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。     

基于最大加权区域互信息的声呐图像检索系统

针对声呐图像检索的实际需求,设计基于最大加权区域互信息的声呐图像检索系统。对声呐图像进行分割,产生n个子区域;计算例图与图像库中各个图像子区域之间的互信息,结合声呐图像目标物体的特点,对区域互信息进行加权;取加权区域互信息中的最大值作为图像互信息,并照其大小进行图像排序,经门限处理后,将排在前面的图像作为检索结果输出。仿真实验结果表明:基于最大加权区域互信息的检索方法更加适用于声呐图像检索,尤其是在处理两幅背景相同前景不同或者前景相同背景不同的图像时更有优势。     

基于目标区域的语义图像检索

提出了一种基于高层语义的图像检索方法,该方法首先将图像分割成区域,提取每个区域的颜色、形状、位置特征,然后使用这些特征对图像对象进行聚类,得到每幅图像的语义特征向量;采用模糊C均值算法对图像进行聚类,在图像检索时,查询图像和聚类中心比较,然后在距离最小的类中进行检索。实验表明,提出的方法可以明显提高检索效率,缩小低层特征和高层语义之间的“语义鸿沟”。     

一种基于目标区域的彩色图像检索算法

提出了一种基于目标区域的彩色图像检索算法。首先，获取彩色图像HSV颜色空间中各个分量图像，然后计算各分量图像的二值边缘图像。根据边缘图像的连通性提取彩色图像的目标区域。在图像检索时，抽取彩色图像目标区域所对应的子图像特征，代替全局图像特征进行图像相似性匹配。实验表明，基于目标区域的彩色图像检索算法优于基于全局图像的检索算法。     

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。     

低层特征获取高层语义的图像检索

首先采用基于颜色聚类的方法将图像分割成区域,提取每个区域的Gabor小波纹理特征和灰度共生矩阵纹理特征,接着采用信息熵对特征进行选择,使用选择后的特征对图像区域进行聚类,得到每幅图像的语义特征向量;然后提出遗传模糊C均值算法对图像进行聚类。在图像检索时,查询图像和聚类中心比较,在距离最小的类中进行检索。实验表明,提出的方法可以明显提高检索效率,提高了检索的精度。     

一种基于目标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,论文描述了一种基于目标区域的图像检索方法:从用户指定的区域中分割并提取出所包含的目标,然后利用目标区域的视觉特征进行图像检索。在图像检索时,提取目标区域对应的子图像特征代替全局图像特征进行图像相似性匹配。实验结果表明,基于目标区域的图像检索效果比基于全局图像特征的检索效果有较好的改善。     

几种基于内容的图像检索的方法

基于内容的图像检索（CBIR）技术依赖于对图像特征（例如颜色直方图、纹理、草图、形状等）的提取，相对于传统的基于文本的图像检索方式，这种方式提高了检索效率和检索的准确率。文中主要介绍了基于颜色和基于纹理特征这两种特征提取方法。这两种方法既能够反映全局特征，又能够兼顾所感兴趣区域的局部特征，是基于内容的图像检索的两种非常有效的方法。     

基于区域熵的图像检索

提出了一种新的基于区域熵的图像检索算法RECS，不仅利用图像的子块熵来描述图像的特性，而且依据熵信息的均值和方差将图像分割为高熵子图和低熵子图两部分。综合图像区域的颜色形状特征和分两步的图像检索过程，有效提高检索准确性的同时也节省了检索时间。实验结果表明，RECS算法对前景单一和前景复杂图像的检索效果同样令人满意。     

基于贝叶斯理论的图像标注和检索

图像自动语义标注是基于内容图像检索中很重要且很有挑战性的工作.提出用语义约束的聚类方法对分割后的图像区域进行聚类,在图像标注阶段,使用贪心选择连接(GSJ)算法找出聚类区域的独立子集,然后使用贝叶斯理论进行语义标注.对图像进行标注以后,使用标注的关键字进行检索.在一个包含500幅图像的图像库进行实验,结果表明,提出的方法具有较好的检索性能.     

跨域图像检索综述

受成像载体、成像光谱和成像条件等的影响,跨域图像在不同领域的应用日益增多,跨域图像检索已成为了许多领域研究的热点和前言。然而图像的跨域检索面临着图像视觉偏差的问题,通过传统同域图像检索的方法无法有效地得到结果。通过文献调研,系统梳理了近年来跨域图像检索领域的代表性方法。对跨域图像检索任务作出了简要说明并指出了关键问题;根据图像域的不同转换阶段,将跨域图像检索方法分为两类：基于特征空间迁移和基于图像域迁移的跨域图像检索方法,并对两类方法进行了系统总结和分析;整理了跨域图像检索在不同领域的数据集,对比了各类方法的性能;总结了现有跨域检索方法并对未来的研究方向进行了展望。     

全局及其个性化区域特征的图像检索

交通领域个性化图像检索的关键是根据业务需求通过重点监控车辆的个性化特征 在海量数据库中进行匹配,其目的是捕获与重点监控车辆相关的卡口信息。目前的图像检索算法包括基于文本的图像检索、基于内容的图像检索方法和基于语义的图像检索。针对交通领域的图像检索需求,提出了一种基于全局以及个性化感兴趣区域特征的图像检索算法。通过使用交通图像库进行检索验证,对个性化特征进行精准滤除,从而得到准确的检索结果。实验表明,此种基于全局特征结合个性化感兴趣区域特征的图像检索算法解决了CNN高层特征对个性化局部特征描述能力低、检索耗时等问题,并通过个性化局部特征提高了检索效果,使得检索率、平均准确率都达到90%,呈现出较好的检索效果,计算速度快,具有较强的鲁棒性和实用性。     

可拓方法在图像检索的应用

图像检索技术不断发展,基于文本的检索技术逐渐成熟,但是基于内容的图像检索技术还在探索阶段.在简单介绍图像检索技术的基础上,提出一种可拓方法应用于图像检索的的图像检索方法,并简单分析了其优缺点.     

