基于颜色体积直方图的图像检索

HSV颜色空间能够较好地模拟人类视觉系统感知颜色的模式。为了更好地利用HSV颜色空间的优点,提出了一个新型的特征描述子(称之为颜色体积直方图),并且将其应用于图像检索。它首先把彩色图像从RGB空间转换为HSV颜色空间,然后把彩色图像均匀量化为72种颜色,最后利用颜色体积来描述图像特征。该算法在具有15000张彩色图像的Corel图库上进行了实验。结果表明,提出的彩色体积直方图能够结合颜色和空间特征,检索性能明显高于颜色直方图和局部二值模式直方图。     

基于颜色和梯度方向共生直方图的图像检索

为有效融合图像的形状、颜色等特征,提出一种基元梯度方向共生直方图和颜色直方图的彩色图像检索算法。首先将图像划分为4×4互不重叠的基元,并根据基元的梯度平均幅值把基元分为视觉均衡基元和视觉非均衡基元;接着计算视觉均衡基元的平均颜色值,并将其在HSV空间中量化到72色颜色空间,构建视觉均衡基元颜色直方图作为彩色图像的局部颜色描述子;然后将图像中各像素点颜色值在HSV空间量化到72色颜色空间,获得图像的全局颜色直方图;最后在视觉非均衡基元中构建梯度方向共生直方图描述图像的形状特征。融合局部颜色描述子、全局颜色直方图和形状特征构成彩色图像检索特征矢量。实验结果表明,所提算法能够准确描述彩色图像的颜色和形状特征,具有很好的旋转不变性和尺度不变性。相似性度量非常有效,查全率和查准率均有较大提高。     

颜色特征的图像分类技术研究

研究了基于颜色的图像特征对于图像分类结果的影响.给出了采用基于颜色位置分布特征进行分类的方法,并与基于RGB直方图特征和基于HSV直方图特征的方法进行了比较.分别采用随机森林、Boosting算法和MLP神经网络3种分类方法进行图像分类,建立了自然图像分类系统.基于实验结果比较了随机森林、Boosting算法和MLP神经网络3种分类方法的优缺点,发现Boosting算法表现最好,更加适合于图像分类.     

基于SURF和全局特征融合的图像分类研究

针对SURF对图像局部特征具有极好的描述能力,但对于全局特征描述能力不强的缺点,提出将SURF和全局颜色特征相融合的图像分类算法,提取图像的SURF特征向量集,并利用随机直方图算法将该向量集进行数据归约成单一高维特征向量;提取图像HSV颜色直方图;分别利用支持向量机（SVM）对这两种特征进行分类;将两个分类结果进行高层特征融合得到最终分类结果。实验结果表明,该算法显著提高了图像分类的准确率。     

图像相似性改进算法

针对图像相似性度量问题,提出一种图像相似性改进算法。首先,分别得到源图像和候选图像的三个向量,包括HSV颜色空间H分量的颜色直方图向量、尺度不变特征转换（SIFT）算法局部特征向量以及图像颜色矩向量;然后,采用向量拼接的方法融合上述三个向量,借助主成分分析对融合后的向量降维,生成新的特征向量;最后,计算源图像和候选图像特征向量之间的欧氏距离,进行特征点匹配和图像相似度计算。实验结果表明,所提算法不仅提高了颜色直方图算法对于颜色分布接近图像的识别精度,而且减少了SIFT算法对于平坦区域较多图像的误判,平均查准率较颜色直方图算法和SIFT算法分别提高了23.8和9.6个百分点。所提算法能够有效提高识别图像相似性的准确度,判别结果更符合人眼观察结果。     

