基于感兴趣区域多特征加权融合的图像检索算法

基于内容的图像检索有着广阔的应用前景,但存在检索性能不高的缺点.综合兴趣点和多特征融合的优点,提出一种基于感兴趣区域多特征加权融合的图像检索算法.采用Harris算法提取图像的兴趣点,确定感兴趣区域;再采用累积灰度直方图、共生矩阵和形状不变矩分别提取感兴趣区域的颜色、纹理和形状特征;经归一化后,最后采用距离函数级融合来度量图像的相似度,以检索图像.实验表明,算法有效地提高了图像的检索性能.     

基于兴趣目标的图像检索

当前图像检索算法通常针对整体图像提取特征以完成检索任务.然而,在很多情况下用户只会关注图像的一部分,即他们的兴趣目标.此时,从整体图像提取的特征一部分是有效的,另一部分则是无效的且会对检索过程带来消极影响.为此,本文提出基于兴趣目标的图像检索方案,并借助于现有的显著性检测、图像分割、特征提取等技术实现一款有效的图像检索算法.首先采用HS （Hierarchical Saliency,分层显著性）检测算法分析用户的兴趣目标并应用SC （Saliency-based Image Cut,基于显著性的图像分割）算法将其分割,然后针对兴趣目标提取HSV （Hue、Saturation、Value,色调、饱和度、明度）颜色特征、SIFT （Scale Invariant Feature Transform,尺度不变特征变换）局部特征和CNN （Convolutional Neural Network,卷积神经网络）语义特征,最后计算其与数据库图像的相似度并根据相似度排序返回检索结果.仿真实验结果表明,本文算法在解决"这是什么东西"这类图像检索任务时明显优于现有的图像检索算法.     

基于空间关系的子区域最佳匹配算法

该文提出了一种基于空间关系的图像检索算法子区域最佳匹配法。这种算法首先根据符号投影模型,将图像内目标抽象为带有多个属性的图标。然后,利用搜索邻节点的等角度区域最近原则、划分子区域的中心点法、图论中的广度优先算法进行图标匹配。最后,根据所定义的局部区域相似距离及图间距离来计算图像与图像之间的相似度,进而完成基于图像内部空间关系的检索。该文以这种算法为核心,构建了一个篮球站位分析演示系统,并用实际数据验证了所提出的基于空间关系的图像检索方法的有效性。     

融合多特征的图像检索算法

针对单一特征不能很好地表述图像的问题,提出了一种融合多特征的图像检索算法.首先,提取查询图像和图像库中样本图像的GIST(Generalized Search Tree)特征,用欧氏距离衡量图像间的GIST相似度值,根据查询图像的GIST特征在图像库中进行检索,将结果按相似度进行排序;然后,提取查询图像和返回结果中前k幅图像的尺度不变特征变换(SIFT)特征,使用BBF(Best Bin First)算法进行特征匹配;最后,通过特征点匹配点对数排序并返回检索结果.实验在改进的Corel1000数据集上进行,与传统的单特征图像检索算法对比,提出的图像检索算法不仅提高了检索准确率,而且获得了较好的检索效率.     

基于区域分割与相关反馈的高效图像检索算法

为了提高图像标注与检索的性能,提出了一种基于区域分割与相关反馈的图像标注与检索算法.该算法利用视觉特征与标注信息的相关性,采用基于区域的视觉特征对每幅图像采用聚类方法获得其一组视觉相似图像.通过计算与其距离最近的前三个分类的相似度,然后对这些关键字概率向量进行整合,获得最适合该图像的关键字概率向量,对图像进行标注.利用用户的反馈信息,修正查询关键词与每个分类之间的关系,进一步提高图像检索的准确性.实验结果表明,提出的算法具有更高的查准率与查全率.     

图像特征融合的行人重识别方法

行人重识别的目的是在跨区域、跨场景的情况下,检索出特定目标行人.由于行人外观可能相似,以及存在姿态变化和遮挡的问题,因此要求行人重识别模型能够捕捉到足够的细节信息.基于此,提出了图像特征融合的行人重识别算法,融合图像的全局特征与局部特征进行目标行人的检索.该算法构建了特征融合的图像通道,由卷积神经网络提取图像的视觉信息...     

基于小波模糊聚类区域分割的图像检索

基于内容的图像检索是近年来的研究热点,本文给出一种基于区域分割的图像检索算法。算法首先对图像按JPEG2000标准进行小波变换,对变换得到的低频子带提取一定的颜色和纹理特征用于模糊聚类,从而将图像的低频子带分割为一定的区域,将分割结果映射回整幅图像,提取整幅图像各个区域的特征矢量,用于区域相似度比较,最后按照一定的区域匹配准则得到整幅图像之间的相似度。实验结果表明,本文算法具有良好的图像检索性能。     

一种基于区域颜色特征的图像相似性匹配算法

在基于内容的图像检索中,普通的基于颜色特征的相似性匹配算法丢失了图像颜色的空间信息,影响到相似匹配的精确度.为了提高图像检索的效果,提出一种基于区域颜色特征的图像相似性匹配算法.该算法在提取图像颜色统计特征的同时,考虑其空间分布,从而提高了图像检索的查准率,具有较强的实用性.     