一种基于内容的图像检索界面

基于内容和对象的图像压缩和检索是下一代的图像处理技术,具有较广阔的应用前景。目前该领域的研究主要从设计方便、快捷的用户查询界面和发展图像数据库检索技术两方面展开。为此,该文提出了一种基于内容的图像检索用户界面的设计方法来满足用户复杂的检索要求。在图像的检索过程中,通过用户组合图标的方法来描述检索要求,同时将图像的颜色和空间信息相结合进行图像查询,并借助用户的反馈信息实现系统的自学习功能,最终逐步提高系统图像检索的速度和准确性。     

基于整体区域相似的互动式图象检索模型

高效的基于内容的图象检索在许多领域得到了广泛的应用 ,基于内容的图象检索研究领域已经建立了一些系统 ,但在实际使用中 ,这些系统均有如下欠缺 :(1)这些系统均期望以相同的方法来处理各种不同类型的图象检索 ;(2 )这些系统在设计时 ,均缺乏从使用者的需求出发 .实际上 ,由于不同的检索方式是针对不同类型的图象 ,为此 ,提出了一个基于整体区域相似匹配的图象互动式检索系统 ,该系统是一个基于小波变换的特征提取和图象整体区域相似的、语义分类和互动方法的图象检索系统 .与其他检索方法相比较 ,此方法允许自适应查找和互动 ,因此可缩小查找范围 ,以提高检索效率 .实验结果表明 ,该系统比其他一些系统精确和高效     

基于半监督学习的一种图像检索方法

为了提高图像检索的质量, 提出了一种基于半监督学习的图像检索方法。该方法提取图像的颜色、形状、纹理特征, 计算得到已知类别样本的中心图像, 检索过程中利用中心图像自适应调整相关度计算函数, 然后根据与查询图像相关度的大小对图像进行检索和排序。实验结果表明：该方法较已有的基于内容的图像检索方法有更高的查准率, 同时, 由查准率—查全率曲线可知该方法能够达到很好的检索质量。     

改进颜色和小波变换纹理的图像检索方法研究

针对传统图像检索无法体现对检索示例图像中多个不同对象的检索要求程度的问题,提出一种改进颜色特征和小波变换纹理特征的图像检索方法。首先提取出图像的多个感兴趣区域,由感兴趣的不同程度分别赋予不同大小的权值;然后提取颜色特征和纹理特征,分别用对应位置相似度计算、感兴趣区域与检索数据库中图像整体的相似度计算和整体检索示例图像与检索图像数据库中图像相似度计算三种不同方法计算出两幅图像的相似度,取最大的相似度作为两幅图像的最终相似度;对检索示例图像与检索数据库中每个图像的相似度按大小进行排序,选择最相似的图像作为检索结果。实验结果表明,该方法提高了对图像检索的性能,体现了个性化检索,对图像检索具有很好的效果。     

基于Hadoop的海量医学图像检索系统

为了提高海量医学图像检索效率,针对单节点医学图像检索系统的缺陷,提出一种基于Hadoop的海量医学图像检索系统。首先采用Brushlet变换和局部二值模式算法提取医学示例图像特征,并将图像特征库存储于Hadoop分布式文件系统(HDFS);然后采用Map将示例图像特征与特征库的特征进行匹配,采用Reduce接收各Map任务的计算结果,并按相似度大小进行排序;最后根据排序结果找到医学图像的最优检索结果。实验结果表明,相对于其他医学图像检索系统,Hadoop的医学图像检索系统减少了图像存储和检索时间,提高了图像检索速度。     

基于访问控制安全高效的多用户外包图像检索方案

由于公有云不是可信的实体,通过公有云提供图像检索服务时,它可能会窃取图像数据的敏感信息。近年来,密文图像检索方法被提出,用于保护图像隐私。然而,传统的隐私保护图像检索方案搜索效率较低,且无法支持多用户场景。因此,提出一种基于访问控制安全高效的多用户外包图像检索方案。该方案采用一次一密和矩阵变换方法,实现基于欧几里得距离（简称欧氏距离）相似性的密文图像检索,并利用矩阵分解和代理重加密,实现多用户外包图像检索。采用局部敏感哈希算法构建索引,提高密文图像检索效率。特别地,提出一种基于角色多项式函数的轻量级访问控制策略,该策略能够灵活设定图像访问权限,防止恶意用户窃取隐私信息。安全性分析论证了所提方案能够保护图像和查询请求的机密性;实验结果表明所提方案能够达到高效的图像检索。     

基于商空间粒度计算的图像检索

在图像检索领域应用商空间粒度思想,阐述了图像检索中的粒度原理,对图像检索问题进行商空间描述,并构造等价关系,提出了一种新的图像检索方法.根据图像在不同粒度下的表现构造不同粒度下的商空间,然后根据商空间粒度合成原理构造最优准则函数,对已得到的商空间进行属性合成,进而以合成后的属性函数来完成图像检索.与采用单一属性特征的图像检索方法相比,该方法能够在更大程度上利用图像自身所提供的信息,取得更好的检索效果和更高的查全率查准率指标.