图像相似性改进算法

针对图像相似性度量问题,提出一种图像相似性改进算法。首先,分别得到源图像和候选图像的三个向量,包括HSV颜色空间H分量的颜色直方图向量、尺度不变特征转换（SIFT）算法局部特征向量以及图像颜色矩向量;然后,采用向量拼接的方法融合上述三个向量,借助主成分分析对融合后的向量降维,生成新的特征向量;最后,计算源图像和候选图像特征向量之间的欧氏距离,进行特征点匹配和图像相似度计算。实验结果表明,所提算法不仅提高了颜色直方图算法对于颜色分布接近图像的识别精度,而且减少了SIFT算法对于平坦区域较多图像的误判,平均查准率较颜色直方图算法和SIFT算法分别提高了23.8和9.6个百分点。所提算法能够有效提高识别图像相似性的准确度,判别结果更符合人眼观察结果。     

基于二阶差分统计量的自然图像与计算机图形的鉴别

针对自然图像和计算机图形的鉴别问题,提出一种基于图像二阶差分统计量的鉴别方法.首先在HSV颜色空间提取图像及其校准图像的二阶差分信号和预测误差信号,在此基础上提取二阶差分信号的方差、峰度以及预测误差信号的1～4阶统计量,并将其作为分类特征,结合Fisher线性判别分析,实现2类图像的正确分类.实验结果表明,该方法可以有效地鉴别自然图像和计算机图形,与已有算法相比具有更高的识别率,且计算量小、易于实现.     

基于图像颜色特征的图片分类系统

提出一种图像分类方法,该方法使用HSV颜色模型的统计直方图,将H、S、V三个分量单独处理,得到图像的特征包括主色调和主饱和度,并对图像进行分类。通过对比图像全局及局部颜色统计直方图的相似度来定义图像的相似度。     

RGB空间彩色零水印算法

针对现有零水印算法使用的版权标识大都为结构信息单一的二值图像,且对于几何攻击鲁棒性差等问题,提出一种RGB空间彩色零水印算法。首先将彩色载体图像和彩色水印转换成R、G、B颜色分量,其次对载体图像三个空间分量分别进行Arnold置乱和分块处理;然后计算每个颜色通道各个子块的均值,构成十进制均值矩阵,将均值矩阵转换成8位二进制矩阵,分别生成三个颜色通道的二进制特征矩阵;最后将置乱后的彩色水印分量转换成8位二进制水印信息,分别与载体图像的三个二进制特征矩阵异或生成三个零水印,将三个零水印通过逆编码技术生成彩色零水印。实验结果表明,算法能够有效地抵抗非几何攻击、几何攻击和组合攻击,与相似的零水印算法相比,鲁棒性更好,安全性更高。     

基于快速鲁棒特征集合统计特征的图像分类方法

针对现有利用快速鲁棒特征(SURF)进行图像分类的方法中存在的效率低、正确率低的问题,提出一种利用图像SURF集合的统计特征进行图像分类的方法.该方法将SURF的各个维度及尺度信息视为各自独立的随机变量,并利用拉普拉斯响应区分不同数据.首先,获取图像的SURF向量集合;然后,分维度计算SURF向量集合的一阶中心绝对矩、带权一阶中心绝对矩等统计特征,并构建特征向量;最后,结合支持向量机(SVM)进行图像分类.在Corel 1K图像库上的实验结果表明,该方法查准率较SURF直方图方法和三通道Gabor纹理特征方法分别提高17.6%和5.4%.通过与HSV直方图特征进行高级特征融合,可获得良好的分类性能.与SURF直方图结合HSV直方图方法、三通道Gabor纹理特征结合HSV直方图方法、基于视觉词袋(BoVW)模型的多示例学习方法相比,查准率分别提高了5.2%,6.8%,3.2%.     

一种基于相邻像素一致性的数码照片与计算机图形鉴别方法

愈来愈逼真的计算机图形正在颠覆人们"眼见为实"的传统观念,使人们难以分辨哪些是真实的数码照片,哪些是利用软件合成的图形.然而由于数码照片和计算机图形成像过程的不同,造成两类图像的相邻像素一致性存在较大差异.基于此认识,在HSV颜色空间提取了图像相邻像素一致性直方图特征和共生矩阵特征,对1300幅数码照片和500幅真实感计算机图形进行鉴别,识别率分别可达96%和93.9%.对视觉上难以区分的5幅数码照片和5幅计算机图形也取得了很好的识别效果.     

