基才高维局部特征和LSH索引的图像检索技术

基于内容的图像检索（CBIR）技术使从海量图像资源中快速高效地提取有价值的信息得以实现,采用局部特征来表示图像并在此基础上进行图像相似性检索是当前的热门研究课题。文中将图像高维局部不变特征提取算法和LSH索引算法应用到基于内容的图像检索系统中,实验结果表明了该方法的有效性。     

Hadoop分布式的海量图像检索

传统基于内容的图像检索方法通过相似度测量算法获取检索结果,对海量图像存在检索效率低和精度差的弊端,因此设计基于Hadoop分布式的海量图像检索方法,其基于Hadoop云平台对海量数码图像实施分布式运算,采集图像SURF特征,采用K-Means聚类方法将相似图像SURF特征聚集起来,通过TF-IDF数据挖掘技术对图像特征实施量化,进而基于Hadoop平台中的Lucene框架塑造海量图像数据的索引模块和搜索模块,依据用户输入的图像SURF特征塑造海量图像数据索引,完成相似图像的准确检索。实验结果说明,所提图像检索方法检索出的图像质量佳,对海量图像进行检索的效率和精度高。     

基于内容检索的图像数据库流水索引法的研究

图像数据库容量的增长,需要研究高效的索引技术来支持快速相似性检索的要求。总结了图像数据库检索技术的发展轨迹和特点,针对基于内容的图像检索技术中的局限性,从计算机底层硬件的角度提出了基于内容检索的流水索引法。该方法将基于内容的图像检索技术与CpU流水线结构紧密结合,对检索算法进行优化,通过举例比较,说明可提高图像数据库基于内容检索的速度。     

SS*:一种嵌入视觉特性的多维图像索引算法

图像检索因信息量巨大，查询速度至关重要。一种有效的方法是对图像特征进行多维索引，然后按多维索引算法检索。但是，现有的多维索引算法并不是专门针对图像数据库设计的，没有考虑图像的视觉特性，检索性能不理想。文章针对图像信息的特点，结合SS多维索引算法，设计了一种新的基于内容的图像检索的多维索引算法——SS^*算法。实验表明，该算法对图像检索是有效的。     

基于分块颜色特征和相关反馈的图像检索技术

在基于内容的图像检索(CBIR)中,对于传统的颜色直方图完全没有空间分布信息,提出了一种新的分块划分,并且结合颜色特征的图像检索方法。该方法结合了图像的整体与分块颜色分布,两幅图像之间的相似度为整体相似度和分块局部相似度的加权和,并且在检索中加入相关反馈技术,针对检索结果适当地调整权值,以达到更新图像整体与局部颜色特征的权重的目的。最后,实验结果表明该算法能很好地提高检索性能。     

一种支持快速相似检索的多维索引结构

由于科技信息技术的不断发展,传统的信息检索方式已经不能满足人们的要求,基于内容的图像检索属于一种支持快速相似检索的多维索引结构,应用于信息发达的网络世界。本文对基于内容的图像检索技术的工作流程进行分析,同时根据其特征探讨了常用的关键技术,对基于内容的图像检索技术的发展趋势作了进一步研究。     

基于视觉显著和CNN的花卉图像检索软件

花卉图像检索是图像检索领域的热门研究方向,高效、快速地检索数据库中的花卉图像一直是该方向的重点课题。为了检索花卉图像,文中设计了一个基于视觉显著模型和CNN的图像哈希算法,并根据此算法设计和开发出一个高效、快速的花卉图像检索软件。软件具有查询花卉类别、检索相似花卉、浏览花卉信息等功能。     

一种新的图像检索方法

常规基于内容图像检索的方法是提取图像的颜色、纹理等物理特征,运用相似性度量准则从图像库中查询相似的图像。为了提高图像检索的正确率,这里提出改进的方法。具体方法是:提取图像的物理特征,并将特征作为支持向量机(SVM)的输入向量,对图像进行分类,然后利用分类结果,对检索图像进行相似性匹配,从同类图像中找出相似的图像。实验结果显示,该方法的检索结果优于常规方法。     

基于RSOM和KNN的图像内容检索

RSOM树是一种以SOM网络为节点的层次化聚类树,可以实现将空间上彼此靠近的数据点聚合在树中相同的节点中,它可作为图像索引支持最近邻检索,高效且不必线性扫描高维、海量的数据库。通过提取图像低层特征构成每个图像的特征向量,在此基础上构造基于RSOM树的图像特征索引库,并运用KNN检索实现基于样例的检索。实验证明,无论从特征空间维数、检索性能、样本容量方面都具有良好的性能。     

基于兴趣点局部分布特征的图像检索方法

提出了一种基于兴趣点颜色和空间分布特征的图像检索方法。该方法把图像内容看作为由若干兴趣点组成的集合,首先利用小波系数的空间方向树特性来检测兴趣点,然后利用基于兴趣点的环形颜色直方图和空间离散度来描述图像的特征,最后用加权特征距离来估计图像内容的相似度。同时,通过利用环形颜色直方图和空间离散度作为图像特征保证了该算法能够对图像的尺度变化、旋转变化和平移变化具有很好的抑制能力。在含有1000幅图像的数据库上所做的一系列实验表明,该算法与其它基于兴趣点的方法相比,能够更准确和高效地查找出用户所需的图像,明显地提高了检索精度。     

