基于全局显著性检测的手绘草图图像检索

提出一种基于全局特征图像显著性的手绘草图图像检索算法。首先利用图像分割方法获得若干分区,再计算各分区的彩色稀疏直方图,然后利用直方图计算各个分区的颜色对比度。通过剔除对比度低的若干分区从而获取显著目标,将显著目标所在区域按比例分块,保存每个分块的平均灰度和空间关系,作为待搜索的特征数据。搜索过程是将手绘轮廓填充后提取特征数据与保存的特征数据按分块计算灰度的差异,并结合空间权值进行累加。最后将结果排序,值越小则相似度越高。     

椭圆逼近形状轮廓的图像检索方法研究

对基于形状特征的图像检索方法进行了论述，提出了基于动态规划的彩色图像对象轮廓的提取方法。通过图像对象形状的规范化，给出了形状特征的椭圆逼近形状轮廓的图像检索方法。     

基于目标区域定位和特征融合的图像检索算法

提出了一种新的基于局部特征点的图像检索算法。首先将彩色图像转换成灰度图像,并利用Harris算子对灰度图像进行"角点"检测,根据"角点"的分布确定目标区域,然后在彩色图像目标区域中提取图像的颜色特征和空间特征表述图像内容。实验证明,该算法在查准率和查全率上要优于基于全局特征的算法。     

基于深度特征聚类的海量人脸图像检索

针对海量人脸图像数据库检索时长的问题,提出了一种基于深度特征聚类的海量人脸图像检索算法.该算法首先使用人脸图像训练集对深度卷积神经网络模型进行人脸图像分类训练,在此基础上采用三元组损失方法对已训练好的人脸图像分类网络模型进行微调,使得网络能够更加有效地提取人脸图像的高层语义特征,构建更具有表征性的人脸图像深度特征.其次采用K-means聚类算法对提取的人脸图像深度特征进行聚类,使得同一个人的人脸图像能够划分到同一簇中,然后在相应的簇中进行人脸图像的深度特征相似度匹配执行人脸图像检索任务.为了进一步提高系统的检索性能,提出人脸图像深度特征融合的查询扩展方法,对待检索的人脸图像深度特征进行融合再次执行检索任务得到最终的检索结果.通过在两个人脸检索数据集(Celebrities Face Set和Labeled Faces in the Wild dataset)上进行详尽实验验证,结果表明,该算法能极大地缩小海量人脸图像数据库的检索范围,在保证一定准确率的前提下有效地提高了人脸图像检索的速度.     

基于SIFT特征和颜色融合的图像检索方法

根据图像检索方法中颜色直方图存在的问题,提出了一种改进的基于分块和主颜色的颜色直方图提取算法;根据SIFT特征存在的问题,提出了一种改进的基于harris角点的SIFT特征提取算法。最后运用两种改进算法提出了一种融合颜色直方图和SIFT特征的图像检索算法。实验结果表明,本算法在功能及性能上优于其他算法,并具很好的鲁棒性。     

基于可变形卷积的图像边缘智能提取方法

针对传统卷积神经网络边缘提取局限性的问题,提出一种基于可变形卷积的图像边缘智能提取方法.根据图像边缘呈现的数据分布特点,采用多尺度可变形卷积,改进图像边缘提取网络.通过跨层融合特征图的方式引入可变形卷积网络模块,增强卷积网络对图像形状的适应能力和边缘特征提取效果.测试结果表明,该方法相比于其他多尺度融合算法具有更高的精...     

