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。     

利用二部图匹配进行图像相似性度量

基于内容图像检索是多媒体信息检索领域研究的热点，而现有的算法和系统离成熟的应用还相距甚远，其检索效率和准确性都相当低。提高基于内容图像检索性能的关键在于实现对图像的对象级访问，但是已有的很多的基于区域的图像检索算法和系统都没有考虑多区域的匹配问题，因而不具有一般性、实用性。文中提出一种基于二部图最大权匹配的图像相似性度量算法，该算法建立在图像分割的基础上，由于它能有效地解决多区域图像相似性度量问题，并能有效地避免由于分割不准确带来的影响，因此能极大地提高检索的相关性和准确性。     

一种基于区域检测的图像检索相关反馈方法

提出一种基于用户兴趣区域检测的图像检索相关反馈学习方法,利用用户反馈为正相关的图像进行学习,进而猜测用户意图,获得更令用户满意的检索结果。该反馈学习方法的框架如下：1）对正相关的反馈图像与查询图像进行特征匹配;2）对匹配的特征使用RANSAC模型进行校准;3）进行区域选取。在选取了兴趣区域以后,可以将该区域直接抠取或将其中的特征点权值增强作为新的待查图像进行检索,提高检索的精度。实验表明本文方法可以返回更符合用户心意的检索结果。     

图像主题区域提取及其在图像检索中的应用

图像主题区域是表达图像主要语义内容的部分.根据图像不同区域的视觉显著性差异特点,利用改进的视觉注意模型,提取图像的主题区域,并划分为不同语义类别.提出基于主题区域的图像检索方法,该方法能按照图像主题区域所属的语义类别,在图像之间有针对性地选择同类别主题区域进行区域相似性比较.实验结果表明,此方法可以更有效地表达图像的主要语义内容,提高图像检索的效率和准确性.     

一种使用Harris特征点的区域图像检索算法

为了克服图像分割技术的限制，提出了一种基干特征点匹配技术的图像检索算法。手工提取图像中的一块区域作为查询图像，然后使用Harris算子提取彩色特征点，并用相应的颜色特征对特征点进行表示，最后利用特征点匹配技术实现区域图像的检索。实验表明，该方法对于图像的亮度变化和几何变换具有很强的鲁棒性，可以有效提高检索准确率。     

一种综合区域匹配的图像检索改进算法

为了能更准确地表达图像信息,提高系统检索性能,提出了一种基于综合区域匹配（IRM）的改进算法。先采用阈值和模糊C-均值相结合的方法分割图像,再采用改进了综合区域距离和重要性因子算法的IRM方法进行图像匹配,并根据图像目标和背景的面积比关系提出“有效距离”概念。实验结果表明,相对于经典算法,改进后算法的平均查准率增加了4.58%。该方法能广泛应用于图像检索系统,具有较大适用性。     

一种基于版面结构距离的文档图像检索算法

介绍了一种基于版面结构距离的文档图像检索算法,使用版面特征作为文档图像的特征检索图像.先将文档图像进行梯度和最大梯度差(MGD)计算,然后使用MGD值作为一个窗口对文本区域进行融合,将文档图像以行线的形式标示出来.同时给出了检索的匹配方法,并对匹配方法进行了实验.实验结果表明,该检索方法具有较高的查准率,具有很好的抗倾斜和抗缩放效果.     

MPEG-7区域综合特征匹配的图像检索算法

为改进现有基于颜色-纹理特征的图像检索算法在反映空间分布信息方面的不足,提出了一种基于MPEG-7区域综合特征匹配的图像检索算法(FIM-RBIR)：首先按类粗分辨率对图像进行区域划分,再综合图像区域的颜色、纹理特征实现有效检索。实验结果表明,FIM-RBIR算法比SIMPLIcity系统的检索效果有了比较显著的改进,平均检索性能提高了433%,具有较好的平均查准率和鲁棒性。     

一种基于内容的图像检索方法

提出了一种基于区域对象特征建立图像内容索引的检索方法,为研究和实现对象级的基于内容图像检索(CBIR:Content-Based Image Retrieval)提供了途径.由于区域对象的特征利用不变矩进行描述,检索方法具有二维的平移、尺度、旋转不变性.由于匹配时采用了非几何相似度度量准则,检索结果更符合视觉感知.     

