小波变换在HSV颜色空间上的图像检索应用研究

在传统的基于小波变换的图像检索方法中,并没有对HSV颜色空间的不同颜色分量进行小波变换并考虑它们的重要性大小。针对这个问题,提出一种新的在HSV颜色空间中利用小波变换进行图像检索的方法。该方法首先将每张图像由RGB颜色空间转换到HSV颜色空间,然后分别对图像的每个颜色分量（H,S,V）进行小波变换,并用小波系数矩阵的二阶矩表示图像的纹理特征,从而得到图像的特征向量,最后根据三个颜色分量重要性大小合理分配权值,计算查询图像与图像数据库中图像的相似度,得到图像检索结果。实验结果表明,本方法在图像实验数据库中能获得较好的检索效果。     

一种多特征融合的图像检索新方法

如何提高基于内容的图像检索的准确率是图像检索领域中的一大难题,其关键在于特征提取方法。针对单一特征检索效果的不足,从图像的多特征入手,先使用颜色和边缘的方向性描述符提取图像的颜色和纹理特征,再使用分层梯度方向直方图提取图像的形状特征,最后采用图像底层特征串行关联的方法将3种特征结合进行检索。使用Corel标准图像集进行测试,结果表明本文方法的查准率和AvgP值比两种原算法均有提高,是一种有效的多特征融合的图像检索方法。     

尺度及旋转不变纹理图像检索

针对图像检索时常见的尺度及旋转问题,本文提出了一种基于双树复小波变换的尺度及旋转不变纹理图像检索方法.对图像进行尺度变化的预处理,对原图像和变化后的图像分别进行DT-CWT后,提取纹理特征并插值为特征矩阵;分别在尺度维和旋转维上进行FFT消除尺度和旋转变换影响,得到尺度和旋转不变的特征向量;采用Canberra距离进行相似性度量.通过对尺度及旋转变化的纹理图像库的实验表明,该方法对图像的旋转和尺度变化具有较好的鲁棒性.     

一种基于颜色与纹理特征的图像模糊检索算法

提出了一种新的综合颜色与纹理特征的图像模糊检索的方法。其主要思想是首先利用隶属度函数剔除与查询图像相关性较小的图像,然后再综合考虑图像的颜色和纹理特征,最终返回与查询图像相似度较大的部分图像。实验结果表明,综合颜色和纹理特征并采用隶属度函数的改进算法检索速度快,准确率较高。     

基于颜色和纹理特征的黄瓜病害识别算法

为了提高黄瓜叶部病害的识别效果及实用性,增强特征描述能力,提出一种新的黄瓜病害图像分割及颜色、纹理特征提取算法。首先,对自然环境中采集的病害图片进行不同颜色空间的预处理和分割,对分割结果图像进行融合处理;然后,对病斑区域提取模糊量化直方图、颜色聚合度作为颜色特征,利用颜色相似性度量函数计算颜色共生矩阵,提取病斑的纹理特征;最后,通过核主成分分析对颜色和纹理特征进行融合,去除冗余成分,利用支持向量机对病害进行分类识别。在采集的黄瓜病害实验库上进行实验,取得了94.11%的识别率。通过充分利用病害识别中占主要识别依据的颜色信息,并结合纹理信息,较好地表达了病斑特征。和其他方法的实验对比结果表明,本文方法能有效提高黄瓜病害的识别率。     

昏暗环境下自适应ORB-SLAM2算法研究

本文针对ORB-SLAM2算法在黑暗环境或纹理较少的环境下提取特征点少,从而导致SLAM系统定位精度不高、匹配对数较少,进而导致系统崩溃的问题,提出了一种基于自适应阈值的特征点提取算法与改进的四叉树均匀化策略。首先基于图像的亮度进行基于自适应阈值的FAST特征点提取,之后通过改进的四叉树均匀化策略对图像的特征点进行剔除与补偿,完成特征点选取。实验结果表明,与原算法相比,改进后的特征点提取算法在黑暗环境与纹理较少的环境下,匹配对的数量提升了17.6%,SLAM轨迹精度提升了49.8%,有效的提升了SLAM系统的鲁棒性和精度。     

一种基于改进SIFT的图像检索算法

为了实现高准确率要求的数字出版物中引用图片的侵权审查,提出了一种基于改进SIFT算法的图像检索算法。该改进算法首创性地提出了在特征提取过程中加入图像SIFT特征点的邻域颜色特征,并设计了双匹配的特征点匹配策略,增强了特征点匹配的可靠性,提升了图像检索的性能。该改进算法被分为3个步骤来实现：基于灰度和HSV彩色空间的双尺度空间的生成,结合传统SIFT特征点描述子和特征点颜色特征向量的新特征点描述子的生成,特征点搜索与双匹配。实验结果表明,与原始的SIFT算法相比,本文改进算法的检索精度更高,并且检索速度没有明显下降。     

当今图像特征提取技术的发展

本文介绍了颜色特征的提取和纹理特征的提取在应用中作用以及特征含义。纹理和颜色相似,在图像中也是一种非常重要的视觉特征,在很多相关系统中得要广泛的运用。     

基于小波变换的新型SURF图像拼接方法

针对传统图像拼接算法特征点计算量大、耗时较长等问题,提出了一种基于小波变换的新型加速鲁棒特征算法(SURF)图像拼接方法。首先通过Haar小波函数对图像进行二阶分解以获取图像低频成分,并利用小波梯度矢量对低频图像重合区域进行特征点提取,从而实现低频图像下快速获得特征点的变换参数以指导高频图像下的特征点提取;在此基础上,提出一种SURF图像匹配改进算法,利用特征点约束的单向匹配和方向一致等性质,有效剔除误匹配点对,以提高特征点匹配精度和实时性。最后,通过两组实验验证了所提出方法的有效性和可行性。     

