基于局部颜色直方图的图像检索方法研究及实现

在直方图技术的基础上引入携带空间信息的相似匹配的方法,将一幅图像划分为许多子块,每个子块都具有与其相关的局部颜色直方图,从而携带图像的空间信息。给出了四种检索算法,并在系统中加以实现,验证了算法的有效性。     

基于颜色直方图熵值及分块主色的图像检索

为了克服在检索相同背景中物体颜色不同的图像时无法利用颜色特征而必须利用物体的形状特征这一缺陷,并进一步提高图像的检索效果,本文提出了一种基于颜色直方图熵值及分块主色的图像检索方法。实验结果表明,该方法不仅可以提高图像检索的查准率与查全率,而且对于检索相同背景中物体颜色不同的图像时只利用颜色特性即可达 检索目的。     

基于颜色特征的图像检索

针对颜色特征,给出了全局直方图和分块主色的具体方法,并作了比较,总结了适合这两种方法的图像特征.同时,还将相关反馈技术融合到算法中,通过权值矩阵的正负调整及多次检索来提高检索准确率.实验数据表明,文中的方法是很有效的.     

基于视觉权值的分块颜色直方图图像检索算法

为了进一步提高基于颜色直方图的图像检索系统工作效率, 本文以人眼视觉感知特性为基础, 结合局部图像相关性, 提出了一种基于视觉权值的分块颜色直方图图像检索新方法. 该方法首先对图像进行分块处理, 并计算出图像子块的颜色直方图; 然后结合反映局部区域变化的像素点颜色复杂度, 计算出图像子块的视觉权值; 最后利用视觉权值对子块颜色直方图进行加权处理, 并根据加权颜色直方图进行图像检索. 仿真实验结果表明, 本文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.     

基于人眼感知度的分块加权图像检索*

提出了一种基于人眼感知度的图像检索算法。该算法首先由像素的人眼感知度的计算得到各分块的权值,然后对分块的LBP纹理直方图和HSV颜色直方图进行加权处理,综合纹理和颜色特征进行图像检索。实验结果表明,该算法结合了局部图像的相关性,利用了纹理和颜色特征的互补能力,检索结果符合用户所需并具有较好的查准率和查全率。     

基于颜色特征的图像检索技术

在基于内容的图像检索(CBIR)中,颜色特征作为图像的一种重要视觉信息,由于计算简单,鲁棒性强,已经得到了广泛的应用.从图像的颜色特征出发,针对颜色空间(颜色空间的转换)、颜色的量化(HSV颜色空间)、颜色特征提取及表示和颜色特征的相似性度量做了系统讨论和研究.接着通过经典的分块颜色直方图算法来介绍基于颜色特征的图像检...     

综合分块颜色和基元共生矩阵的图像检索方法

提出了一种基于分块颜色直方图和纹理特征相结合的彩色图像检索方法。首先,该方法根据图像的背景和目标将其划分为两个区域,并对各个区域分别进行量化,提取颜色特征,计算图像之间的颜色距离;然后,用灰度共生矩阵提取图像的纹理特征并根据欧式距离来度量图像间的相似性。最后,综合利用颜色和纹理特征的加权来检索图像。经过对多种类别图像进行实验,检索结果都表明,与传统的检索方法相比,此方法能够很好的满足用户的需求,具有较高的查准率和查全率。     

一种基于颜色特征的图像检索方法

提出了一种基于颜色的新的图像检索方法.该方法在HSV量化过程中,引入模糊量化的方法,使量化结果更接近人的主观视觉感知.全局直方图由于不包含颜色的空间分布信息,不同的图像可能具有相同的颜色直方图.为弥补这些缺点,还提出了一种新的重叠分块,并对主体区域进行二次划分的方法.实验结果表明,本方法具有良好的检索效果.     

基于分块合并直方图改进的图像检索方法

在图像分块的基础之上,利用图像块的颜色信息作为图像特征进行图像的匹配。同时,还对块的直方图进行了合并,既提高了图像匹配的精度,又降低了算法的计算时间。最后,对图像块的匹配算法进行了探索,利用贪婪算法产生优化的对应块匹配方法。试验结果表明贪婪图像匹配算法优于传统分块的图像检索算法。     

基于分块颜色相关向量的图像检索算法

阐述了颜色相关向量的基本概念，提出了分块颜色相关向量相似性度量的计算方法和相关区域快速搜索算法，最终形成基于分块颜色相关向量的图像检索算法。实验表明，算法更符合人的主观感觉。     

基于WEB环境与MATLAB技术的图像检索系统的实现

计算机网络尤其是Web的广泛应用,已使其成为数字图像的重要资源提供者与最理想的人机界面.因此,基于WEB环境的系统结构设计应当成为图像检索系统的首选.本文对基于WEB环境与MATLAB技术的图像检索系统的设计与实现过程进行了探讨,给出了基于WEB环境构建图像检索系统的具体实现过程.     

图像检索中基于向量转移的相关反馈算法的研究与改进

相关反馈方法是对基于内容图像检索系统的有效改进.对图像检索系统中基于向量转移的相关反馈算法进行了研究.针对传统向量转移算法速度较慢、误差较大的不足,提出了一种基于非查询向量转移相关反馈算法的改进办法,通过提高向量转移的速度和精度,有效的利用用户的反馈信息,从而加快相关向量的收敛速度.经过公用图像数据库上的实验测试表明,该方法能有效减少反馈次数,提高检索效率.     

