基于分块颜色矩和灰度共生矩阵的图像检索

颜色和纹理是描述图像内容的两个重要视觉特征,提出了一种基于分块颜色矩和灰度共生矩阵相结合的图像检索方法。根据图像背景内容的差异,将图像分成大小相等的子块,通过HSV颜色空间非均匀量化,计算子块的颜色矩来描述图像的局部颜色特征。整体图像采用灰度共生矩阵作为其纹理特征。结合两者采用加权欧式距离计算图像相似度,从实验结果中得出该检索方法的有效性。     

一种基于基元的彩色图像检索方法

结合基元与颜色特征,提出一种基于基元的彩色图像检索算法,该算法首先将彩色图像从RGB颜色空间转换到HSV空间上,并将图像量化为256种颜色,然后定义五种基元类型对图像进行基元分析得到基元图,利用颜色直方图描述基元图的颜色特征,利用改进的直方图相交算法进行相似度度量。实验结果表明：提出的算法能有效地去除背景颜色对图像目标的检索影响,而且较之用灰度边缘检测的边缘代替彩色图像边缘而进行的检索,能更好地反映彩色图像的纹理和边缘特征,具有较高的查准率和查全率。     

基于四像素共生矩阵的图像检索

传统的灰度共生矩阵是一种有效的纹理图像分析方法,它在图像理解和计算机视觉研究领域已得到了广泛的应用。为了更有效地进行图像检索,提出了一种新型的共生矩阵描述子,它是通过描述4个像素的空间相关性来进行图像检索。利用该共生矩阵描述子进行图像检索时,首先在RGB颜色空间中计算彩色梯度,然后利用四像素共生矩阵来描述图像特征,并用于基于内容的图像检索。实验结果表明,四像素共生矩阵描述子能够结合颜色、纹理和形状特征,因此检索性能优于灰度共生矩阵和颜色相关图。     

基于多邻域空间分布的图像检索

由于灰度共生矩阵及其改进算法存在计算复杂、且对于纹理分布信息缺乏计算以及忽略了图像相关特性等缺点,导致对于图像纹理的有效信息缺乏很好的描述,为此提出了一种新的纹理特征用于图像检索.该算法首先结合图像中像素的统计信息,针对不同的邻域范围提取图像的邻域相关矩阵,然后在此基础上构造多邻域空间分布特征用于图像检索.分析表明,该算法所提取的纹理特征计算量小,复杂度低,并且由于将纹理的结构特征和统计特征有效地结合起来,所以对图像的空间纹理分布特征可以较好地描述.为了证明新算法所提取纹理特征的有效性,将其用于图像检索实验.实验结果表明,新算法在检索精度上相比其他算法具有较大的提高.     

综合颜色空间特征和纹理特征的图像检索

基于内容的图像检索一直是图像检索领域的研究热点。提出一种综合颜色空间特征和纹理特征的检索算法。首先将彩色图像转换到HSV颜色空间,进行非等间隔量化,提取颜色特征和颜色空间位置信息,再在灰度图像里利用中心块图像分形编码的方法,获取分形编码参数作为图像的纹理特征。在对特征进行内部和外部高斯归一化后,综合颜色空间特征和纹理特征,利用人工鱼群算法进行检索。实验结果表明,算法性能良好,在检索准确率和速率上取得了良好的效果。     

MPEG-7区域综合特征匹配的图像检索算法

为改进现有基于颜色-纹理特征的图像检索算法在反映空间分布信息方面的不足,提出了一种基于MPEG-7区域综合特征匹配的图像检索算法(FIM-RBIR)：首先按类粗分辨率对图像进行区域划分,再综合图像区域的颜色、纹理特征实现有效检索。实验结果表明,FIM-RBIR算法比SIMPLIcity系统的检索效果有了比较显著的改进,平均检索性能提高了433%,具有较好的平均查准率和鲁棒性。     

改进的基于颜色和SIFT特征的图像检索方法

针对全局灰度直方图缺少空间分布信息和SIFT特征匹配方法准确性不足的问题,提出基于分块的提取图像颜色矩方法,并改进了SIFT特征度量算法.然后将这两种改进算法相结合,并应用于图像检索系统中.实验结果表明,本文提出的算法在图像检索中取得了较好的效果.     

