基于图像分块目标区域的检索技术研究

为了解决图像检索中视觉感知缺失所造成的检索率偏低问题,提出了一种基于目标区域检索算法.借鉴方块编码的方法将图像进行二值化处理,从而转化为位平面图,在此基础上,提取图像的背景区域和目标区域,为提取图像的空间分布信息,采用环形分割的方法提取图像的环形分布直方图作为内容特征用于检索.该算法既利用了图像的灰度信息和人眼对纹理的视觉敏感特性,又充分考虑了图像的空间分布对检索效率的影响,试验表明该算法和以往算法相比具有较高的检索效率.     

特征点显著性约束的图像检索方法

图像检索的Bag of Words体系存在量化后的视觉词影响局部特征的辨别能力并且缺乏特征之间空间关系的缺点,影响检索效率。针对复杂背景的目标查询,提出了融合显著性信息的图像检索方法和基于显著特征点空间距离比的后验证方法。首先,提取图像显著目标区域,使用空间金字塔模型进行图像检索。然后,利用查询图像与检索图像匹配的显著特征对,计算任意两对显著特征点的距离比,保留满足阈值的比值,并求和,用以重新排序结果图像,得到最终的检索结果。实验结果表明:该方法显著提高了检索的精确度,并减少了几何验证过程的运算时间。     

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。     

基于颜色直方图的石材图像检索

选取石材图像的颜色特征,采取基于全局和局部的图像颜色直方图技术对其检索分类.将HSV色彩空间与直方图相交法、环形直方图与角度直方图法分别相结合以符合视觉一致性,并对不同的色彩通道赋予不同的权重,对H、S和V三分量进行非等间隔量化以提高检索精度和效率.实验结果中石材图像按其相似度进行排列.分析结果表明,基于全局直方图相交法的检索方式对石材图像检索有较好的效果.     

基于视觉加权的最大连通面积直方图检索

提出一种对最大连通面积直方图进行视觉加权的图像检索方法。该方法首先计算像素点颜色复杂度和视觉权值;然后找出HSV颜色量化空间下各种颜色等级的最大连通区域;再采用像素点的视觉权重,计算连通区域所对应的视觉权值;最后构造出视觉加权的最大连通面积直方图特征,并利用适于该特征的相似性度量函数实现检索。实验表明检索结果更加符合人的视觉感知。     

一种基于兴趣点颜色及空间分布的图像检索方法

提出了一种利用兴趣点进行图像检索的新方法．该方法把兴趣点作为图像中用户关注的视点线索,设计了一种基于兴趣点的环形颜色直方图,既利用了兴趣点的局部颜色特征,又考虑了兴趣点的空间分布结构,在保证检索算法对图像旋转、平移鲁棒性的前提下,克服了传统颜色直方图没有位置信息的缺陷．实验结果表明,该方法实现简单,有效提高了图像检索的效率．     

一种梯度方向直方图的人耳识别方法

为了提高多姿态人耳的识别准确率,提出了一种结合梯度方向直方图（H（）G）特征和监督保局投影的人耳识别方法．人耳图像被划分成重叠的子区域,在每个子区域中计算局部HOG特征．所有的局部HOG特征构造成包含丰富信息的高维向量,高维向量映射到流形空间利用监督保局投影进行鉴别分析,获得强鉴别力的特征．利用最小欧氏分类器进行分类识别．结果表明,本文方法提高了大姿态人耳的识别率．稀疏的子区域表示和局部HOG特征能在一定程度上克服姿态变化造成的对齐误差,对角度变化有很好的鲁棒性．     

KAZE算法在图像检索中的应用

给出一种KAZE算法与视觉词典库模型相结合的图像检索算法。利用KAZE算法提取特征点,构造特征描述子,进行预匹配;采用随机抽样一致性算法剔除误匹配点和错误点;通过K均值聚类算法对特征描述子进行聚类,建立视觉词典库模型。将图像特征描述子映射到视觉词典库模型,得到检索结果。实验结果表明,该算法可以检索相同或相似图像,图像检索的平均查准率为55%。     