基于局部结构直方图的图像检索

在图像检索领域中,为更好地利用Julesz基元概念来描述图像内容,提出一种新的图像特征描述方法——局部结构直方图。将彩色图像从RGB空间转换到HSV颜色空间,分别提取边缘方向和颜色信息。定义5种基元类型进行局部结构检测,并利用直方图描述图像特征。实验结果表明,与LBP直方图和Gabor滤波器方法相比,该方法的检索性能较优。     

一种基于亮度特征的图形图像分类方法

色彩管理中的自适应色域匹配技术，要求对不同渲染目的的图像自动分类。文中通过对图像的亮度直方图进行统计，提取了亮度级数和亮度直方图包络光滑度两个特征量，实现了一种基于该特征的图形图像分类方法，对自然照片和计算机生成图形这两种不同种类的图像进行了区分。     

基于HSV彩色空间与直方图信息的植物叶脉FFCM算法提取*

为满足植物分类和识别对植物叶片叶脉信息的需要,提出了基于HSV彩色空间与直方图信息FFCM聚类算法相结合的植物叶片叶脉提取方法。该算法首先将植物叶片图像由RGB转换到HSV彩色空间,然后使用FFCM算法实现叶片的自动分类和叶脉信息的提取。实验结果表明,该方法既能有效处理和区分绿色和枯黄的叶片图像,也能很好的处理和区分受光均匀和受光不均匀的叶片图像,可以应用于植物的分类与识别。     

抗压缩的照片图像与真实感计算机图形识别

数字图像取证是计算机取证、信息安全领域的一门新学科。为实现照片图像与真实感计算机图形的可靠识别,提出一种基于图像稀疏表示的数字图像取证方法,该方法在抵抗压缩方面具有较好性能,从而保证图像压缩不会改变照片图像与真实感计算机图形的真实性本质。Tetrolet变换为保护图像局部几何结构,在L1-范数最小约束下搜索4×4图像块的最优覆盖(Covering)形式,获得图像的稀疏表示。观察自适应值c的统计分布,得到一幅图像中117种Covering出现次数的归一化直方图,从而得到图像的HoC(histogram of covering)特征。实验结果表明,在饱和度(S)分量提取的HoC特征能够很好地刻画照片图像与真实感计算机图形在局部几何结构上的不同统计特性,算法在识别能力、泛化能力,尤其是抵抗压缩能力上表现出良好性能,能够应用于图像真实性检测及照片图像与计算机图形的自动分类。     

一种基于HSV空间的彩色边缘图像检索方法

结合重要的彩色图像边缘及人眼视觉特性,提出了一种基于彩色边缘直方图的图像检索方法。该方法首先利用Canny检测算子提取出原始图像的彩色边缘信息,然后将彩色图像边缘转换至符合人眼视觉特性的HSV空间并进行量化处理,再将彩色边缘划分成圆环区域和角形区域,并分别计算出圆环区域和角形区域的颜色直方图,最后综合利用上述圆环区域和角形区域的颜色直方图计算图像间内容的相似度,并进行彩色图像检索。仿真实验表明,该方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。     

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。     

基于图理论聚类和二值纹理分析技术的彩色文本图像二值化方法

为了有效地对彩色文本图像进行分割，提出了一种复杂背景下彩色图像中文本一背景分离的新方法。该方法首先应用颜色空间降维以及基于图理论的颜色聚类对彩色文本图像进行聚类，并对应于聚类结果获得一系列二值图像，这些二值图像以及它们之间的组合就构成了二值化的待选结果；然后对与游程直方图以及空间-尺寸分布相关的两类纹理特征进行分析，并结合线性判别分析分类器来从待选的二值图像中选取出具有最佳文本背景分离效果的二值图像。实验结果显示，该方法的：二值化效果比现有方法有显著提高，因而能更有效地对具有复杂背景的彩色文本图像进行分割。