一种基于用户感兴趣区域的图像检索算法

利用图像全局特征的检索不能很好地检索用户想要的对象内容,而基于分割后各区域特征的检索又过分依赖于复杂的图像分割算法。针对上述两者的缺点,文中提出了一种基于用户感兴趣区域的图像检索算法。该算法首先对样例进行多分辨率树状分解,再由用户选择分解后的任意多个感兴趣的子图,提取子图的特征以进行相似性度量,并应用相关反馈以更好地捕获用户的检索意图。该方法无需对图像进行复杂的分割就能提取对象特征,且经由实验证明具有较高的查全率。     

一种基于感兴趣区域的图像检索算法

提出了一种基于感兴趣区域的图像检索算法，该算法以图像中用户感兴趣的目标为研究对象，使用一种改进了的区域分割算法对图像进行目标区域分割，采用伪Zemike矩提取分割出来的区域形状特征结合其它区域特征构成检索特征向量。本文还讨论了在检索系统中用户感兴趣的区域与分割后图像目标区域的映射关系。在实验系统中证明有较高的区域准确率。     

基于SVM的相关反馈图像检索研究

针对全局特征的图像检索不能很好地满足用户的意图和基于图像分割的检索过分依赖复杂的图像分割算法二者的不足,在基于子图的图像检索思想的基础上,给出了一种基于用户感兴趣区域的图像检索算法,并通过基于SVM的相关反馈算法来更好地捕获用户的检索意图。实验证明,该算法能发挥用户在检索过程中的作用,具有简单、高效、查全率较高的优点。     

基于聚类与边缘检测的自然场景文本提取方法

为了解决复杂自然场景、光照不均匀及背景纹理丰富图像中文本的有效提取,提出一种基于K-means聚类与边缘检测结合的自然场景文本提取方法.该方法通过改进K-means聚类算法,实现文本区域的分割;然后对分割后的图像进行二值子图分解,将分解后的各子图像的连通区域进行标记与分析,得到候选的字符区域;最后利用文本区域的边缘特征对候选字符区域过滤,实现文本字符的提取.实验结果表明,该方法能有效提取出复杂背景、光照影响及背景纹理丰富图像中的文本字符区域.     

基于ROI提取的多目标图像水平集分割

针对包含多个目标或目标灰度与背景灰度接近的图像分割问题,借鉴人类视觉系统的关注机制和多分辨性,提出一种多尺度框架下基于感兴趣区域提取的图像水平集分割方法。对原图像小波变换的低频分量图应用显著性特征提取出感兴趣区域,将图像域分成多个感兴趣子区域和一个背景子区域,在各目标子区域中,采用C-V模型方法进行曲线演化,并对各子区域分割结果进行合成。仿真结果标明,该算法能有效分割多目标图像。     

CT系列图像的三维层次化子块生长分割

准确地从CT系列图像提取感兴趣的组织是手术规划的基础,针对肝脏轮廓分割存在分割不全的问题,提出了基于三维区域生长算法的腹部CT图像分割方法。算法首先由用户选择若干个生长点,然后充分利用CT系列图像层间的相似性,提出基于子块的改进区域生长算法,实现三维的层次化子块区域生长,以更准确提取肝脏区域,其中生长准则由系统分析用户选择的生长点的邻域子块属性获得,以减少用户的干预。实验结果表明,算法能在较少的干预下快速分割出来CT系列图像中的肝脏轮廓。     

改进五叉树分解法在遥感图像检索中的应用

由于一幅遥感图像是对一定范围内的地表状态的成像,并且遥感图像具有多样性、复杂性、海量等性质,致使遥感图像检索往往是查询图像和图像库图像的局部区域之间的相似性匹配。为了提高遥感图像的检索效率,必须首先对遥感图像进行分解。提出了一种将遥感图像分层分解的遥感图像检索方法,该方法利用改进五叉树分解法将图像库图像按层次分解成不同大小的子图,在提取子图的纹理特征后,以查询图像和图像库子图之间的欧式距离衡量图像相似度,实现了遥感图像检索。利用海地地震时的航空遥感图像作为实验数据,应用改进五叉树分解法将遥感图像分解后,进行查询检索实验,并与普通五叉树进行了对比。实验结果表明利用改进五叉树分解法进行遥感图像分解后得到的分块图像,可以更精准地查询出用户真正感兴趣的部分,能够获得较高的查全率和查准率,提高查询效率。     

基于区域熵的图像检索

提出了一种新的基于区域熵的图像检索算法RECS，不仅利用图像的子块熵来描述图像的特性，而且依据熵信息的均值和方差将图像分割为高熵子图和低熵子图两部分。综合图像区域的颜色形状特征和分两步的图像检索过程，有效提高检索准确性的同时也节省了检索时间。实验结果表明，RECS算法对前景单一和前景复杂图像的检索效果同样令人满意。     

一种基于感兴趣内容的图像检索方法

在基于内容图像检索研究中,针对如何提取用户感兴趣的内容以提高检索效果的问题,该文根据用户选择的相似图像自动获取“感兴趣”区域,使用Fisher判别进行区域中“感兴趣”特征分量阈值的动态选择,并以该“感兴趣”特征分量及“感兴趣”区域作为用户感兴趣的内容进行图像检索。试验结果表明了该方法的有效性。     

一种基于前景与背景划分的区域图像检索方法及实现

区域图像检索(RBIR)是基于内容图像检索(CBIR)的一个分支,它以图像分割为基础,通过图像局部视觉特征的相似性进行图像检索。由于准确的图像分割技术尚不成熟,区域图像检索性能容易受到冗余分割和错误分割的影响。为了降低RBIR中图像分割的影响,提出了一种基于前景和背景划分的区域图像检索方法。该方法通过规则分块、图像分类和有效区域定位来得到图像分割区域,然后应用中心对象提取算法(COEA)获得图像主体对象,最后提取颜色和纹理特征进行相似度匹配。实现了一个基于上述方法的RBIR系统ObFind,实验结果表明该方法不仅具有与SIMPLIcity相当的检索性能,而且计算复杂度更低。