基于主结构提取与签名算法的织物缺陷检测

为解决目前基于图像处理的织物缺陷检测算法中,因织物组织纹理结构复杂、花型繁多造成的检测效果差的问题,提出一种基于主结构提取与图像签名算法的纹理织物缺陷检测方法。首先,使用改进的总变差模型去除织物纹理提取主结构;其次,利用高斯变换对待检测图像进行多尺度分解,构建高斯金字塔;然后根据视觉注意力机制提取颜色特征,通过图像签名算法对疵点进行显著性检测,最后利用自适应阈值的方法分割得到疵点区域。实验结果表明,算法可有效地提取各种织物的主结构,实现不同纹理织物图像的缺陷检测。     

Fast Image Segmentation Algorithm Based on Salient Features Model and Spatial-frequency Domain Adaptive Kernel

A fast image segmentation algorithm based on salient features model and spatial-frequency domain adaptive kernel is proposed to solve the accurate discriminate objects problem of online visual detection in such scenes of variable sample morphological characteristics, low contrast and complex background texture. Firstly, by analyzing the spectral com-ponent distribution and spatial contour feature of the image, a salient feature model is established in spatial-frequency domain. Then, the salient object detection method based on Gaussian band-pass filter and the design criterion of adaptive convolution kernel are proposed to extract the salient contour feature of the target in spatial and frequency domain. Finally, the selection and growth rules of seed points are improved by integrating the gray level and contour features of the target, and the target is segmented by seeded region growing. Experiments have been performed on Berkeley Segmentation Data Set, as well as sample images of online detection, to verify the effectiveness of the algorithm. The experimental results show that the Jaccard Similarity Coefficient of the segmentation is more than 90%, which indicates that the proposed algorithm can availably extract the target feature information, suppress the background texture and resist noise interference. Besides, the Hausdorff Distance of the segmentation is less than 10, which infers that the proposed algorithm obtains a high evaluation on the target contour preservation. The experimental results also show that the proposed algorithm significantly improves the operation efficiency while obtaining comparable segmentation performance over other algorithms.     

Using neural networks to select wavelet features for breast cancerdiagnosis

This study focuses on improving microcalcification classification by establishing an efficient computer-aided diagnosis system that extracts Daubechies-4 and biorthogonal wavelet features. These wavelets were chosen because they have been used in military target recognition and fingerprint recognition research with images characterized by low contrast, similar to mammography. Feature selection techniques are employed to further increase classification performance. The artificial neural network feature selection techniques are complemented by a conventional decision boundary-based feature selection method. The results using the wavelet features are compared to more conventional measures of image texture, angular second moment, and Karhunen Loeve coefficients. The use of alternative signal processing to compare wavelet and neural techniques allows for a measure of the problem difficulty. It is concluded that advances and contributions have been made with the introduction of two novel feature extraction methods for breast cancer diagnosis, wavelets and eigenmasses. Additionally, feature selection techniques are demonstrated, compared, and validated, transforming adequate discrimination power into promising classification results     

数字图像的纹理特征提取与分类研究

本文提出了一种基于Gabor小波和灰度共生矩阵进行数字图像特征提并与支持向量机模型相结合的纹理分类算法。首先分别利用Gabor变换和灰度共生矩阵提取数字图像的特征,进而利用支持向量机算法实现图像的训练和分类。实验结果表明,与传统的分类方法相比,这种通过Gabor小波和灰度共生矩阵得到数字图像的特征并与支持向量机相结合的方法能有效地提高分类正确率。     

注意力增强的视觉Transformer图像检索算法

基于深度哈希的图像检索方法往往利用卷积和池化技术去提取图像局部信息,并且需要不断加深网络层次来获得全局长依赖关系,这些方法一般具有较高的复杂度和计算量。本文提出了一种注意力增强的视觉Transformer图像检索算法,算法使用预训练的视觉Transformer作为基准模型,提升模型收敛速度,通过对骨干网络的改进和哈希函数的设计,实现了高效的图像检索。一方面,本文设计了一个注意力增强模块,来捕获输入特征图的局部显著信息和视觉细节,学习相应的权重以突出重要特征,并增强输入到Transformer编码器的图像特征的表征力。另一方面,为了提高图像检索的效率,设计了一种对比哈希损失函数,生成具有判别力的二进制哈希码,从而降低了内存需求与计算复杂度。在CIFAR-10和NUS-WIDE数据集上的实验结果表明,本文提出的方法,在两个不同数据集上使用不同哈希码长度的平均精度均值达到了96.8%和86.8%,性能超过多种经典的深度哈希算法和其他两种基于Transformer架构的图像检索算法。     

基于Gabor纹理特征的掌纹识别

掌纹识别是利用人的手掌图像进行身份鉴别的一种新兴生物特征识别技术.本文针对预处理环节,提出6种不同的预处理方法,通过比较得到了有一定参考价值的实验结果.本文采用最小冗余度的椭圆Gabor滤波器组对掌纹图像滤波,得到4个尺度6个方向的子带,计算每个子带的均值与方差,得到48维的纹理特征,在整个数据库中对48维特征进行归一化,最后采用绝对值距离衡量不同特征向量间的差异.实验结果表明,本文提出的算法具有较高的检索识别率.