基于三元组卷积神经网络的图像检索

针对图像检索中图像间相似度和训练集带标签样本不足问题,提出一种改进的三元组卷积神经网络的图像检索算法。采用基于三元组卷积神经网络,在相似数据集上进行网络训练,为图像检索项目提取更好的特征。实验结果表明,该算法在相似数据集上进行重训练,有助于提高基于内容的图像检索任务的性能。     

基于视点对齐的跨域三维模型检索

以草图为输入的三维模型检索便于用户表达搜索需求，已成为一个研究热点。但草图只是三维模型一个视点下的粗略描述，具有很高的抽象性。而且草图和三维模型之间存在巨大的域间差异，这导致目前的草图检索系统准确率低。为解决这一问题，提出了一个新的基于草图的三维模型检索方法。该方法根据草图的视点对三维模型投影产生一组二维视图，形成一对多且视点对齐的草图视图训练数据对。然后采用Canny算子提取视图的多层次伪草图，减小视图和草图的域差异，并采用样本选择和数据增强缓解训练数据不均衡的问题。接下来用伪草图和草图训练三元组网络(triplet network),将伪草图和草图映射到公共特征嵌入空间。最后用Triplet提取特征和建立索引，实现草图检索。实验结果表明：在大型公共数据集SHREC’13和SHREC’14的检索精度分别是70.0%和63.6%,有效提高了检索准确率。     

手绘服装草图的检索技术研究

以手绘形式在屏幕上勾勒出草图来获取信息、表达意图的方式因具有更加便捷与自然的特点,从而使以触控作为主要人机交互方式的移动设备逐渐成为主流.经试验对照组定量分析,改变传统SURF'算法,提高了特征匹配检索效率.利用空域平滑处理的均值算法使图像平滑;运用自适应尺度小波变换算法提取样本边缘、获取草图信息;将提取后的64维样本图像特征描述符按相应存储方式存人数据库、并利用Best-Bin-Fast算法快速得到最近匹配点;最后经过PROSAC剔除错误匹配后用欧式距离搜索数据库中特征点匹配度最高的图片.     

基于颜色特征的彩色图像检索方法

在彩色图像检索中 ,颜色是最重要的特征 .提出了一种基于HSV颜色模型的图像检索算法 ,该算法根据人类视觉系统对颜色感知的经验值对图像的色调、亮度和饱和度进行非均匀量化 ,并将量化后得到的 2 5 6柄一维矢量展开成 16× 16的特征矩阵 ,通过线性变换的方法求出特征矩阵的特征值 ,构成仅有16个元素的特征矢量 ,从而有效地压缩了特征矢量的维数 ,减小了特征数据库的规模 ,提高了图像的在线查询速度 .同时 ,为提高图像查准率 ,采用了基于全局和局部颜色特征的分层查找策略 .试验表明 ,根据用户给出的示例图像 ,通过两层查询技术能够获得较好的检索效果     

一种基于局部颜色特征的图像检索方法

提出一种基于局部颜色特征的图像检索算法.该算法首先采用一种新的方法对图像进行分块,提取图像中心区域的主颜色和其他区域的平均颜色作为颜色特征,然后根据图像中心的重要性,对图像各个分块采用不同的加权系数,使局部图像的特征矢量被增强,从而提高了图像的检索精度.实验结果表明,这种基于局部颜色特征的图像检索算法适合于画面明显按分块变化的图像.     

一种改进卷积神经网络的教学图像检索方法

针对卷积神经网络在提取图像特征时所造成的特征信息损失以及降低高维度图像特征数据等问题,提出了一种改进卷积神经网络的图像检索优化方法。该方法首先利用融合的卷积层提取图像特征,并在融合的卷积层之间添加全连接层以减少特征信息的丢失;然后采用主成分分析法对高维的特征数据进行有效的降维处理;最后采用余弦相似度的方法进行相似度匹配,以实现相似图像的检索。采用当前经典的LeNet-L、LeNet-5等方法同文中方法在图像检索性能评价指标上进行对比实验。实验结果表明,所提出的检索方法比文中其他检索方法在查全率和平均查准率方面提高了3%27.3%。     

基于Gabor滤波器和深度学习的图像检索方法

针对图像数据库日渐庞大的问题,研究了将特征提取与深度学习相结合进行图像检索的方法,提出了基于Gabor小波变换和受限玻尔兹曼机(RBM)的特征提取和降维模型.将整幅图像划分成局部图像块,利用Gabor滤波器组提取图像特征,通过RBM对特征进行学习和编码,从而实现图像特征的降维处理.采用基于深度信念网络(DBN)和Softmax分类器的图像检索算法,利用Corel图像库进行新方法的图像检索实验,并与其他两种方法进行比较.结果表明,本文方法在准确率、查全率和检索时间上均具有较好的性能,能得到更好的图像检索结果.     

