基于泽尼克矩耦合颜色空间加权度量的商标检索算法

目的 针对商标检索系统中利用单一特征进行识别和度量时,往往难以充分表征商标特征,易出现检索精度和鲁棒性不高等问题,文中拟设计一种泽尼克（Zernike）矩耦合颜色空间加权度量的商标检索方案。方法 首先,利用Zernike矩作为商标的形状描述符,充分描述商标的形状信息。随后,利用颜色空间来描述图像中像素空间信息的颜色分布特征。然后,分别将输入商标的Zernike矩特征、颜色空间特征与存储在数据库中的特征进行匹配,以计算Zernike矩特征的加权Euclidean距离与颜色空间度量。最后,联合颜色空间度量与Euclidean距离,综合考虑形状与颜色特征,形成新的距离测量规则,输出与查询商标相似的商标。结果 实验数据表明,与当前商标检索算法相比较,所提算法具有更高的检索准确率与鲁棒性,表现出更为理想的Precision-Recall以及平均准确率（Mean Average Precision, MAP）。结论 所提算法返回的图像与查询图像相似度较高,在商标注册、侵权保护等方面中具有一定的参考价值。     

基于区域生长耦合多分类器的商标检索算法

目的针对商标检索算法中易出现的语义鸿沟,底层视觉特征与高层语义相关性不强而导致商标检索精度不理想的问题,定义一种基于区域生长耦合多分类器的商标检索方案。方法首先对输入的商标进行预处理,去除图像中的噪声和杂散点,并通过3D直方图和聚类算法来提取输入图像中的主颜色;基于区域生长算法,合并具有相同颜色标签的所有连接点,以形成颜色区域;然后根据生成的颜色区域,分别定义颜色分类器、形状分类器和关系分类器,利用每个分类器计算查询图像和数据库中图像的检索优势概率;最后通过决策组合,根据检索规则和列表长度找到最相似的商标,并利用动态选择方案进一步提高检索准确率。结果实验结果表明,与当前商标检索方案相比,所提检索系统具有更为理想的Precision-Recall曲线,对缩放、扭曲和噪声具有更高的鲁棒性。结论所提方案在各类几何变换下具备较高的检索准确率,对商标注册、版权保护等行业有较好的借鉴意义。     

基于颜色信息与空间特征的自适应商标检索算法

目的为了增强商标检索技术对商标特征的描述能力,改善其在外来干扰下的检索精度与鲁棒性。方法提出一种基于颜色与空间特征自适应结合的商标检索算法。首先,引入主颜色描述符(DCD),将其作为颜色特征检测器,并在颜色特征提取时嵌入k-均值聚类算子,增强颜色区域,准确提取颜色特征。随后,每个商标被量化为8个显色的最大值,以便提取每个颜色分量中的空间分布信息。然后,通过利用不同的权重来平衡颜色与空间特征的重要性,定义一种基于模糊直方图分析技术,计算每个商标自适应系数,以准确描述彩色商标的图像特征。最后,通过Euclidean距离进行相似度量,输出检索到的商标。结果实验结果表明,与当前商标检索方法相比,所提算法具有更高的检索精度与鲁棒性,呈现出更理想的P-R曲线,在召回率为0.7时,其检索准确率仍可达到90%。结论文中检索方法具有较高的检索精度,在包装商标检测、商标版权保护等领域中具有良好的应用价值。     

基于深度学习耦合稀疏语义度量的商标检索算法

目的针对当前商标图像检索中的语义鸿沟问题,提出一种深度学习耦合稀疏语义度量的商标图像检索方案,有效抑制噪声干扰,降低冗余特征维数。方法首先,根据由卷积与池化组成的无监督学习机制,对输入商标图像进行多层特征提取,输出一维特征向量。随后,通过L2-支持向量机(L2-SVM)进行分类,利用特征向量进行训练,获得多级联特征。然后,根据商标图像的多级联特征和用户标签信息的异构数据结构,设计一种稀疏语义度量方法进行相似检索,减少语义鸿沟。此外,引入一种混合范数作为相似度量的稀疏约束,以抑制原始输入空间中的冗余特征维数和噪声,优化检索结果。结果实验表明,与当前流行的商标检索方案相比,所提算法具有更高的检索精度,其输出的结果中仅有1幅无关图像。结论该方案具有较高的检索精度和较强的鲁棒性,在商标检测、商标保护等方面中具有良好的应用价值。     

