综合颜色和形状特征聚类的图像检索

为了提高图像检索的速度和准确率,通过分析各种聚类算法在图像检索中的缺点,提出了一种新的划分聚类的图像检索方法。首先对HSV模型非均匀量化,利用改进的颜色聚合向量方法提取图像的颜色特征;然后基于改进的Hu不变矩提取图像的全局形状特征;最后,综合颜色和形状特征对图像基于贡献度聚类并建立特征索引库。利用上述方法在Corel图像库中进行图像检索。实验结果表明,与改进的K-means算法的图像检索算法相比,提出算法的查准率和查全率均有较大提高。     

基于两种纹理特征聚类的图像检索

设计和实现两种不同的分形维数作为纹理特征进行聚类的方法.提取几百幅不同图像的两种纹理特征,对特征库按聚类算法建立索引结构,形成图像的分类库,通过两种不同纹理特征的检索与无聚类的特征检索相比,实验结果表明聚类方法大大缩短了检索时间.结论:作为海量图像的检索,有效的图像特征结合聚类是一个有力工具,在研究信息分类与识别等方面具有应用潜力.     

基于颜色和笔画特征的文本分割算法

自动提取图像中的文本对图像视频检索具有重要意义.提出了一种基于颜色和笔画特征,应用无监督聚类方法进行复杂背景下的文本分割算法.首先在对文本行图像增强的基础上,应用颜色约减和直方图确定文本颜色.然后提取颜色和笔画特征,应用k-均值聚类算法分割出文本和背景像素.最后应用后处理优化分割结果.实验表明,该算法具有较好的分割效果.     

轮廓检测的图像检索方法

在图像检索领域中,形状特征是图像的最重要视觉特征之一,利用形状特征进行检索可提高检索的准确性,但形状边界的自动提取一直是图像处理领域多年的难题。为了提高图像精度和准确性,提出一种基于轮廓检测的图像检索方法,首先用色彩聚类的方法对图像进行预处理,对有意义的聚类区域进行边缘追踪,然后采用基于Snake轮廓检测的算法完成图像分割,提取底层形状特征并用傅立叶描述子加以描述,进行相似度匹配。引入支持向量机的相关反馈算法来提高检索精度。实验结果表明了方法的有效性。     

一种基于多特征的视频人物聚类方法

检索一段视频中出现的人物并进行人物归类具有重要的研究意义和实用价值.本文提出一种基于多特征的视频人物检索聚类算法:先用一种结合人脸检测和物体跟踪的算法检测镜头人物,并提取人物衣服区域颜色以及声音作为人物特征,再用一种无监督模糊聚类方法对人物进行聚类,最后利用声音特征对聚类结果进行修正.该方法适用于人物数未知的条件下进行无监督的人物聚类.不同类型视频的试验证明该方法有效而实用.     

基于聚类主颜色和边缘直方图的图像检索方法

图像的主颜色被广泛应用于图像检索中,但主颜色不能反映图像信息的空间分布.边缘直方图是在灰度图像上提取的,丢弃了图像的颜色信息.提出了一种综合利用聚类主颜色和边缘信息进行图像检索的方法.首先利用K均值聚类算法得到图像的主颜色,然后利用大津算法分割图像,利用Sobel算子提取目标和背景之间的显著的边缘特征信息构造边缘直方图,最后综合利用聚类主颜色和边缘直方图进行检索.既可以利用主色调信息,又能利用边缘的特征信息来反映图像信息的空间分布.实验结果表明,该方法可以有效地提高检索精度.     

基于改进颜色聚合向量与贡献度聚类的图像检索算法

为了提高图像检索的速度和准确率,通过分析各种聚类算法在图像检索中的缺点,提出了一种新的划分聚类的图像检索方法。首先,在对HSV模型非均匀量化的基础上,利用改进的颜色聚合向量方法提取图像的颜色特征;然后找到符合条件的特征向量作为初始聚类中心,利用分散度与贡献度进行聚类并建立特征索引库;最后根据查询图像的相似度进行检索和排序。实验结果表明,所提算法的查准率和查全率比其它算法均有较大提高。     

基于学习聚类的图像语义检索算法

本文利用聚类理论提出了一种基于学习的聚类图像语义检索算法,建立了底层特征和高层语义的映射,实现了语义的快速提取和图像的精确检索。它由聚类构造算法、聚类构造学习和图象检索算法组成。实验结果表明,本算法是比较稳定和有效的。     

基于蚁群的图像情感特征聚类算法的研究

随着图像检索系统的发展,合理地组织和管理图像数据库已经逐渐成为图像检索的关键。首次将蚁群聚类算法应用在基于图像特征的情感聚类分析中,并对原有的蚁群聚类算法进行了改进。该算法通过计算样本间的欧式距离确定起始蚂蚁,模拟蚂蚁对食物的捡起和丢弃行为,根据提取的图像主颜色特征,对图像情感进行聚类。实验表明该算法能够取得较好的聚类效果和较高的检索效率。     