刑侦图像检索中的特征提取及相似性度量

为分析比较基于内容的图像检索(content-based image retrieval,CBIR)系统中各环节算法在应用于刑侦现勘(criminal scenes investigation,CSI)图像数据库时的有效性,在CBIR系统中,使用颜色特征-HSV直方图、纹理特征-三层小波分解统计特征和颜色纹理的融合特征作为特征提取算法,以欧氏距离和街区距离作为相似性度量分别在CSI图库中进行仿真测试。在COREL图库中进行类似测试,并以查准率作为有效性的衡量标准进行对比。结果显示,在CSI库中,使用颜色特征有相对高的查准率,但CSI库的平均查准率均低于COREL库,此外使用街区距离可获得较高的查准率,这表明,因CSI数据场景复杂及目标多有损毁,现有图像特征提取算法有效性低,而作为相似性度量算法,街区距离相较于欧氏距离能更好地表示CSI图像间的相似性。     

植物景观三维图像边缘锐化方法

针对当前植物景观三维图像表面点自相似性系数较低,边缘锐化效果较差的问题,提出基于色调映射和颜色特征分解的植物景观三维图像边缘锐化方法.采用稀疏线性组合方法进行植物景观三维图像的边缘轮廓特征分解,提取植物景观三维图像的边缘分块特征量;根据植物景观的表面点、细节区域进行植物景观图像超分辨率重构和模板匹配,重建植物景观图像的整体直方图分布模型,采用色调映射和颜色特征分解方法,获得植物景观三维图像边缘锐化表面点自相似性系数.仿真结果表明,该方法获得的自相似性系数较高.     

一种基于注意力机制的无监督商标检索方法

针对现有商标特征提取方法无法有效捕捉重点区域的关键信息和图像标注成本过高的问题,提出一种基于注意力机制的无监督商标检索方法。该方法基于实例区分算法,将注意力模块同时运用在神经网络特征映射层的空间维度和通道维度上,通过对各个通道进行权重的分配以及对空间变换参数的学习,增强无监督网络的特征表达能力。该方法在公开的商标数据集上进行了验证,实验表明检索效果优于传统的商标检索方法,甚至优于一些有监督商标检索方法。     

基于显著点颜色-空间分布特征的图像检索算法

提出了一种基于显著点的颜色和空间分布特征的图像检索算法。首先使用Harris颜色点检测器提 取图像的显著点;再以显著点为主线,设计了一种基于显著点的环形颜色直方图方法,将显著点的局部颜色特征与 空间分布结构有效结合;最后利用信息熵表示图像颜色的空间分布信息,既考虑了图像的空间分布特征,又降低了 运算复杂度。实验结果表明,该方法实现简单,在检索精度上明显优于基于全局特征的图像检索算法。     

采用COLDIST色差的一种图像检索方法研究

在基于内容的图像检索方法中,颜色相似度的计算主要采用欧氏距离。然而,欧氏距离不符合人眼的色彩识别特征,导致检索准确率偏低。本文提出了一种采用COLDIST色差公式的组合特征检索方法。首先计算图像的颜色直方图作为颜色特征、灰度共生矩阵和灰度行程矩阵作为纹理特征、泽尼克矩作为形状特征。然后采用COLDIST色差公式计算颜色相似度,并结合纹理、形状特征的相似度计算图像相似度。利用图像数据库Corel10000对本文提出的方法进行仿真测试。结果表明该方法具有更好的检索性能,有效地提高了检索的准确率。     

基于形状和纹理的外观设计专利图像检索方法

提出一种多特征融合的外观设计专利图像检索方法。形状特征融合了几何结构特征与边界方向直方图特征来描述,通过整体结构和轮廓特征的融合全面表达了物体的形状;纹理特征融合了Gabor小波提取的特征和提出的分块统计特征;最后采用加权法融合形状特征和纹理特征,实现外观设计专利图像检索。