基于颜色和形状的图像检索

提出一种新的基于颜色和形状的图像检索方法.将彩色图像转换到HSV空间将彩色图像转换到HSV空间,同时将检索图像分块,分别计算每个子块图像的颜色信息熵和中心矩;同时利用Harris算法提取检索图像的兴趣点,计算兴趣点环形空间分布的颜色信息熵和中心矩,以此表征图像的形状特征.针对颜色和形状特征进行高斯归一化,分别计算图像颜色和形状的相似度.最后,利用颜色和形状相似度的加权和进行图像检索.试验结果表明本文算法比CCSI算法和SCH算法具有较高的检索率.     

基于多层次视觉语义特征融合的图像检索算法

目的为了解决低层特征与中层语义属性间出现的语义鸿沟,以及在将低层特征转化为语义属性的过程中易丢失信息,从而会降低检索精度等问题,设计一种多层次视觉语义特征融合的图像检索算法。方法首先分别提取图像的3种中层特征(深度卷积神经网络(DCNN)特征、Fisher向量、稀疏编码空间金字塔匹配特征(SCSPM));其次,为了对3种特征进行有效融合,定义一种基于图的半监督学习模型,将提取的3个中层特征进行融合,形成一个多层次视觉语义特征,有效结合3种不同中层特征的互补信息,提高图像特征描述,从而降低检索算法中的语义鸿沟;最后,引入具有视觉特性与语义统一的距离函数,根据提取的多层次视觉语义特征来计算查询图像和训练图像的相似度量,完成图像检索任务。结果实验结果表明,与当前检索方法对比,文中算法具有更高的检索精度与效率。结论所提算法具有良好的检索准确度,在医疗、包装商标等领域具有一定的参考价值。     

基于双级特征提取与度量的图像检索算法

目的 针对单一低层特征在语义属性中的信息易丢失,导致其对图像描述能力不强,使其检索精度不佳的问题,结合颜色矩（CM）、角径向变换描述符（ART）和边缘直方图（EH）等3种特征,定义一种双级特征提取与度量的图像检索方案。方法 首先,将图像转换为HSV色彩空间,并将其分割为若干个非重叠子图像,通通过计算每个子图像的均值、标准差和偏斜度来表征CM;再利用Euclidean距离,对查询图像和数据库图像的CM进行提取与度量,将输出的检索结果标记为一个图像集。随后,提取查询图像与图像集中每个目标的ART和EH特征;利用Euclidean距离分别度量查询图像与图像集中目标的ART与EH的相似性;最后,对ART与EH的加权组合,输出相似性最高的检索图像。结果 实验表明,与当前常见的检索算法比较,文中算法具有更高的检索精度,表现出更优异的Precision-Recall曲线。结论 所提算法具有良好的检索准确度,在信息处理、包装商标等领域具有一定的参考价值。     

基于SIFT和加权信息熵的红外小目标检测

针对红外图像中弱小目标的检测需求,文中提出基于尺度不变特征变换Scale Invariant Feature Transform(SIFT)和加权信息熵的红外小目标检测算法.该方法根据红外小目标的成像特点,采用SIFT特征描述子进行关键点的提取,利用帧间的匹配初步获得了目标的可能位置;进一步使用红外图像加权信息熵得到图像在灰度信息和平均信息量意义下的特征;再针对复杂云背景成像弱小目标实时检测的需要对计算出的特征进行再一次判定进而检测出目标.实验结果表明该方法在天空云背景中处理效果较好,具有良好鲁棒性.     

