一种基于目标区域的彩色图像检索算法

提出了一种基于目标区域的彩色图像检索算法。首先，获取彩色图像HSV颜色空间中各个分量图像，然后计算各分量图像的二值边缘图像。根据边缘图像的连通性提取彩色图像的目标区域。在图像检索时，抽取彩色图像目标区域所对应的子图像特征，代替全局图像特征进行图像相似性匹配。实验表明，基于目标区域的彩色图像检索算法优于基于全局图像的检索算法。     

一种基于目标区域的图像检索方法

为了弥补颜色直方图等全局特征在描述彩色图像空间信息上的不足,该文提出了一种基于目标区域的彩色图像检索方法。该方法首先利用一种基于颜色视觉一致性的图像分割方法提取出有意义的目标区域,然后分别对各个区域提取HSV彩色直方图和Hu不变矩作为目标区域的特征描述,最后提出了一种相应的计算相似度的方法,实现了图像之间的相似度度量。通过在中科院计算所的Mires图像数据库和ViViLab测试图像库上进行实验,该文提出的方法对于目标明确、背景不太复杂的图像可以达到较好的检索效果。     

一种基于区域综合特征的图像检索方法

提出一种基于目标区域的图像检索方法,首先采用颜色聚类的分割方法将图像分割成不同的区域,提取每个区域的颜色、位置、形状等低层特征,然后提出一种相似度计算方法实现图像的相似性度量。为了提高图像检索的准确度,最后采用支持向量机（SVM）的相关反馈算法。实验结果表明,基于目标区域的图像检索效果比基于全局图像特征的检索效果有较好的改善。     

基于显著区域和pLSA的图像检索方法

由于利用全局特征的图像检索方法在很大程度上受到背景的影响,提出了一种基于显著区域和pLSA相结合的图像检索方法。该方法首先通过谱残差和多分辨率分析提取图像的显著目标区域,其次计算所有图像显著区域的颜色和纹理特征并利用K-均值聚类生成视觉词汇表,然后将每幅图像表示成若干视觉词汇的集合。最后利用概率潜在语义分析（pLSA）来提取区域潜在语义特征,并使用该特征构建SVM分类器模型进行图像检索。将本方法和基于全局特征的图像检索方法比较,实验结果表明,基于显著区域的图像检索结果更加准确。     

融合全局和局部描述的图像检索方法

针对基于内容的图像检索中全局描述缺乏空间位置信息及局部描述面临图像分割的问题,提出了一种基于全局颜色特征和局部Gabor小波纹理特征的图像检索方法.在整幅图上提取MPEG-7主颜色描述算子作为全局描述.将图像划分为5个有重叠的子区域,提取Gabor纹理特征与颜色矩构成局部描述,提出了改进的豪斯多夫距离并将其应用在局部描述的整体匹配中,克服了因图像的平移、旋转而造成检索率低的问题.融合全局相似度和局部相似度获得最终相似度.基于Corel数据库的实验结果表明了该方法的有效性.     

基于目标区域的彩色图像检索研究

提出了一种基于目标区域的彩色图像检索算法,首先,获取彩色图像HSV色彩空间中各个分量灰度图像,然后计算各分量灰度图像的二值边缘图像,根据边缘图像的连通性提取彩色图像的目标区域,在图像检索时,抽取彩色图像目标区域的提取和基于目标区域的彩色图像检索,实验表明,基于目标区域的彩色图像检索算法优于基于全局图像的彩色图像检索算法。     

基于区域伪Zernike矩的商标图像检索

研究商标图像检索问题,针对在二值商标图像检索中要求准确、高效,因此确定出目标像素点的区域分布形式,解决商标形状特征,对平移、旋转、比例以及起始点等变化下特征不变性问题,提出了一种基于区域伪Zernike矩的提取图像形状特征的算法。算法根据图像目标区域的最小外接圆进行区域划分,提取区域的伪Zernike矩来描述图像形状特征进行商标检索。通过仿真实验证明,区域伪Zernike矩的提取图像形状特征的算法具有良好的平移,旋转及比例不变性,并用有较强的抗噪性。     

