复Contourlet—2.3 纹理检索系统

轮廓波变换纹理检索系统检索率比较低的根本原因在于轮廓波变换较低的移不变水平和较差的时频局部化特性.为了克服轮廓波变换的这些缺陷,提出了一种基于映射的复Contourlet-2.3轮廓波变换,并证明了该变换的移不变性质.在该变换的基础上,采用变换域子带系数的能量和标准偏差序列作为特征向量,以Canberra距离为相似度度量标准,构造了一种纹理图像检索系统.实验结果表明:在特征向量长度、检索时间、所需存储空间相同的情况下,基于映射的复Contourlet-2.3 变换检索系统比基于同样架构的轮廓波变换、Contourlet-2.3、基于映射的复轮廓波变换等检索系统有更高的检索率.     

架构于双树轮廓波及GGD模型的纹理图像检索

提出一种基于双树轮廓波变换的纹理图像检索方法.双树轮廓波由塔型双树方向滤波器组构建,它保持了轮廓波灵活的方向选择性,同时克服了传统轮廓波不具有移不变性的缺点.根据双树轮廓波系数的统计特性,本文利用广义高斯分布对各子带进行建模,采用矩估计法提取模型参数,并用KL距离度量图像之间的相似度,实现纹理图像检索.为评价检索性能,从Brodatz图库创建了包含800幅纹理图像的数据库.实验结果表明,本文算法的平均检索率比基于小波和轮廓波的方法分别提高了10.46%和6.94%,而且保持了较高的计算效率.     

子带系数统计参数对于轮廓波纹理图像检索率的影响

针对轮廓波纹理图像检索系统检索率较低的问题,在轮廓波变换域空间,探讨子带系数的一些统计参数对于该类系统检索率的影响,这些统计参数包括：均值、方差、绝对值均值、能量均值、偏度、峰度和光滑度。实验结果表明,绝对值均值具有相对较高的检索率。     

复数轮廓波变换纹理图像检索系统

针对基本轮廓波变换纹理图像检索系统检索率低下的问题,提出了一种基于复数轮廓波变换(CCT)的纹理图像检索系统.该系统采用的复数轮廓波变换由双树复小波变换级联临界下采样方向滤波器构成,特征向量采用子带系数的能量和标准偏差连接而成,以Canberra距离为相似度度量标准;比较了基于同样架构的基本轮廓波变换(CT)、无下采样轮廓波变换(NSCT)、半下采样轮廓波变换(CTS)和CCT纹理检索系统的性能.实验结果表明:在特征向量长度、检索时间、所需存储空间基本相同的情况下,基于CCT的检索系统比CT、CTS和NSCT检索系统具有更高的检索率;各种轮廓波变换分解结构尺度数对检索率也有较大的影响.     

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%。     

基于图像纹理特征的目标快速检索

在讨论共生矩阵的基础上,提出了一个通过图像分割获取目标图像纹理特征,进而实现图像快速检索的方法。试验表明,该方法检索目标图像的可靠性较高,具有良好的应用价值。     

无下采样轮廓波变换纹理图像检索系统

针对基本轮廓波变换纹理检索系统检索率较低的问题,提出了一种无下采样轮廓波变换(NSCT)纹理图像检索系统.该系统采用的轮廓波变换由无下采样拉普拉斯金字塔级联无下采样方向滤波器构成,特征向量采用子带系数的能量和标准偏差连接而成;以Canberra距离为相似度度量标准.比较了基于同样架构的基本轮廓波变换和NSCT纹理检索系统的性能.实验结果表明:在特征向量长度,检索时间、所需存储空间基本相同的情况下,NSCT检索系统比基本轮廓波变换检索系统具有更高的检索率;NSCT分解结构参数以及图像类型对于平均检索率也有较大的影响.     

基于颜色特征与纹理特征的图像检索

对目前国内外的图像检索理论研究进行研究与分析,讨论基于纹理特征的图像检索和基于颜色特征的图像检索的算法,并提出研究方向。对研究图像检索方面有一定的借鉴意义。     

CBIR中基于纹理特征的检索概述

本文简要叙述了图像检索的发展和目前研究的热点。基于纹理的图像检索是进行图像检索的主要方法之一，本文主要概述的提取纹理特征的方法。在多种提取纹理特征的方法中，Gabor小波变换和纹理谱的方法更加符合人类的视觉特征，本文对这两种方法进行了理论上的探讨。     

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。     

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.     

复合纹理图像拆分的纹理快速合成方法

针对具有非纹理结构特征的纹理样图,提出了一种基于复合纹理图像样图的纹理合成方法。算法在纹理可合成性分析的基础上,对纹理重新划分,给出了复合纹理图像的定义,采用分割法将非纹理结构图像进行分割,减弱纹理合成过程中块匹配边界的约束。利用非纹理结构图案分割与纹理修补的方法解决纹理与图案的整体与局部的可控性问题。在满足图案结构合成的完整性和合理性要求的情况下,使纹理与图案结构在合成过程中实现自然过渡。算法还可在复合纹理合成方法的基础上进行纹理设计,更好地满足实际应用的需求,具有较大的工程应用价值。     

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%.