基于Flink的海量医学图像检索系统设计与实现

医学图像检索是有效利用医学资源的基础，而医学图像的海量性和增量性为图像检索带来了新的挑战和要求。为了提高医学图像检索过程的效率，设计并实现一种基于Flink的海量医学图像检索系统。首先，系统通过Web应用作为用户操作入口，在后端搭建数据平台和业务集群；其次，系统通过HBase对医学图像数据进行分布式存储，利用深度卷积神经网络模型提取医学图像特征；然后，将所提取的医学图像特征数据进行乘积量化编码，并通过HBase进行存储；最后，通过基于Flink的内存计算对接Kafka进行实时图像检索，以及对批量导入图像的特征索引编码。系统在4个节点的服务器上部署分布式集群，使用真实医学图像数据集进行测试，通过在MapReduce和Spark两种不同技术模块下的对比实验表明本系统具有更好的检索效率表现。     

Medical image retrieval based on unclean image bags

Traditional content-based image retrieval (CBIR) scheme with assumption of independent individual images in large-scale collections suffers from poor retrieval performance. In medical applications, images usually exist in the form of image bags and each bag includes multiple relevant images of the same perceptual meaning. In this paper, based on these natural image bags, we explore a new scheme to improve the performance of medical image retrieval. It is feasible and efficient to search the bag-based medical image collection by providing a query bag. However, there is a critical problem of noisy images which may present in image bags and severely affect the retrieval performance. A new three-stage solution is proposed to perform the retrieval and handle the noisy images. In stage 1, in order to alleviate the influence of noisy images, we associate each image in the image bags with a relevance degree. In stage 2, a novel similarity aggregation method is proposed to incorporate image relevance and feature importance into the similarity computation process. In stage 3, we obtain the final image relevance in an adaptive way which can consider both image bag similarity and individual image similarity. The experiments demonstrate that the proposed approach can improve the image retrieval performance significantly.     

基于Tri-training的多特征融合图像检索

为了有效地综合利用图像的多种底层特征进行图像检索,提出将Tri-training方法应用于图像检索过程,将图像的颜色、纹理和形状特征进行了有效的融合。分别提取图像的三维量化颜色直方图、方向可控金字塔二值图像投影和仿射不变区域来表示其颜色、纹理和形状特征,并将三种特征的匹配值作为Tri-training分类器的输入对分类器进行训练和测试。实验结果表明,该方法有效利用了图像的多种特征,达到了很好的检索效果。     

基于FPGA的CORDIC算法的改进及实现

介绍了CORDIC算法的基本原理,分析了其具体计算方法。针对利用CORDIC流水线实现FFT蝶形运算耗费资源多的问题,依据CORDIC计算迭代系数的方法改进了CORDIC流水线的结构形式,使其适应FFT算法。选用ALTERA公司CycloneII系列的EP2C35F672C6来实现整个FFT处理器,并对设计进行了时序仿真和硬件仿真。通过比较,计算结果与设计基本一致。     

基于四叉树分割的分形图像编码的改进方法

针对在分形图像压缩中,为寻找最佳匹配块需要花费相当长的时间的问题,在四叉树进行图像分割的基础上提出了一种基于分类函数和γ函数的分形图像编码方法。通过该方法,可以将图像子块分成24类,并有效地确定一种变换,而不需将每一定义域块进行各种变换,节省了搜索空间。实验结果证明,该方法可使编码速度有较大提高,而解码图像质量无明显下降。     

PACS中基于图像内容的检索

基于图像内容的检索（content based image retrieval,CBIR）改进了传统的基于PACS系统中有着广阔的应用需求.对CBIR算法进行分析,并给出常用的易于实现的6种算法实现方式.最后通过具体的试验数据对各算法进行查询时间和效率的分析,得出对称相互熵这种检索方式在实际中可以达到较好的效果.     

基于LBSVM机器学习的相关反馈图像检索

基于机器学习的相关反馈技术是基于内容的图像检索研究的热点。由于基于SVM的相关反馈技术存在样本数量少,样本正负比例不平衡,反馈准确率低等问题,文中先对Boosting方法进行改进,提出了用先验知识的Boosting方法与SVM结合的短期机器学习相关反馈方法（BSVM）;在此基础上为进一步提高系统反馈速度与准确率,通过保存训练好的分类器和它对应的样本,提出了基于长期机器学习的相关反馈方法（LBSVM）。文中提出的两种方法与其它方法进行了比较实验,结果表明,该方法优于其它方法。     

Medical image retrieval based on complexity analysis

Texture is one of the most important visual attributes used in image analysis. It is used in many content-based image retrieval systems, where it allows the identification of a larger number of images from distinct origins. This paper presents a novel approach for image analysis and retrieval based on complexity analysis. The approach consists of a texture segmentation step, performed by complexity analysis through BoxCounting fractal dimension, followed by the estimation of complexity of each computed region by multiscale fractal dimension. Experiments have been performed with MRI database in both pattern recognition and image retrieval contexts. Results show the accuracy of the method and also indicate how the performance changes as the texture segmentation process is altered.