一种基于标签的网页摘要方法

提出一种基于标签的网页摘要方法。根据优质用户和优质标签之间的相互加强关系,利用二分图排序算法对标签进行排序和打分,构建标签?-文档图,应用Manifold Ranking算法对句子按其重要性进行排序,将排序靠前的句子组成网页摘要。实验结果证明,该方法的摘要准确性有明显改进。     

基于流行排序的多示例图像检索方法

为了提高图像检索的性能,提出了一种基于流行排序的多示例图像检索方法,将分割后的图像表示为多示例的形式,通过给出适合图像在包空间的度量方式,有效结合流行排序和多示例学习的方法来进行图像检索.实验结果表明,采用所提出的方法的检索结果与传统的检索方法相比,检索率得到了明显的提高,检索结果更符合人的视觉习惯.     

基于Nystrm低阶近似的半监督流形排序图像检索

实际图像检索过程中,用户提供的相关反馈有限,但存在大量未标记图像数据.本文在前期半监督流形图像检索工作的基础上,提出一种基于Nystr¨om低阶近似的半监督流形排序图像检索方法.通过采用半监督的流形正则化框架,将图像数据嵌入到低维流形结构中进行分类排序,以充分利用大量未标记数据,并兼顾分类误差、数据分布的几何结构以及分类函数的复杂性.针对半监督学习速度缓慢的问题,基于Nystrm低阶近似对学习过程进行加速.在较大规模的Corel图像数据集上进行了检索实验,实验结果表明该方法能获得较好的效果.     

基于图表示和匹配的表单定位与提取

为了实现对不同类型、分辨率和方向的快递表单上用户感兴趣区域信息的获取,本文提出了一种基于图表示和匹配的表单定位与提取方法。选择参考表单中已有的印刷图案或字符等关键区域作为基准位置,进行图的表示。基于图像分割得到的候选关键区域对待处理表单进行图表示。然后,根据图的属性计算待处理表单与参考表单的相似度。最后,将最大相似度对应的同构图作为参考表单图的最优匹配,并建立同构图与参考表单图位置映射,定位出表单。本文实验数据集来源于真实场景下采集的快递包裹表单图像。实验结果表明:本文算法在快递包裹表单图像上具有良好的性能,对旋转、光照变化、局部遮挡具有较好的鲁棒性。     

基于卷积神经网络和流形排序的图像检索算法

针对基于内容的图像检索(CBIR)中低层视觉特征与用户对图像理解的高层语义不一致以及传统的距离度量方式难以真实反映图像之间相似程度等问题,提出了一种基于卷积神经网络(CNN)和流形排序的图像检索算法。首先,将图像输入CNN,通过多层神经网络对图像的监督学习,提取网络中全连接层的图像特征;其次,对图像特征进行归一化处理,然后用高效流形排序(EMR)算法对查询图像所返回的结果进行排序;最后,根据排序的结果返回最相似的图像。在corel数据集上,深度图像特征比基于场景描述的图像特征的平均查准率(mAP)提高了53.74%,流形排序比余弦距离度量方式的mAP提高了18.34%。实验结果表明,所提算法能够有效地提高图像检索的准确率。     

Unsupervised image matching based on manifold alignment

This paper challenges the issue of automatic matching between two image sets with similar intrinsic structures and different appearances, especially when there is no prior correspondence. An unsupervised manifold alignment framework is proposed to establish correspondence between data sets by a mapping function in the mutual embedding space. We introduce a local similarity metric based on parameterized distance curves to represent the connection of one point with the rest of the manifold. A small set of valid feature pairs can be found without manual interactions by matching the distance curve of one manifold with the curve cluster of the other manifold. To avoid potential confusions in image matching, we propose an extended affine transformation to solve the nonrigid alignment in the embedding space. The comparatively tight alignments and the structure preservation can be obtained simultaneously. The point pairs with the minimum distance after alignment are viewed as the matchings. We apply manifold alignment to image set matching problems. The correspondence between image sets of different poses, illuminations, and identities can be established effectively by our approach.     