非负矩阵分解耦合视觉词典的图像检索算法

目的解决当前图像检索技术中,图像特征稀疏编码收敛速度慢,以及局部特征空间信息不足易导致检索误差较大等问题,提出一种基于l0稀疏约束非负矩阵分解耦合视觉词典优化的图像检索算法。方法首先,在非负矩阵分解(Non-negative Matrix Factorization,NMF)的基础上,对系数矩阵设置l0个约束来限制其稀疏性,从而定义一种l0稀疏约束的NMF方法。再通过一种自适应序列词典初始化方案,从训练样本获得词典的初始估计。然后,利用l0稀疏约束的NMF来增强视觉词典,对图像局部描述符进行稀疏编码,并利用最大池化操作来生成聚合特征向量,从而保留局部描述符的关键属性。最后根据得到的特征向量,引入Minkowski距离来衡量查询图像与数据库的相似性,输出检索图像。结果实验结果表明,与当前图像检索方案相比,所提算法具有更高的查准-查全率和收敛速度。结论所提算法返回的图像与查询图像相似度高,在包装商标检索等领域具有一定的参考价值。     

一种基于区域特征的图像检索方法及实现

提出了一种以区域块为单位的图像检索方法。其思想是在顺序扫描图像的同时,运用递归算法不断合并四邻域相似颜色像素得到若干区域块,然后记录下区域块的颜色、形状和位置等量化特征。最后,运用一种根据区域块特征提出的最大相似优先匹配的方法进行检索。另外,客户可以根据需要灵活设定3类特征指标的权重,进行综合查询。实践证明,能取得较高的查准率和查全率。     

加权相位一致性改进的图动态精确配准算法

目的为了解决当前图像配准算法匹配精度较低的问题。方法提出加权相位一致性耦合改进的图变换匹配的精准动态图像配准算法。首先,基于SIFT机制,检测图像中的关键点;并嵌入加权因子,定义相位一致性特征,对关键点完成提纯,消除误配点与稳定性不佳的特征点;随后,设计角度距离,替代相邻特征,改进图变换匹配技术,形成精准匹配关系集;再利用初始匹配特征点与精准匹配特征点间的映射关系,对其完成修正;最后,利用改进的图变换匹配算法处理修正后的匹配关系,进一步提高匹配精度。结果仿真结果显示,与当前图像配准技术相比,改进的算法拥有更强的鲁棒性与更高的匹配精度。结论改进的算法能够提高图像在几何变换程度较大时的匹配精度。     

改进的FAST算子耦合投影约束法则的图像匹配算法

目的针对当前较多图像匹配算法主要通过对特征点的相似性进行度量来优化匹配特征点,忽略了特征点之间的投影相关性,导致算法的鲁棒性下降、匹配错误度较高的问题,文中提出了基于改进FAST算子耦合投影约束法则的图像匹配算法。方法首先,利用FAST算子提取图像特征点,并通过Harris算子去除FAST算子中的伪特征点,充分获取稳定特征点。然后,利用圆域内像素点的高斯曲率值,对特征点进行描述。最后,利用归一化互相关系数(Normailizedcorrelationcoefficient,NCC)对特征点进行匹配。并通过特征点之间的投影关系函数计算特征点的投影值,并根据投影值建立投影约束法则,以去除错误配点,优化匹配精度。结果实验数据显示,与当前图像匹配技术相比,所提算法具有更好地鲁棒性与匹配精度,在多种几何攻击下,所提算法的正确匹配率仍可维持在90%以上。结论所提算法在各类几何变换下仍具有良好的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。     

良分布的多特征遥感图像自动配准算法

针对基于点特征的遥感图像自动配准算法中存在特征点分布不均匀的问题,提出了一种基于SIFT(尺度不变特征变换)、Harris-Laplace(多尺度角点)、MSER(最大稳定极值区域)特征提取算法的多特征遥感影像配准方法。通过多特征与二次匹配,极大的提高了匹配点数目;通过基于距离的筛选,保证匹配点分布均匀合理;通过局部互信息精校正,使匹配点精度更高,最终达到高质量(空间分布均衡,匹配精度高)自动配准目的。     

具有SIFT描述的Harris角点多源图像配准

多源传感器成像原理的差异给图像配准带来了很大困难,本文针对红外与可见光图像配准提出了一种具有SIFT描述特征的Harris角点多源图像配准算法。首先建立多尺度空间,以多尺度空间检测尺度不变的Harris角点作为特征点;然后通过改进SIFT对特征点的描述方法,采用圆环结构算子对Harris角点进行类SIFT的特征描述;最后利用双向最近邻方法进行匹配,通过最小二乘法实现图像的配准。实验证实了算法配准的精确性、快速性和稳定性,具有较好的配准效果。