一种基于颜色的数字图像检索技术研究

传统的基于直方图的图像检索算法对图像颜色空间位置信息无法正确反映,如果两幅图像的直方图相同,就会对检索结果造成误差。鉴于此,本文提出了一种新的图像检索算法,该算法综合了图像的颜色、灰度以及空间信息提取图像特征向量等。先建立图像的颜色直方图和灰度直方图,并进行量化,然后在颜色进行区域检索。通过实验证明,相对于传统的基于直方图的算法,本文提出的新算法,对于检索精度有很大的提高。     

一种综合颜色和纹理特征的图像检索算法

对图像颜色特征和纹理特征进行了研究。在图像颜色特征方面,利用人类的视觉特性,对图像不同分块的主色进行确认和加权处理,获得加权主色颜色特征;在纹理特征方面,利用统计法和结构法构造灰度-差分基元共生矩阵来提取纹理特征。在此基础上,通过高斯归一化方法将颜色特征和纹理特征进行综合,形成最后的图像检索特征,并给出了利用该特征的图像检索算法。实验结果表明,所提出的灰度-差分基元共生矩阵特征提取较传统的灰度共生矩阵特征更加精细,在此基础上综合利用颜色和纹理特征的图像检索方法具有更好的检索精度。     

基于梯度基元聚合矢量的图像检索算法*

针对图像检索中多特征融合问题,提出了一种基于梯度基元聚合矢量的图像检索算法。该算法在改进的HSV颜色空间计算边缘梯度,通过定义的基元模板扫描梯度图像,生成梯度基元图像,将基元和非基元像素分别组合成聚合和非聚合像素集合;最后利用颜色自相关图算法对上述两个集合提取特征矢量,实现了融合颜色、形状、纹理和空间信息等多特征的图像检索。实验结果表明,该算法能够融合颜色、形状、纹理和空间信息,有效地提高了基于内容的图像检索的查准率和查全率。     

一种基于灰度共生矩阵的云图检索方法

卫星云图检索可帮助气象预报人员快速定位历史相似天气．根据云图纹理特征区分度较大的特点提出一种采用纹理特征对卫星云图进行相似性检索的方法。针时找到一个普遍适用的纹理特征非常困难的问题．提出一种根据特征值的方差分布情况从大量备选特征中快速找出适合某类图像检索所需的纹理特征值的方法,并以灰度共生矩阵的特征值提取为例．对卫星云图进行相似性检索。检索流程为：首先对云图进行云地分离的预处理．然后从云图的灰度共生矩阵中提取有效的检索特征生成特征值．并与历史云图库对应的特征库进行相似距离计算．最后根据距离的排序顺序输出最终的检索结果。实验表明．该方法能有效地从历史云图库中检索出具有相似视觉特征的云图．说明该方法可以用于卫星云图的相似性检索。     

灰度共生矩阵检索纹理图像的算法研究

图像的特征提取和匹配是基于内容的图像检索技术的基础.针对典型纹理图像的检索问题,给出了共生矩阵特征统计量的合理提取方法.在此基础上,结合特征匹配技术实现了基于共生矩阵的纹理图像检索系统.测试了不同度量函数以及不同的特征统计组合对检索结果的影响.研究表明,提取共生矩阵的四参数,用加权街区距离进行图像匹配,可获得相对较好的检索效果.     