综合MPEG-7全局及局部主颜色的图像检索方法*

为改进全局主颜色特征在反映空间分布信息方面的不足,提出一种基于局部主颜色特征的图像检索方法,并综合两者的特点提出一种基于MPEG-7全局及局部主颜色描述符的图像检索方法。给出了全局主颜色和局部主颜色的提取方法,详细介绍了MPEG-7标准的颜色评价准则,并以此作为评判检索结果优劣的依据。实验结果表明,综合利用两种特征对图像进行描述及检索,获得了比使用单一特征更好的检索效果。     

综合利用目标区域颜色纹理特征的彩色图像检索

基于内容的图像检索是当前图像数据库领域的一个研究热点。文章提出了一种基于目标区域的多特征彩色图像检索算法。首先获取彩色图像HSI色彩空间的亮度分量灰度图像,再计算得到亮度分量灰度图像的二值边缘图像,并根据边缘图像的连通性提取彩色图像的目标区域。然后抽取目标区域的颜色特征和纹理特征,并分别对两个特征的相似距离进行归一化。最后综合利用这两个特征共同进行检索。实验结果表明,该文的算法具有良好的性能,在检索准确率上获得了较好的效果。     

基于最小外接圆补偿机制的形状图像检索

提出了一种新的基于最小外接圆补偿机制的二值形状图像检索算法,其不仅提取了目标区域的特征,而且补偿了目标最小外接圆下的背景区域特征。提取常用于描述区域特征的Hu不变矩和Zernike不变矩作为图像特征,不变矩特征具有平移、缩放、旋转不变性。图像相似度用归一化特征向量的欧氏距离表示。该方法不仅计算简单,而且可有效补偿人眼的视觉感受。通过大量实验表明,该算法较仅基于目标区域的检索算法取得了更好的检索精度和回召率。     

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。     

基于目标区域的语义图像检索

提出了一种基于高层语义的图像检索方法,该方法首先将图像分割成区域,提取每个区域的颜色、形状、位置特征,然后使用这些特征对图像对象进行聚类,得到每幅图像的语义特征向量;采用模糊C均值算法对图像进行聚类,在图像检索时,查询图像和聚类中心比较,然后在距离最小的类中进行检索。实验表明,提出的方法可以明显提高检索效率,缩小低层特征和高层语义之间的“语义鸿沟”。     

Attention-driven image interpretation with application to image retrieval

Visual attention, a selective procedure of human's early vision, plays a very important role for humans to understand a scene by intuitively emphasizing some focused regions/objects. Being aware of this, we propose an attention-driven image interpretation method that pops out visual attentive objects from an image iteratively by maximizing a global attention function. In this method, an image can be interpreted as containing several perceptually attended objects as well as a background, where each object has an attention value. The attention values of attentive objectives are then mapped to importance factors so as to facilitate the subsequent image retrieval. An attention-driven matching algorithm is proposed in this paper based on a retrieval strategy emphasizing attended objects. Experiments on 7376 Hemera color images annotated by keywords show that the retrieval results from our attention-driven approach compare favorably with conventional methods, especially when the important objects are seriously concealed by the irrelevant background.     

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。     

Extraction of major object features using VQ clustering for content-based image retrieval

An image representation method using vector quantization (VQ) on color and texture is proposed in this paper. The proposed method is also used to retrieve similar images from database systems. The basic idea is a transformation from the raw pixel data to a small set of image regions, which are coherent in color and texture space. A scheme is provided for object-based image retrieval. Features for image retrieval are the three color features (hue, saturation, and value) from the HSV color model and five textural features (ASM, contrast, correlation, variance, and entropy) from the gray-level co-occurrence matrices. Once the features are extracted from an image, eight-dimensional feature vectors represent each pixel in the image. The VQ algorithm is used to rapidly cluster those feature vectors into groups. A representative feature table based on the dominant groups is obtained and used to retrieve similar images according to the object within the image. This method can retrieve similar images even in cases where objects are translated, scaled, and rotated.