基于字符串匹配技术的图像检索算法

为提高图像检索的效果,提出了一种基于字符串匹配技术的图像检索算法。该算法根据人眼的视觉特性及方块编码(BTC)的原理首先对图像进行分割,构造对表征图像内容有意义的图像特征。在此基础上,根据字符出现的概率对字符表征意义的重要性,把图像特征动态映射成字符串形式,然后采用字符串匹配技术进行图像检索。该算法不仅利用了图像中的边缘及纹理分布,而且将字符串匹配技术引入到图像检索中,在提高检索率的同时又加快了检索速度。实验结果表明,该算法具有较高的检索效率。     

基于颜色和形状的图像检索

提出一种新的基于颜色和形状的图像检索方法.将彩色图像转换到HSV空间将彩色图像转换到HSV空间,同时将检索图像分块,分别计算每个子块图像的颜色信息熵和中心矩;同时利用Harris算法提取检索图像的兴趣点,计算兴趣点环形空间分布的颜色信息熵和中心矩,以此表征图像的形状特征.针对颜色和形状特征进行高斯归一化,分别计算图像颜色和形状的相似度.最后,利用颜色和形状相似度的加权和进行图像检索.试验结果表明本文算法比CCSI算法和SCH算法具有较高的检索率.     

基于空间分布的图像检索算法研究

针对利用颜色直方图进行图像检索时存在的问题,提出了一种基于空间分布特征的图像检索算法.首先将图像分解为8个位平面,并采用其中对表征图像结构特征有意义的4个位平面的分布特征对图像内容进行描述,同时,为避免图像中像素灰度值的微小变化对位平面的影响,又提出采用位平面的格林码表示方法.考虑到位平面之间的相关性,设计了权值矩阵,采用马氏距离进行相似性度量.实验结果表明,该算法利用位平面分解的方法来提取颜色的空间分布信息,可避免颜色量化引起的误检问题,而且提取的特征矢量维数较低,具有较高的检索率.     

基于内容图像检索的关键技术探析

围绕基于内容图像检索中的关键技术,系统地研究图像各种特征的提取技术。主要包括图像的颜色特征、形状特征以及颜色的空间分布特征以及相关反馈技术,介绍多特征提取的特点,并对CBIR技术的未来发展做展望。     

一种快速图像纹理分析算法

针对目前的纹理分析算法普遍存在计算复杂、运行时间过长的缺点,提出了一种新的图像纹理分析算法。该算法利用差分概念定义出图像的差分矩阵和差分直方图,并从差分直方图中提取特征进行图像纹理的相似度度量。由于本算法在考虑人类视觉特性的基础上尽量采用加减运算,因此不但具有与人类视觉特性相联系的特点,更使得算法的运行效率大大提高。使用本算法对brodatz 图像库进行的检索实验表明,该算法在查准率和检索效率上与共生矩阵算法相比分别提高13.9160%和 9.5 倍,具有与传统算法相比更好的检索效果和更高的检索效率。因此该算法可以满足实时性要求较高的场合,弥补了目前算法运行时间长的缺点。     

综合PHOG和LWT的图像检索算法

目的研究物体的形状特征在图像描述及图像检索中的区分度和检索性能。方法设计一种综合PHOG形状和提升小波变换的图像检索算法。算法首先对原始图像进行极坐标系方向归一化,提取图像旋转不变特征;其次提取分层图像的PHOG形状特征;然后提取分层图像低频变换系数均值和方差作为提升小波变换特征;最后将各种特征进行融合并用于图像检索,并定义距离衡量公式。结果通过文中设计算法提取的图像形状特征可使各标准测试图像间距离均值为0.2352。结论在Corel图像集上的检索实验结果优于RIM算法和FWTH算法,表明文中算法图像检索领域具有一定的应用前景。     

逆向学习耦合多属性查询的图像排序/检索优化算法研究

目的提出逆向学习耦合多属性查询的图像同步排序/检索优化算法,以解决当前算法检索效率与精度不高等问题。方法引入逆向学习概念,利用复杂无损函数,设计图像检索机制,优化训练误差。考虑查询项属性相关性,将训练图像分割成多个子集,联合权重因子,构造图像排序模型。对于给定的多属性查询,文中算法可以利用查询项中隐含的单词属性完成检索。结果文中算法支持多标记查询,与当前图像排序搜索机制相比,在多属性查询条件下,文中算法具有更高的检索精度(当查全率为80%时,精度较对照组分别提高了8.3%和13.2%)与效率。结论文中算法能够支持多属性查询,能进一步增加检索精度。     