基于ISODATA聚类的词汇树图像检索算法

词汇树图像检索是一种基于视觉关键词结构的高效的图像检索算法。该算法在特征提取和聚类过程中分别采用SIFT算法和K-means算法。然而,K-means算法对初值比较依赖,当聚类个数未知时,聚类易出现强分现象,且SIFT算法易造成数据溢出和增加检索时间。对此,给出了两种新的特征提取方法,分别称为SIFT_CRONE特征和Color_HU特征,同时引入了ISODATA算法对特征进行聚类。SIFT_CRONE特征提取方法基于SIFT算法确定图像的关键点,采用CRONE算子计算关键点周围像素的梯度,对关键点进行向量描述,其优点是既保持了SIFT特征的优点又减少了检索时间。Color_HU特征是利用SIFT确定关键点和有效区域,对关键点的邻域提取该感兴趣区域的颜色直方图和HU矩特征,降低特征维数,缩短检索时间。在使用ISODATA算法时,设计了一种自适应参数确定算法。实验结果表明,ISODATA算法克服了K-means对初值的依赖,当聚类个数未知时有较好的聚类效果;两种新特征有各自的特点,均可以缩短图像的检索时间,提高检索效率。     

颜色的模糊识别方法及其在图像检索中的应用

基于内容的图像检索（Content-based Image Retrieval,CBIR）以其极高的理论与应用价值成为了图像处理领域的研究热点。提取和匹配图像特征是CBIR的主要手段。然而提取图像的有效特征是极其困难的。利用HSV颜色空间特性以及人类对颜色的感知规律,提出一种颜色识别方法。应用此方法对图像的像素进行一种保持结构的分类,并在类内提取结构特征。图像的特征匹配将在同类像素集合间进行,降低了图像特征提取与匹配的复杂性。实验表明,提出的图像检索方法有良好的效果。     

基于颜色空间分布特征的图像检索

目前,基于颜色特征的图像检索大多是以图像的颜色直方图作为颜色特征,这种图像检索方法有简单高效的优点,但丢失了颜色的空间分布信息,该文从CT图像重建的理论中得到启发,将对一幅图像从几个方向的投影图作为这幅图像的颜色特征分布。为进一步减少检索时运算的数据量,对图像做小波分解,然后对分解后图像的低频子带做Radon变换得到颜色空间分布的特征向量,并根据这个特征进行检索,实验表明,当检索图像中有明显的颜色目标时,该方法比传统的颜色直方图法更精确,颜色空间性更强,而且检索用时更短。     

Feed-forward content based image retrieval using adaptive tetrolet transforms

This paper proposes a new approach for content based image retrieval based on feed-forward architecture and Tetrolet transforms. The proposed method addresses the problems of accuracy and retrieval time of the retrieval system. The proposed retrieval system works in two phases: feature extraction and retrieval. The feature extraction phase extracts the texture, edge and color features in a sequence. The texture features are extracted using Tetrolet transform. This transform provides better texture analysis by considering the local geometry of the image. Edge orientation histogram is used for retrieving the edge feature while color histogram is used for extracting the color features. Further retrieval phase retrieves the images in the feed-forward manner. At each stage, the number of images for next stage is reduced by filtering out irrelevant images. The Euclidean distance is used to measure the distance between the query and database images at each stage. The experimental results on COREL- 1 K and CIFAR - 10 benchmark databases show that the proposed system performs better in terms of the accuracy and retrieval time in comparison to the state-of-the-art methods.     

基于小波多尺度分析的彩色图像检索方法

多媒体技术的普及和Internet技术的实施导致了大量图像信息的出现，基于文本关键词的传统检索方法已不能适应图像信息检索的要求，这使得基于内容的图像检索技术逐渐成为目前的研究热点。基于内容检索技术中必不可少的关键步骤就是图像特征的提取，其中可提取的特征有颜色、纹理和形状等。但是，由于图像的每种特征只能抓住图像相似性的某一个方面，因此如何能更好地表示图像就成为基于内容图像检索中一个重要的研究方向。针对该问题，提出了一种基于图像颜色和纹理特征的图像检索方法，其中颜色特征采用HSV颜色空间的直方图，纹理特征采用图像小波多尺度表示方法中细节信息的方差统计量，这样就充分利用了颜色的丰富表现性和小波变换的多分辨性及其变换系数的统计特性。通过对不同类型图像使用不同特征组合进行图像检索查准率的对比实验结果表明，这种图像检索方法是行之有效的。     