综合颜色和形状特征的图像检索

提出了一种组合颜色和形状特征的图像检索方法，将彩色图像转变成灰度图象，计算查询图像和数据库图像的直方图距离，通过图像分割提取图像的形状特征，利用两特征的加权距离计算图像之间的相似度，而后进行图像检索。通过实验表明该组合方法优于单纯特征的图像检索。     

基于自定义的LIRe和HBase的海量医学图像检索

为了解决海量医学图像检索效率低的问题,提出一种自定义的LIRe和HBase相结合的方案.首先,将医学图像上传到HDFS;然后,通过自定义LIRe框架分别提取海量医学图像的形状以及纹理特征并将特征向量及图像的绝对路径存储到HBase中.最后,利用MapReduce模型以及图像特征索引工具LIRe方便地对医学图像特征建立索引进行特征匹配实现检索.实验结果证明,自定义的LIRe提高了检索准确性,相比将医学图像以及特征向量均存储在HDFS中,也提高了检索效率.     

融合多特征的图像检索算法

针对单一特征不能很好地表述图像的问题,提出了一种融合多特征的图像检索算法.首先,提取查询图像和图像库中样本图像的GIST(Generalized Search Tree)特征,用欧氏距离衡量图像间的GIST相似度值,根据查询图像的GIST特征在图像库中进行检索,将结果按相似度进行排序;然后,提取查询图像和返回结果中前k幅图像的尺度不变特征变换(SIFT)特征,使用BBF(Best Bin First)算法进行特征匹配;最后,通过特征点匹配点对数排序并返回检索结果.实验在改进的Corel1000数据集上进行,与传统的单特征图像检索算法对比,提出的图像检索算法不仅提高了检索准确率,而且获得了较好的检索效率.     

基于颜色-纹理自相关算法的内镜图像检索

为了同时有效的提取内镜图像的颜色和纹理信息,体现各特征的空间相关性,本文提出了一种颜色-纹理自相关算法应用于内镜图像检索.即通过纹理谱和自动阈值分割算法提取出纹理图像,并与颜色特征向量相融合再计算其相关性,得到距离分别为1、3的颜色-纹理自相关向量.在相似度匹配阶段采用Generalized Tversky Index...     

CLUE: cluster-based retrieval of images by unsupervised learning.

In a typical content-based image retrieval (CBIR) system, target images (images in the database) are sorted by feature similarities with respect to the query. Similarities among target images are usually ignored. This paper introduces a new technique, cluster-based retrieval of images by unsupervised learning (CLUE), for improving user interaction with image retrieval systems by fully exploiting the similarity information. CLUE retrieves image clusters by applying a graph-theoretic clustering algorithm to a collection of images in the vicinity of the query. Clustering in CLUE is dynamic. In particular, clusters formed depend on which images are retrieved in response to the query. CLUE can be combined with any real-valued symmetric similarity measure (metric or nonmetric). Thus, it may be embedded in many current CBIR systems, including relevance feedback systems. The performance of an experimental image retrieval system using CLUE is evaluated on a database of around 60,000 images from COREL. Empirical results demonstrate improved performance compared with a CBIR system using the same image similarity measure. In addition, results on images returned by Google's Image Search reveal the potential of applying CLUE to real-world image data and integrating CLUE as a part of the interface for keyword-based image retrieval systems.     

基于形状的图像检索技术研究

基于形状的图像检索技术是基于内容的图像检索技术的一个重要组成部分。现有的形状特征检索技术主要集中在形状特征的提取及相似性度量、形状特征与颜色和纹理特征结合、形状特征与高层的语义特征结合的研究。在分析现有的基于形状的图像检索技术的一些关键技术的基础上,对基于小波-傅里叶特征(WFD)的形状检索方法进行了研究,并提出了一些改进算法。结合Matlab和ACCESS实现了一个基于形状的图像检索实验系统,建立了用户界面,选取与设计了4个图像测试集,使用检索性能评价方法对形状特征的检索结果进行了客观的评价。实验结果表明,利用本文所提出改进的形状特征进行检索取得了较好的检索效果。     

基于二维压缩感知和分层特征的图像检索算法

为了保留图像分析时的像素点位置关系及降维处理,把一维压缩感知理论推广到二维,建立了二维可稀疏信号的压缩测量模型,研究了一种二维信号的自适应梯度下降重构AGDR(Adaptive Gradient Descent Recursion)算法,由此提出了一种图像分层特征提取与检索方法.首先对图像在RGB颜色空间上进行网格离散划分,通过分层算子对图像进行分层映射,定义一种基于颜色网格空间的扩展灰度共生矩阵,采用二维测量模型获取图像的分层测量特征、纹理特征与分层颜色统计特征,图像分层测量特征综合反映出图像的颜色及像素点位置的关系,扩展灰度共生矩阵反映纹理特征.其次用AGDR算法计算检索图像之间的原始信号差量及其稀疏值.最后结合两类分层特征差量、稀疏值和颜色统计特征,融合计算图像间整体相似度度量指标.仿真实验表明,应用分层二维压缩感知测量与AGDR算法的图像检索方法在检索时间、查全率和查准率等指标上具有优越性能,为图像检索提供了新思路.     

一种有效的基于内容的图像检索方法

本文针对基于内容的图像检索中特征和相似度问题，提出新的距离模式，并以彩色空间中扩展共发矩阵作为纹理描述，在测试系统iPhoto上，数据库为56600幅图像时，实验结果显示，本文方法优于传统方法。