基于包装外观特征图像内容检索方法研究

针对包装外观特征图像信息在图像数据特征的表述、图像内容的检索方法上进行了阐述,并对图像中的颜色特征、纹理特征、轮廓特征进行了表述分析,以便于图像特征的提取和图像内容的匹配,从而实现图像内容的检索,为图像数据库的储存、检索、处理提供相应的处理技术。     

利用Krawtchouk矩不变量实现基于形状的图像检索

图像在经过平移、旋转和尺度变化后是否仍具有很好的检索效果是基于形状的图像检索研究的一个难点.本文提出了一种利用Krawtchouk矩不变量实现基于形状的图像检索方法.该方法首先对图像进行灰度变换,然后提取图像的低阶矩,取16个低阶矩不变量作为图像的特征向量,并按照相似性度量输出相似图像从而实现基于形状的图像检索.文中给出了实验结果,并与基于几何矩不变量和基于Zernike矩不变量的图像检索方法进行了比较.结果表明本文的方法具有更好的检索性能,和上述两种方法相比,查全率分别提高了21.52%和7.6%,查准率则分别提高了16.25%和6.25%.     

用FSVM-MIL算法实现图像检索

针对基于对象的图像检索问题,利用模糊支持向量机(FSVM)提出了一种新的多示例学习算法——FSVM-MIL算法.在标准的多示例学习问题中,一个包被标为正包,则它至少包含一个示例是正的,否则被标为负包.FSVM-MIL算法将图像当作包,分割后的区域当作包中的示例,若图像包含有感兴趣对象,则对应的包标为正,否则标为负,因为正包中的示例不全是正的,概念标号存在模糊性,本文利用多样性密度方法寻找概念点,根据noisy-or概率模型定义了模糊隶属度函数,为正包中的示例赋予不同的模糊因子,用FSVM求解多示例学习问题.在SIVAL图像集进行对比实验,结果表明FSVM-MIL算法是有效的且性能不亚于其它同类方法.     

基于内容的图像检索技术

基于内容的图像检索是一种综合集成技术。通过分析图像内容,如颜色、纹理等,建立特征索引,并存储在特征库中。查询时,只要把自己对图像的模糊印象描述出来,就可以在大容量图像库中找到想要的图像。     

旋转不变纹理特征用于两级图像检索

针对图像中常见的旋转问题提出一种旋转不变纹理特征进行两级图像检索的方法。粗检中,通过坐标变换把图像的旋转转换为行移,并提取近似行移不变的小波特征,结合粗比较算法对整个图像库进行粗检。然后对通过粗检的图像进行 Gabor 变换,提取旋转不变精检索特征,并使用Canberra 距离进行相似性度量。通过对旋转图像库的测试表明,该方法不仅加快了运算速度,且当参数选择适当时,在相同特征条件下,检索率比直接使用精检索方法检索时还提高了 1.625%。     

基于颜色内容的图像检索方法的比较

通过对基于颜色内容的图像检索技术的研究,提出了几种针对图像颜色内容的图像检索方法及其优化方案,并通过实验,分析和比较了在孟赛尔颜色空间(MTM)和传统HSV颜色空间下,一般直方图和累加直方图检索算法的性能和优劣性,所获成果对基于内容的图像检索技术的发展有一定的指导作用.     

基于方块编码的图像特征提取及检索算法

提出了一种基于方块编码的图像检索算法.首先将图像分成互不重叠的子图像块,根据图像块中各像素间的色差,利用方块编码的思想对这些子图像进行编码,然后根据人眼的视觉特性来定义图像的关键块,最后借助于基于关键字的文本检索技术进行图像检索.同时,考虑到不同类型的关键块在表征图像内容时重要程度的不同而赋予其不同的权值.实验结果表明本文算法在图像的相似性检索时是有效的,并具有较高的检索效率.     

