基于DSMVQ和S+P变换的图像压缩算法

提出了一种用于图像压缩的动态边匹配有限状态矢量量化(DSMVQ)算法，该算法通过S+P变换方法，对图像进行多级小波变换，利用3个方向上各自小波系数之间的相关性，构造符合图像特征的跨频带矢量，利用DSMVQ进行量化，采样了基于人眼视觉特性的加权均方误差准则，提高了图像的编码效率和重构质量。试验结果表明，该算法实现简单，在较低的编码率下，可达到较好的压缩效果。     

一种基于小波变换新型的图像压缩算法

提出基于一种基于小渡变换的新型图像压缩算法,该算法在对图像进行多级小波变换后,利用3个方向上各自小波系数之间的相关性,构造符合图像特征的跨频带矢量,依据矢量能量和零树矢量综合判定进行矢量分类,并采用了基于人眼视觉特性的加权均方误差准则和基于成对最近邻算法(PNN)的LBG算法进行矢量量化,提高了图像的编码效率和重构质量.仿真结果表明,该算法实现简单,在较低的编码率下,可达到较好的压缩效果.     

残差增强的图像描述符

针对增大视觉码书在提高图像全局描述符——局部特征聚合描述符(VLAD)精度的同时会增加VLAD存储开销的问题,提出一种基于2层结构层次视觉码书生成残差增强的图像全局描述符EVLAD.离线码书生成阶段,首先通过K-means算法生成第1层视觉码书,然后基于量化残差最小化原则非均匀地生成第2层各视觉子码书.在线EVLAD生成阶段,图像局部特征首先面向细粒度的第2层视觉子码书生成量化残差;然后面向第1层视觉码书进行聚集生成各子向量,EVLAD即为各子向量的串联结果,为了抑制特征空间爆发现象,各子向量和串联结果分别进行了L_2归一化.实验结果表明, EVLAD精度优于VLAD和其他各种改进方法.     

结合注意力模型与双峰高斯分布的深度哈希检索算法

哈希检索因为具有存储空间小、检索速度快的特点而受到广泛关注.目前深度哈希算法存在2个主要问题:深度哈希编码本质上是二值化特征,并且编码长度较短,存在特征表达能力有限的问题;已有的深度哈希算法无法直接通过反向传播学习离散哈希编码,通常将离散值松弛为连续值来优化学习,存在量化误差的问题.针对以上问题,提出一种结合注意力模型和双峰高斯分布的深度哈希检索算法.该算法设计嵌入空间和通道注意力模型的网络结构,关注重要特征并抑制不必要特征,增强了哈希编码的特征表达能力;同时为了解决量化误差问题,将均值为+1/-1的双峰高斯分布作为先验分布,并借鉴变分自编码机的思想,提出通过KL散度约束哈希编码分布服从先验分布,以减少量化误差.在3个基准数据集CIFAR-10,ImageNet,NUS-WIDE上,在不同码位下计算MAP结果显示,其MAP值优于对比的其他算法,取得了良好的检索效果,验证了文中算法的有效性.     

基于峭度准则的稀疏编码算法与仿真研究

针对自然图像压缩收敛速度慢的问题,提出一种新的基于峭度的绝对值和固定系数方差的稀疏编码SC(Sparse Coding)算法。该算法采用稀疏性惩罚函数来表示峭度大小,同时保证了图像特征系数的分散性与独立性,并维持图像重构误差和稀疏惩罚函数之间的平衡,能够更有效地提取图像的边缘特征和局部特征。通过选取合适的特征基函数,有利于加快所提出的SC网络的收敛速度。应用该算法可以成功地提取自然图像的特征基向量,进一步利用特征系数的稀疏性,有效实现自然图像的压缩。仿真实验结果表明,与基于标准独立分量分析(ICA)和离散余弦变换(DCT)的图像压缩方法相比,基于峭度准则的稀疏编码图像压缩方法具有较快的收敛速度及较好的有效性和实用性。     

几何误差和数值误差最小化的Zernike矩

形状特征提取和表示是基于内容图像检索的重要研究内容之一.提出一种几何误差和数值误差最小化的Zernike矩方法,并且把这种方法应用于形状特征提取和表示.该方法把图像中的兴趣区域映射到单位圆里,通过计算变换后图像在Zernike多项式上的投影来取得Zernike矩,并且通过把心理生理学的研究成果引入Zernike矩的计算过程来提高系统的检索性能.通过实验对传统Zernike矩方法、几何误差和数值误差最小化的Zernike矩方法进行了比较,发现从重构角度采用几何误差和数值误差最小化的Zernike矩方法优于采用传统Zernike矩方法.而从检索角度采用几何误差和数值误差最小化的Zernike矩方法的系统比采用传统Zernike矩方法的系统具有更好的检索性能.     

