基于对象空间关系的图像检索方法研究

描述了图像中对象之间的拓扑关系、投影间隔关系和角度关系,给出了不同空间关系距离的定义,提出了集成查询图像与数据库图像中共有对象数目和空间关系的图像相似性度量方法。实验证明,利用该相似性度量方法实现的图像检索系统的检索精度是较高的。     

图象对象空间关系度量方法研究

针对图像数据库中空间查询的需求,将拓扑关系和方向关系结合,在二维投影间隔空间关系模型基础上,提出了一种新的拓扑、方向关系的度量方法。所提出的度量方法提高了空间关系相似性的度量精度,从而有效地提高了图象对象空间关系查询的准确性。     

基于内容图像检索中的特征性能评价

在基于内容的图像检索中，不同图像特征反映了图像各个侧面的内在特性，因此，在使用图像特征进行检索时存在多种相似性度量方法．特征以及特征间相似性度量方法的选取是当前CBIR研究的一个重要课题．评估了CBIR系统中使用的图像特征在不同相似性度量方法下及多种特征在不同图像库上的检索性能，为CBIR系统的设计和实现提供一定的依据．通过实验发现，图像特征的检索性能不仅同相似性度量方法有关系，同时与图像库也有密切的关系．     

基于核方法的光谱角制图模型及其在高光谱图像分割中的应用

在分析传统光谱角制图方法的几何属性和相似性度量特点的基础上，提出一种新的光谱相似性度量方法。该方法首先利用非线性变换将原始光谱向量变换到一个新的特征空间。其次，在特征空间中，利用协方差矩阵的非零特征向量构造了一组正交基，并将变换后的光谱向量投影到特征空间中的正交基上。高光谱图像分割实验结果表明该方法在光谱相似性度量上优于传统的光谱角制图方法。     

顾及降维的多尺度空间关系广义一致性度量

目的 多尺度空间关系一致性评价是多尺度空间数据冲突检测或数据匹配的重要环节,现有方法主要集中于相同或相近比例尺空间关系的相似性计算,对尺度跨度较大、发生维度变化情形的一致性评价考虑较少,且定性的概念距离度量方法难以适用于具有维度差异的多尺度空间数据。针对上述问题,提出一种顾及降维的多尺度空间关系广义一致性度量方法。方法 首先,引入同名对象概念,分析多尺度范畴下同名对象的表现特征。考虑到维度变化对空间关系的影响,结合并扩展已有的空间关系度量方法,分别提出了广义的拓扑关系、方向关系、距离关系相似性度量方法。然后,构建小尺度场景的同名对象邻近关系图,为减少一致性计算代价,依据不同空间关系特点将邻近关系图化简为各类空间关系邻近图。最后,通过依次计算各类空间关系的相似性值和联合相似性值来判断多尺度场景空间关系表达的一致性。结果 通过对1:1万基础地理数据和1:5万派生数据进行空间关系相似性的定量计算分析,并与现有概念距离方法进行比较,验证了本文方法能更精确地度量尺度跨度较大的空间关系一致性。结论 该评价方法具有广泛适用性,可用于辅助地图综合、多尺度空间数据匹配以及多尺度空间数据建库等过程。     

基于图像主色特征的CBIR

CBIR（Content Based Image Retrieval）是当前多媒体检索的热点。颜色特征是图像检索的重要特征。为了提高颜色特征的检索效果，在提取图像主色特征的基础上，进一步提取了相应的主色空间分布信息－主色矩特征，并建立了图像主色特征的描述模型。在改进加权二次型相似性度量方法的基础上，提出主色多特征相似性度量方法，并对几种不同的相似性度量方案进行了对比，其中DCME方法在WWW发布方式的CBIR原型系统上取得了较好的实验结果。     

基于EMD度量的图像匹配技术

图像匹配是图像处理中的一项重要技术,在许多领域都有广泛的应用.简单地说,它就是找到两幅不同图像之间的空间位置关系.对一种衡量图像之间相似性的推土机距离EMD度量做了介绍,提出了一种基于EMD度量的图像匹配方法.实验结果表明,运用此种技术进行图像匹配相对一些其它的图像匹配方法有更好的效果.     

基于主色选择的CBIR检索

基于内容和图像检索（CBIR）是多媒体检索研究的前沿课题，利用颜色特征作为索引进行图像检索是最重要的战术，在提取图像主要颜色特征的基础上，进一步提取了相应的主色空间分布信息-主色矩特征，作为图像库的索引，在改进加权二次型相似性度量方法的基础上，提出了相应的主色多特征相似性度量方法，由于用户对图像中不同的主色具有不同的检索要求，提出了主色调选择的用户模型，用于更精确的图像检索，实现了WWW发布方式的CBIR原型系统，实验结果表明加入主色选择使得图像检索的效果更好。     

一种改进的JSD距离的空间直方图相似度度量及目标跟踪

空间直方图是直方图的一种推广, 它能更精确地描述图像(或目标), 被应用到目标跟踪和图像检索等多个领域, 选择一种合适的度量两个空间直方图之间相似性的方法至关重要. 本文提出一种基于改进Jensen-Shannon divergence (JSD) 距离的空间直方图相似性度量, 将空间直方图中每个区间所对应像素的颜色特征和空间特征的联合分布看作一个带权重的高斯分布, 然后计算两个空间直方图对应区间之间的相似度, 即计算两个带权重的高斯分布之间的改进的JSD距离. 本文在计算JSD距离时充分利用高斯分布的权重, 从而提高了度量方法的区分能力. 理论和实验证明了本文提出的相似性度量的区分能力优于Ulges的度量方法, 视频跟踪结果也更稳定、更精确.     

基于复杂对象分解的相似性计算方法

针对目前常用的相似性度量方法难以满足复杂对象的相似性计算要求,提出了一种基于复杂对象结构分解的分层相似性度量方法。根据属性间的关系紧密程度将复杂对象结构迭代分解,直至基于分解后的简单对象结构的对象可以使用传统相似性度量方法计算对象间的相似性。分解过程可以得到树型结构的对象结构划分。在此基础上,利用树型的对象结构从叶节点向根方向对对象逐层进行相似性度量,最终得到复杂对象的相似性综合度量。结合某大型电信运营商的套餐数据进行应用分析,证明该方法具有较好的性能。