一种基于彩色边缘综合特征的图像检索算法

图像特征的提取与表达是基于内容的图像检索技术基础。边缘是重要的视觉感知信息,也是图像最基本的特征之一,其在图像分析和理解中有重要价值。文中以视觉重要的图像边缘轮廓为基础,提出一种基于彩色边缘综合特征的图像检索算法。该算法首先利用Canny检测算子提取出原始图像的彩色边缘轮廓。然后构造出能全面反映边缘轮廓内容的3种直方图,即加权颜色直方图、角度直方图和梯度方向直方图。最后综合利用上述3种彩色边缘直方图计算图像间的内容相似度,并进行彩色图像检索。仿真实验表明,该算法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率。     

一种基于颜色统计聚类的医学图像检索技术

基于颜色检索的基本思想是将图像间的距离归结为其颜色直方图间的相似性度量,从而图像检索也就转化为颜色直方图的匹配。目前基于颜色检索的算法主要集中在不同颜色空间进行全局颜色聚类或融合其他可视特征(纹理,颜色空间信息等)联合检索两个方向上。该文在具体的结肠镜图像检索系统研究中,根据医学图像的特点,提出一种在HSV空间的颜色统计聚类的检索方法,取得了良好的检索效果。     

形状和颜色混合不变量在图像检索中的应用

多视觉特征的图像检索是当前基于内容的图像检索领域的重要方向.已有的多特征的检索主要通过线性加权的方法对特征进行组合,但这种组合方式仅实现了代数意义上的合并,未能真正利用和发掘特征间存在的相互关系,并且权重值不容易确定,检索结果易受权重值的影响.针对这一问题,提出一种形状-颜色混合不变特征的构造方法,特征提取的过程包含同时对形状、颜色信息的抽取,直接构造出能够同时对形状仿射变换和颜色对角-偏移变换具有不变性的特征,也称作形状-颜色矩不变量.首先分别在图像的2维几何空间、3维颜色空间定义形状核、颜色核,然后对形状核、颜色核的乘积进行多重积分,最后做规范化,就得到一个不变量.理论上,通过选择不同的形状核、颜色核可以推导出无穷多的不变量.实验结果表明,该方法优于加权组合特征的方法;与加权特征、局部特征相比,形状-颜色矩不变量对于同一物体不同成像条件下的近复制图像、整体属性相似的图像、大体类似的物体图像等表现出较高的检索性能及效率.     

形状的全尺度可视化表示与识别

目的视觉目标的形状特征表示和识别是图像领域中的重要问题。在实际应用中,视角、形变、遮挡和噪声等干扰因素造成识别精度较低,且大数据场景需要算法具有较高的学习效率。针对这些问题,本文提出一种全尺度可视化形状表示方法。方法在尺度空间的所有尺度上对形状轮廓提取形状的不变量特征,获得形状的全尺度特征。将获得的全部特征紧凑地表示为单幅彩色图像,得到形状特征的可视化表示。将表示形状特征的彩色图像输入双路卷积网络模型,完成形状分类和检索任务。结果通过对原始形状加入旋转、遮挡和噪声等不同干扰的定性实验,验证了本文方法具有旋转和缩放不变性,以及对铰接变换、遮挡和噪声等干扰的鲁棒性。在通用数据集上进行形状分类和形状检索的定量实验,所得准确率在不同数据集上均超过对比算法。在MPEG-7数据集上精度达到99.57%,对比算法的最好结果为98.84%。在铰接和射影变换数据集上皆达到100%的识别精度,而对比算法的最好结果分别为89.75%和95%。结论本文提出的全尺度可视化形状表示方法,通过一幅彩色图像紧凑地表达了全部形状信息。通过卷积模型既学习了轮廓点间的形状特征关系,又学习了不同尺度间的形状特征关系。本文方法...     

面向人机交互的手势识别系统设计

在人机交互领域(Human-Computer Interaction,HCI)中,基于视觉的手势识别因其直观、高效的特点拥有广阔的应用前景。为了改善传统手势识别算法识别率低、鲁棒性差的缺点,基于OpenCV和Keras深度学习框架提出一种简单、快速的手势识别方法作为人机交互的接口。手势图像经过3个处理阶段:预处理、特征提取和分类。对输入图像进行预处理,使用YCbCr肤色模型提取出手部肤色区域,将其转化为灰度图像。使用卷积神经网络对手势图像进行特征提取和分类。实验结果表明:提出的手势识别方法识别率很高,达到99.43%,且具有较好的鲁棒性。与传统的人工选取特征相比,卷积神经网络能够有效地进行特征学习。     

图像颜色征提取技术的研究与应用

介绍图像信息处理技术的一项基础性研究--图像颜色特征提取技术,重点讨论颜色特征提取技术的发展现状以及两大应用背景,即图像检索和图像情感语义的研究,揭示了颜色特征提取技术在基于内容的图像检索和图像情感识别研究方面的重要作用.总结了常用的颜色特征提取方法,指出现有方法中存在的问题和不足之处,提出了研究的新思路,并对今后的研究重点做出了展望.