个性化审美感知进行评估。现有的研究工作主要集中在大众化图像美学评价上,但是由于人们对图像的审美体验具有高度主观性,研究针对特定用户的个性化图像美学评价方法更加符合现实意义。目前研究人员针对个性化图像美学评价展开了相关研究,并取得了一定的研究进展。但是现有的文献中缺少对个性化图像美学评价方法的综述,本文针对个性化图像美学评价的研究进展与趋势进行概述。首先分析图像美学评价的研究现状与发展趋势;然后针对现阶段的个性化图像美学评价模型进行概述,将现有的个性化图像美学评价模型总结为基于协同过滤的模型、基于用户交互的模型和基于审美差异的模型,并分析这3类模型主要的设计思路以及优缺点;最后介绍个性化图像美学评价在精准营销、个性化推荐系统、个性化视觉增强和个性化艺术设计上的应用前景,并指出未来研究工作在主观特性分析和知识驱动建模等方面的发展方向。     

Advanced feature extraction for keyblock-based image retrieval

Keyblock, which is a new framework we proposed for content-based image retrieval, is a generalization of the text-based information retrieval technology in the image domain. In this framework, keyblocks, which are analogous to keywords in text document retrieval, can be constructed by exploiting the vector quantization method which has been used for image compression. Then an image can be represented as a code matrix in which the elements are the indices of the keyblocks in a codebook. Based on this image representation, information retrieval and database analysis techniques developed in the text domain can be generalized to image retrieval. In this paper, we present new models named n-block models which are the generalization of the n-gram models in language modeling to extract comprehensive image features. The effort to capture context in a text document motivated the n-gram models. Similarly, the attempt to capture the content in an image motivates us to consider the correlations of keyblocks within an image. By comparing the performance of our approach with conventional techniques using color feature and wavelet texture feature, the experimental results demonstrate the effectiveness of these n-block models.     

科学仪器远程操作中样品图像

提出“金字塔”式网络传输模型,将图像按质量分成不同等级,根据用户网络速度发送不同等级的图像,使不同带宽用户最大程度上同步获取到图像。实验证明,该分级模型使不同带宽的用户获取图像时间都在几百个毫秒左右,解决了各用户由于网络速度不同或网络速度不稳定而造成获取图像不同步的问题。     

On Advances in Statistical Modeling of Natural Images

Statistical analysis of images reveals two interesting properties: (i) invariance of image statistics to scaling of images, and (ii) non-Gaussian behavior of image statistics, i.e. high kurtosis, heavy tails, and sharp central cusps. In this paper we review some recent results in statistical modeling of natural images that attempt to explain these patterns. Two categories of results are considered: (i) studies of probability models of images or image decompositions (such as Fourier or wavelet decompositions), and (ii) discoveries of underlying image manifolds while restricting to natural images. Applications of these models in areas such as texture analysis, image classification, compression, and denoising are also considered.     

Web-based image indexing and retrieval in JPEG compressed domain

As the majority of content-based image retrieval systems operate on full images in pixel domain, decompression is a prerequisite for the retrieval of compressed images. To provide a possible on-line indexing and retrieval technique for those jpg image files, we propose a novel pseudo-pixel extraction algorithm to bridge the gap between the existing image indexing technology, developed in the pixel domain, and the fact that an increasing number of images stored on the Web are already compressed by JPEG at the source. Further, we describe our Web-based image retrieval system, WEBimager, by using the proposed algorithm to provide a prototype visual information system toward automatic management, indexing, and retrieval of compressed images available on the Internet. This provides users with efficient tools to search the Web for compressed images and establish a database or a collection of special images to their interests. Experiments using texture- and colour-based indexing techniques support the idea that the proposed algorithm achieves significantly better results in terms of computing cost than their full decompression or partial decompression counterparts. This technology will help control the explosion of media-rich content by offering users a powerful automated image indexing and retrieval tool for compressed images on the Web.J. Jiang: Contacting author     

中国图像工程：2005

该文是关于中国图像工程的年度文献综述系列之十一.为了使国内广大从事图像工程研究和图像技术应用的科技人员能够较全面地了解国内图像工程研究和发展的现状,并能够方便地查询有关文献,现从2005年在国内15种有关图像工程重要中文期刊的共112期上发表的2 734篇学术研究和技术应用文献中,选取出了656篇属于图像工程领域的文献,并根据各文献的主要内容将其分别归入图像处理、图像分析、图像理解、技术应用和综述5个大类,再进一步分入23个专业小类（今年结合国内图像工程的发展,增加了两个有关新热点的类别）,然后在此基础上进行了各类文献的统计和分析.由统计分析结果可看到我国图像工程在2005年许多新进展的情况.特别值得指出的是,在上述15种期刊上所发表的图像工程文献数量在2005年达到历史最高,显示了图像工程研究在中国继续发展的趋势.     

结合混沌与提升小波的多功能图像水印系统

基于混沌系统和提升小波变换提出了一种新的图像多功能数字水印系统。首先,对图像整体进行3级提升小波变换,将实现版权保护功能的不可见水印经广义Arnold映射置乱后嵌入图像小波低频系数,嵌入算法采用一种新的双参数量化算法,并能进行盲提取。然后,在图像空域嵌入实现版权通知功能的可见水印,嵌入算法采用加权融合方式,嵌入权重系数由三维混沌系统序列确定。实验结果表明,可见水印能被合法者完全消除,但很难被非法者消除;不可见水印对图像的质量影响很小,并对常规图像处理操作具有良好的鲁棒性。