基于改进双树复小波和灰度-梯度共生矩阵的纹理图像检索算法

针对双树复小波变换缺少不同尺度纹理的空间分布特征的缺陷,提出了一种改进双树复小波和灰度-梯度共生矩阵相融合的纹理图像检索新算法。首先,该算法将图像进行非均匀分块,并对分块的图像进行双树复小波变换,以此增加不同尺度下的空间信息;其次,利用灰度-梯度共生矩阵提取4个统计量特征;然后, 融合 两种方法提取的纹理特征以得到图像检索的纹理特征;最后,用Canberra距离进行相似性度量并输出图像检索的结果。实验结果表明,该方法对纹理图像有较好的检索效果。     

基于RGB向量空间的彩色纹理图像检索

彩色纹理图像分析是图像理解和计算机视觉研究领域的重点之一,彩色纹理图像分析具有很大的优越性.本文提出了一种新的彩色纹理图像描述子,首先计算RGB向量空间的梯度,经过标准化后把它映射到灰度级上,利用共生矩阵来描述纹理图像特征,并用于图像检索.实验结果表明,该纹理图像描述子能够有效结合颜色和纹理特征,具有良好的检索效果.     

采用K-means的脑肿瘤磁共振图像分割与特征提取

大脑肿瘤分割对于医师判断肿瘤恶化程度非常重要。然而,由于肿瘤的不规则形状、与周围组织的低对比度以及出现位置的不固定,给脑肿瘤的精确分割带来很大的困难。传统的K-means分割方法仅仅利用图像的灰度特征,很难准确分割肿瘤边界。利用灰度共生矩阵提取出的纹理特征,并结合图像几何不变矩特征对分割出的脑肿瘤图像进行特征提取。灰度共生矩阵定义为像素对的联合概率分布,是一个对称矩阵,它不仅反映图像灰度在相邻的方向、相邻间隔、变化幅度的综合信息,也反映了相同的灰度级像素之间的位置分布特征,是计算纹理特征的基础;几何矩（不变矩）具有旋转、平移、尺度等特性,能将图像分解为有限特征值,并且通过对比所提取出的同一病人的肿瘤图像的不变矩参数,可以获得该肿瘤几何形状变化程度。实验结果表明,该方法可以同时从纹理和几何特征对图像特征进行描述,与分别采用灰度共生矩阵和不变矩方法进行特征提取相比较,降低了算法计算量,同时提升了算法的抗噪性。     

一种改进的颜色共生矩阵纹理描述符

利用模糊连续三角模运算定义的相似性度量描述彩色图像中像素点之间的差异程度,提出一种改进的颜色纹理特征描述符。该描述符首先将彩色图像多通道颜色信息按照间隔距离和方向进行有效融合并转换为伪灰度图像,然后再用灰度共生矩阵法提取图像的纹理特征矢量。在基于内容的图像检索测试平台上完成的实验表明,改进的纹理描述符所需特征矢量的维数与灰度共生矩阵描述符相同,而描述能力却能与各类颜色共生矩阵描述符相当,有效地实现了图像中纹理和颜色特征融合提取,提高了图像检索性能。     

基于多特征高效索引的图像检索

为了提高图像检索的准确率和速度,提出了一种多特征组合的图像检索算法。在颜色空间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;基于改进的灰度共生矩阵提取纹理特征参数;利用Krawtchouk矩不变量提取图像的形状特征;基于贡献度聚类并建立特征索引库。融合上述特征计算图像间的相似度,使用特征索引对图像进行快速检索。实验结果表明,提出算法的检索精度有较大提高,能快速检索出用户所需的图像。     

低级特征和语义特征相结合的医学图像检索方法

提出了一种将图像本身的低级特征和语义特征描述相结合的医学图像检索方法。首先提取图像的灰度特征、矩特征和纹理特征，进一步采用遗传算法进行最优特征的选择，由于这些低层特征对图像的描述与人类对图像的描述存在较大差异，直接利用这些特征作为检索依据常得不到满意的结果，因此需要进一步提取语义特征，将影像报告中医生给出的关于图像的描述作为语义内容进行相似性检索。实验结果表明，综合低级特征和语义特征的检索比仅利用低级特征的检索更接近于人的视觉理解。