基于双级特征提取与度量的图像检索算法

目的 针对单一低层特征在语义属性中的信息易丢失,导致其对图像描述能力不强,使其检索精度不佳的问题,结合颜色矩（CM）、角径向变换描述符（ART）和边缘直方图（EH）等3种特征,定义一种双级特征提取与度量的图像检索方案。方法 首先,将图像转换为HSV色彩空间,并将其分割为若干个非重叠子图像,通通过计算每个子图像的均值、标准差和偏斜度来表征CM;再利用Euclidean距离,对查询图像和数据库图像的CM进行提取与度量,将输出的检索结果标记为一个图像集。随后,提取查询图像与图像集中每个目标的ART和EH特征;利用Euclidean距离分别度量查询图像与图像集中目标的ART与EH的相似性;最后,对ART与EH的加权组合,输出相似性最高的检索图像。结果 实验表明,与当前常见的检索算法比较,文中算法具有更高的检索精度,表现出更优异的Precision-Recall曲线。结论 所提算法具有良好的检索准确度,在信息处理、包装商标等领域具有一定的参考价值。     

基于颜色特征的图像检索技术

本文立足于基于内容的检索技术之上,提出一种基于颜色特征的图像检索新算法,利用颜色集、颜色矩作为图像的颜色信息,计算图像的颜色间距;在检索图像信息时,首先在原图像中提取一些特征点,然后将距离直方图和图像颜色特征有机结合,进行归一化处理,最后利用这两个特征进行图像检索。实验表明,本文的算法具有较强的鲁棒性和实用性。     

基于内外边缘颜色特征的图像检索算法

算法的基本思路是提取边缘部分的颜色特征进行图像检索,将边缘分为内外边缘区别对待,加大内边缘(对应目标部分)的比重,通过多尺度多结构元的数学形态学方法实现。通过设置内外边缘的权重充分考虑了目标的重要性,克服了全局颜色直方图不能反映空间信息的缺陷。实验结果表明,该算法有效地提高了检索系统的效率。     

基于感兴趣区域的图像检索方法

为了弥补全局特征在描述图像内容上的不足，近年来许多研究者提出了基于区域的图像表示和检索方法。本文提出了一种基于感兴趣区域的图像检索方法，根据认知心理学中选取注视焦点的模型来提取感兴趣区域，利用感兴趣区域的视觉特征和位置关系进行图像检索。该方法既利用了区域的局部特征，又考虑了区域在重要程度上的差别。在60000幅通用图像库上的实验结果表明，这种方法的检索效率要好于现有的基于区域的方法，而义对查询图像的噪声等扰动具有鲁棒性。     

基于Gabor滤波系数高阶矩的图像检索

在分析Gabor滤波器进行图像纹理特征提取的基础上,提出了利用多尺度和多方向Gabor滤波系数的高阶矩提取图像特征进行CBIR的方法,利用滤波系数的方差给出了基于Gabor滤波组提取的图像纹理特征的平滑度和纹理一致性算法,并采用四个尺度和六个方向的滤波系数的能量、方差、峰态、平滑度和一致性组成了CBIR特征向量.采用Brodatz纹理库和Corel图像库中的典型图像进行了对比实验.实验证明,提出的方法比传统的Gabor滤波进行CBIR具有更高的查准率.     

基于多层次视觉语义特征融合的图像检索算法

目的为了解决低层特征与中层语义属性间出现的语义鸿沟,以及在将低层特征转化为语义属性的过程中易丢失信息,从而会降低检索精度等问题,设计一种多层次视觉语义特征融合的图像检索算法。方法首先分别提取图像的3种中层特征(深度卷积神经网络(DCNN)特征、Fisher向量、稀疏编码空间金字塔匹配特征(SCSPM));其次,为了对3种特征进行有效融合,定义一种基于图的半监督学习模型,将提取的3个中层特征进行融合,形成一个多层次视觉语义特征,有效结合3种不同中层特征的互补信息,提高图像特征描述,从而降低检索算法中的语义鸿沟;最后,引入具有视觉特性与语义统一的距离函数,根据提取的多层次视觉语义特征来计算查询图像和训练图像的相似度量,完成图像检索任务。结果实验结果表明,与当前检索方法对比,文中算法具有更高的检索精度与效率。结论所提算法具有良好的检索准确度,在医疗、包装商标等领域具有一定的参考价值。