基于IPDSH兴趣点空间区域划分的图像检索

针对基于兴趣点的传统图像检索方法的不足,提出了一种利用兴趣点检测和空间区域划分的图像检索新方法。首先使用一种结合SIFT和Harris特性的尺度空间兴趣点检测算法(IPDSH)来检测图像的稳定兴趣点;然后利用稳定兴趣点的空间位置对图像进行环形和凸包区域划分,并计算凸包内的颜色直方图和环形区域中稳定兴趣点邻域内伪泽尼克矩;最后以两种特征的加权特征向量对图像进行检索。该方法实现简单,检索速度快,能保证检索算法对图像旋转、平移的鲁棒性,且有效减少了图像中不稳定兴趣点对检索带来的干扰,图像检索的准确度有效提高了7.0%～15.1%。     

基于局部主色和边缘特征的图像检索

在基于内容图像检索技术中,经典颜色直方图方法具有一定的局限性,为此提出一种综合图像局部主色和边缘特征的图像检索方法.通过使用HSV颜色模型对图像进行量化,设计了一种重叠方式的图像分块方法,然后加权各分块区域主色,得到颜色特征,再利用Sobel算子提取图像边缘,用二维边缘直方图描述边缘特征,最后将颜色特征和边缘特征通过加权处理,得到图像总的相似度,实现图像检索.实验表明:综合两种特征的检索方法比单一特征的检索方法效果更好.     

基于多重分割捆绑特征的目标图像检索

针对基于目标的图像检索（OBIR）领域中,传统的视觉关键词方法忽略了局部特征之间的空间关系信息,导致检索准确度不高的问题,提出一种基于多重分割捆绑特征的目标图像检索方法.通过对图像进行多重分割,各分割区块用它所包含的尺度不变特征变换(SIFT)特征集合来描述,生成包含空间关系信息的捆绑特征;根据视觉关键词词库匹配捆绑特征,并提出一种改进的相似性度量方法计算捆绑特征相似度,再将该相似度作为权重融入到视觉关键词方法的向量空间模型中,计算图像相似度并进行排序.结果表明,该方法能够有效利用局部特征之间的空间关系信息,在保证检索效率的同时,显著提高检索准确度.     

基于区域特征融合的图像检索算法研究

目前图像检索主要基于颜色、纹理、形状、空间关系等单一特征。针对此局限性,以彩色图像分割为基础,提出一种综合颜色及局部纹理特征信息的图像检索方法。该方法结合了颜色和纹理特征,比单一特征检索更符合人的视觉感受要求,检索效果更好。     

一种基于视觉注意模型的图像检索方法

借鉴心理学中人眼视觉注意力模型,提出了一种新的基于显著区域的图像检索方法。利用局部结合整体的方式,既考虑图像显著区域中稳定所具有的稳定特征,同时充分利用区域间相互位置关系反映图像的整体构成,并结合二者进行检索,从而克服了传统检索中不能解决的图像旋转、平移、亮度变化等缺点。实验表明,利用显著区域进行检索有利于消除图像背景对检索结果的影响,与传统基于全局的检索方法相比,本文提出的方法具有更好的检索性能。     

基于局部区域LBP特征的人脸识别研究

传统的LBP方法往往分散特征区域所表达的信息,提出一种基于局部区域LBP特征（Local Binary Pattern,局部二值模式）提取的人脸识别方法。用积分投影法在表情图像上定位出眉毛、眼睛、鼻子和嘴巴这些特征点的位置,根据这些特征点的位置确定这些特征部件所在子区域,然后对这些子区域进行不同的分块,提取各子区域的局部LBP直方图,按顺序把它们连结成一个特征直方图序列。实验结果表明：局部区域LBP方法与传统的LBP方法相比有很强的人脸表情特征识别能力,能够更准确地提取面部局部区域的表情信息。     

基于兴趣点密度加权的图像美学质量评价

针对现有方法没有充分考虑图像空间美学信息,并且评价效果过分依赖于主体区域识别效果的问题,提出一种基于兴趣点密度加权的图像美学质量评价模型。首先对图像进行超像素分割和兴趣点检测并提取特征描述子,然后统计超像素块内的兴趣点个数,根据兴趣点密度对超像素块内的特征描述子进行加权并进行局部约束线性编码处理,最后利用机器学习方法进行图像美学质量评价。实验结果表明该方法用来图像美学质量评价大大减少了特征维度和计算时间,提高了评价模型的准确率。     