基于黎曼流形稀疏编码的图像检索算法

针对视觉词袋（Bag-of-visual-words,BOVW）模型直方图量化误差大的缺点,提出基于稀疏编码的图像检索算法.由于大多数图像特征属于非线性流形结构,传统稀疏编码使用向量空间对其度量必然导致不准确的稀疏表示.考虑到图像特征空间的流形结构,选择对称正定矩阵作为特征描述子,构建黎曼流形空间.利用核技术将黎曼流形结构映射到再生核希尔伯特空间,非线性流形转换为线性稀疏编码,获得图像更准确的稀疏表示.实验在Corel1000和Caltech101两个数据集上进行,与已有的图像检索算法对比,提出的图像检索算法不仅提高了检索准确率,而且获得了更好的检索性能.     

基于双线性迭代量化的哈希图像检索方法

针对迭代量化哈希算法未考虑高维图像描述符中呈现出的自然矩阵结构,当视觉描述符由高维特征向量表示并且分配长二进制码时,投影矩阵需要昂贵的空间和时间复杂度的问题,提出一种基于双线性迭代量化的哈希图像检索方法。该方法使用紧凑的双线性投影而不是单个大型投影矩阵将高维数据映射到两个较小的投影矩阵中;然后使用迭代量化的方法最小化量化误差并生成有效的哈希码。在CIFAR-10和Caltech256两个数据集上进行实验,实现了与最先进的8种哈希方法相媲美的性能,同时具有更快的线性扫描时间和更小的内存占用量。结果表明,该方法可以减轻数据的高维性带来的影响,从而提高ITQ的性能,可广泛服务于高维数据长编码位的哈希图像检索应用。     

基于遗传算法的图像检索中特征权重自动调整

综合多种特征的图像检索可以克服使用单一特征带来的问题,如何组织这些特征使其发挥最佳作用是基于内容图像检索中的一个难点。提出了一种基于遗传算法的多特征权重自动赋值方法,首先将图像检索中特征权重调整问题转换为优化问题,进一步利用遗传算法求取权重的最优解,使检索效果达到最好。实验表明,该方法查全率和查准率较高,并且具有较强的鲁棒性和推广能力,对于各种特征和特征表示方法,都能够提供最佳的组合。     

基于模糊颜色量化的图像检索

颜色量化是基于颜色特征的图像检索的一个重要方法。在颜色量化中引入模糊集合理论,提出了一种基于人的主观视觉感知的模糊颜色量化方法,以减小量化误差和适应人的感知模糊性,根据此方法提取模糊颜色-空间特征用于图像检索。实验结果显示了模糊量化方法的有效性和检索算法较高的检索准确性。     

利用遗传算法和特征权重调整的图像检索

综合多种特征的图像检索可以克服使用单一特征带来的问题,如何组织这些特征使其发挥最佳作用是基于内容图像检索中的一个难点。提出了一种基于遗传算法相关反馈的图像特征权重调整方法,利用遗传算法和特征权重的调整,缩小低层特征和高层语义之间的语义鸿沟,使检索效果在很短的时间内达到最好。实验表明,该方法查全率和查准率较高,对于各种特征的组合,都能达到最佳的检索效果。     

一种改进的基于颜色-空间特征的图像检索方法

颜色量化是基于颜色图像检索的一个热点。由于量化边界处的颜色具有连续性和相似性,文章提出了一种改进的基于模糊量化的颜色量化方法,以减小量化误差,使量化方法更接近于人的主观视觉感知。基于这种量化方法,提出了一种基于颜色—空间特征的检索算法,采用了一种相似度量方法以利用相同直方图区间内的像素统计与空间信息之间的相关性。实验结果表明该方法具有较高的检索有效性。     

基于堆叠乘积量化的图像特征反馈性检索仿真

采用当前方法检索图像中存在的特征时,检索特征所用的时间较长,检索得到的特征数量较少,存在检索效率低和召回率低的问题。提出基于堆叠乘积量化的图像特征反馈性检索方法,结合乘积量化算法和加法量化算法得到堆叠乘积量化算法,通过堆叠乘积量化算法对图像进行降维处理,去除图像中存在的冗余信息和无用数据。在亮度、色彩和梯度三个方面对降维处理后的图像进行检索,获得图像的亮度特征、色彩特征和梯度特征,实现图像特征的反馈性检索。仿真结果表明,所提方法的检索效率高、召回率高。