基于空间约束的正则化流形学习影像匹配方法

针对大数据量的影像匹配问题,提出了一种基于正则化流形学习的影像匹配方法。该方法利用曼哈顿距离方法计算特征点SIFT描述符的相似性,并在此基础上增加同一幅影像中特征点之间的空间结构关系作为正则化项,采用流形学习方法将两幅影像中的特征点共同映射到同一流形空间;根据最小距离方法进行特征点的匹配。通过选取四种不同来源的影像对进行实验,与SVD-SIFT方法、LE-SIFT方法进行综合分析,结果表明该方法在匹配性能上优于现有方法,而且该方法具有线性复杂度,适用于处理特征点数量较大的影像匹配。     

格拉斯曼流形降维及应用研究

视频人脸识别的核心问题是如何准确、高效地构建人脸模型并度量模型的相似性,为此提出一种维数约减的格拉斯曼流形鉴别分析方法以提高集合匹配的性能。首先通过子空间建模图像集合,引入投影映射将格拉斯曼流形上的基本元素表示成对应的投影矩阵。然后,为解决高维矩阵计算开销大以及在小样本条件下不能有效描述样本分布的缺陷,引入二维主成分分析方法对子空间的正交基矩阵降维。通过QR分解正则化降维后的矩阵,得到一个低维、紧致的格拉斯曼流形以获得图像集更好的表达。最后将其投影到高维核空间中进行分类。在公开的视频数据库中的实验结果证明,提出的方法在降低计算开销的同时能够获得较高的正确率,是一种有效的基于集合的对象匹配和人脸识别方法。     

基于空间上下文加权词汇树的图像检索方法

基于词汇树的词袋模型(Bag-of-Words)表示算法是目前图像检索领域中的主流算法.针对传统词汇树方法中空间上下文信息缺失的问题,提出一种基于空间上下文加权词汇树的图像检索方法.该方法在词汇树框架下,首先生成SIFT点的空间上下文信息描述.然后利用SIFT点间的空间上下文相似度对SIFT间的匹配得分进行加权,得到图像间的相似度.最后,通过相似度排序完成图像检索.实验结果表明,该方法能够大幅度提高图像检索的性能,同时,对大规模图像库有较好的适用性.     

一种基于流行排序的区域图像检索方法*

提出了一种结合多示例学习和流行排序的图像检索方法,将图像检索作为多示例学习框架下的流行排序,通过给出适合图像在包空间的有效度量方式,将流行排序的方法和多示例学习有效结合起来,从而获得更准确的检索结果。实验结果表明,运用流行排序的区域图像检索方法是可行的,同时,检索结果与传统的区域图像检索方法相比,检索率得到了明显的提高。     

基于Nyström 低阶近似的半监督流形排序图像检索

实际图像检索过程中,用户提供的相关反馈有限,但存在大量未标记图像数据. 本文在前期半监督流形图像检索工作的基础上,提出一种基于Nystrm低阶 近似的半监督流形排序图像检索方法.通过采用半监督的流形正则化框架, 将图像数据嵌入到低维流形结构中进行分类排序,以充分利用大量未标记数据, 并兼顾分类误差、数据分布的几何结构以及分类函数的复杂性.针对半监督学习速度缓慢的问题, 基于Nystrm低阶近似对学习过程进行加速.在较大规模的Corel图像数据集上进行了检索实验, 实验结果表明该方法能获得较好的效果.