基于矩形区域重叠分块加权的图像检索

为了有效地描述图像的颜色空间分布信息并进行图像检索,提出了一种基于矩形区域重叠分块加权的图像检索方法。该方法首先裁剪待检索图片和图像库图片,得到由图像中心到外,包含小、中、大三个矩形的图像和图像库;其次分别计算三个矩形区域的彩色直方图特征及其相似度,根据空间距离度量从小到大排序;最后引入人机交互的反馈机制,根据用户的输入参数多次反馈,在用户感兴趣的图像区域检索。仿真实验结果表明,相比于均匀分块直方图算法和环形分块算法,当检索主体信息处于边缘的图像时,提出算法的图像检索率更高。提出的算法可以有效地描述图像的颜色空间分布信息并进行图像检索。     

NSST与引导滤波相结合的多聚焦图像融合算法

为进一步提高融合图像的对比度和清晰度,提出一种非下采样剪切波变换(简称NSST变换)与引导滤波相结合的多聚焦图像融合算法.首先,利用NSST变换对多聚焦源图像进行多尺度、多方向分解;然后针对低频子带系数,通过计算局部区域改进拉普拉斯能量和进行加权映射,构建初始融合权重,利用引导滤波修正初始融合权重,提出一种基于局部区域改进拉普拉斯能量和的引导滤波加权融合规则;针对高频子带系数,结合人眼视觉特性,通过计算显著信息、局部区域平均梯度、边缘信息和局部区域改进拉普拉斯能量和来构建初始融合权重,利用引导滤波修正初始融合权重,提出一种基于人眼视觉特征的引导滤波加权融合规则;最后,进行NSST逆变换,获得融合图像. 4组多聚焦源图像的仿真实验结果表明,无论是从主观评价还是客观评价上,与其余4种融合算法相比,本文算法均较好地保留多聚焦源图像的边缘轮廓、细节和纹理等信息,也无细节信息缺失,提高融合图像的对比度和清晰度.     

抗模糊的图像局部特征描述子

针对提取图像局部特征时,尺度不变特征变换描述子对光照条件变化仅有部分不变性,特别对非线性光照变化不具备不变性,对模糊的目标图像也无法准确提取或仅能提取到很少特征点的问题,利用局部二值模式描述子对光照的健壮性提出了一种符合人类视觉系统的自底向上再到自顶向下的视觉认知过程的新的抗模糊的图像局部特征描述子。实验表明,所提出的描述子对光照变化有更好的健壮性,对模糊的目标图像能准确地提取出更多的特征点,保留了尺度不变特征变换对缩放、旋转和压缩等变换的不变性,并显著地提高了针对模糊图像的匹配率。     

基于空间注意力和卷积神经网络的视觉情感分析

为了解决现有基于深度学习方法的视觉情感分析忽略了图像各局部区域情感呈现的强度差异问题,提出一种结合空间注意力的卷积神经网络spatial attention with CNN, SA-CNN用于提升视觉情感分析效果。设计一个情感区域探测神经网络用于发现图像中诱发情感的局部区域;通过空间注意力机制对情感映射中各个位置赋予注意力权重,恰当抽取各区域的情感特征表示,从而有助于利用局部区域情感信息进行分类;整合局部区域特征和整体图像特征形成情感判别性视觉特征,并用于训练视觉情感的神经网络分类器。该方法在3个真实数据集TwitterⅠ、TwitterⅡ和Flickr上的情感分类准确率分别达到82.56%、80.23%、79.17%,证明利用好图像局部区域情感表达的差异性,能提升视觉情感分类效果。     

基于区域统计直方图与自适应规则的图像匹配算法

当前解决图像匹配算法主要是依靠独立像素点的灰度特性来完成图像配准,当匹配图像存在较大的灰度差异时,易出现较多的误匹配点,使得算法的鲁棒性与匹配正确度不高。提出基于区域统计直方图耦合自适应规则的图像匹配算法。首先,利用积分图像的方式求取矩形区域内像素值,再采用Hessian矩阵行列式提取特征点,以提高算法的计算效率;然后,引入极坐标系,对特征点的邻域进行分割,利用像素点对应的微分不变矢量的特性,构建区域统计直方图模型,用以求取分割区域内所有像素点的微分不变量的统计直方图,生成特征描述子。将特征点对应的描述子向量进行欧式度量,借助自适应规则对门限值进行整定,完成特征点的匹配,以提高算法的匹配精度以及鲁棒性;最后,引入PROSAC算法,通过对匹配特征点之间的极限距离平方和进行评估判定错误匹配点,以剔除错误匹配点。仿真实验结果表明,与当前图像匹配算法相比,所提出的算法具有更高的配准精度与鲁棒性。该算法在图像伪造、图像检索等信息应用领域具有重要应用价值。