基于小波多尺度分析的综合特征图像检索

以整数小波变换为基础,提出了一种综合颜色和空间特征的图像检索算法.该算法首先对图像做整数小波变换,提取其低频系数矩阵中环形区域的F-范数作为颜色特征;然后对低频分量分块并编码,利用马尔可夫链特性提取一步转移概率矩阵作为空间特征;再综合利用上述两个特征计算图像间的相似度,并进行彩色图像检索.通过对不同类型图像的检索对比实验结果表明,这种图像检索方法是行之有效的.     

基于本体和奇异值分解的图像数据索引查询算法

提出一种基于领域本体潜在语义索引和奇异值分解的图像数据查询算法,将查询扩展向量映射到潜在语义空间,根据相似度计算方法计算查询向量与图像文档之间的相似度,并将相似度大于阀值的文档作为检索结果降序排列返回给用户.该算法能更有效地提高图像检索的查准率和查全率.     

一种基于区域的图像检索方法的研究

针对目前基于全局特征的图像检索系统存在的局限性,提出了一种基于区域的检索方案.首先应用K均值聚类算法将图像中的像素按颜色进行聚类,每一类近似对应于图像中的一个一致性区域,在区域上提取颜色和纹理特征.这种方式将检索过程深入到图像内部的物体中去,在一定程度上体现了图像的语义特性;在相似性匹配阶段,提出了一种基于区域的相似性匹配算法,并在实验中证明了其有效性.     

An efficient and effective region-based image retrieval framework

An image retrieval framework that integrates efficient region-based representation in terms of storage and complexity and effective on-line learning capability is proposed. The framework consists of methods for region-based image representation and comparison, indexing using modified inverted files, relevance feedback, and learning region weighting. By exploiting a vector quantization method, both compact and sparse (vector) region-based image representations are achieved. Using the compact representation, an indexing scheme similar to the inverted file technology and an image similarity measure based on Earth Mover's Distance are presented. Moreover, the vector representation facilitates a weighted query point movement algorithm and the compact representation enables a classification-based algorithm for relevance feedback. Based on users' feedback information, a region weighting strategy is also introduced to optimally weight the regions and enable the system to self-improve. Experimental results on a database of 10,000 general-purposed images demonstrate the efficiency and effectiveness of the proposed framework.     

基于深度哈希算法的极光图像分类与检索方法

面对形态万千、变化复杂的海量极光数据,对其进行分类与检索为进一步研究地球磁场物理机制和空间信息具有重要意义。该文基于卷积神经网络(CNN)对图像特征提取方面的良好表现,以及哈希编码可以满足大规模图像检索对检索时间的要求,提出一种端到端的深度哈希算法用于极光图像分类与检索。首先在CNN中嵌入空间金字塔池化(SPP)和幂均值变换(PMT)来提取图像中多种尺度的区域信息;其次在全连接层之间加入哈希层,将全连接层最能表现图像的高维语义信息映射为紧凑的二值哈希码,并在低维空间使用汉明距离对图像对之间的相似性进行度量;最后引入多任务学习机制,充分利用图像标签信息和图像对之间的相似度信息来设计损失函数,联合分类层和哈希层的损失作为优化目标,使哈希码之间可以保持更好的语义相似性,有效提升了检索性能。在极光数据集和 CIFAR-10 数据集上的实验结果表明,所提出方法检索性能优于其他现有检索方法,同时能够有效用于极光图像分类。     

Region-based image retrieval using color-size features of watershed regions

This paper presents a region-based image retrieval system that provides a user interface for helping to specify the watershed regions of interest within a query image. We first propose a new type of visual features, called color-size feature, which includes color-size histogram and moments, to integrate color and region-size information of watershed regions. Next, we design a scheme of region filtering that is based on color-size histogram to fast screen out some of most irrelevant regions and images for the preprocessing of the image retrieval. Our region-based image retrieval system applies the Earth Mover’s Distance in the design of the similarity measure for image ranking and matching. Finally, we present some experiments for the color-size feature, region filtering, and retrieval results that demonstrate the efficiency of our proposed system.     

Image region re-weighting via multiple instance learning

In region-based approaches to content-based image retrieval each image is segmented into a set of regions and similarity between images is assessed by computing similarity between pairs of regions. A key factor in similarity measures that consider all pairs of regions to obtain an overall image-to-image similarity is the weighting of regions. The weight that is assigned to each region for determining similarity is usually based on heuristics that are often inconsistent with human perception of similarity. In this paper, we propose an approach that uses relevance feedback in conjunction with multiple instance learning to obtain more informed estimates of region weights. A comparative study is then carried out with alternative region re-weighting methods.     

基于Zernike矩与SIFT特征的商标检索算法

为降低商标检索算法的误检率,提出一种结合Zernike矩(ZM)和尺度不变特征变换(SIFT)的商标检索算法,该算法由离线数据库构建和在线检索组成。分别从查询图像中提取ZM和SIFT特征;根据查询图像的特征集与数据库中存储的图像的特征集之间的ZM特征进行相似度度量,形成候选商标集;最后,利用SIFT特征对查询图像与候选图像精准检测,对相似距离进行排序,将结果返回给用户。实验结果表明：与当前流行的商标检索算法相比,该算法具备更好的检索性能,在缩放、平移、模糊、透视、斜切、扭曲等变换干扰下,仍呈现出更理想的Precision- Recall曲线以及F值。     

基于Contourlet 变换和Hu 不变矩的图像检索算法

文章提出一种基于Contourlet 变换和Hu 不变矩的图像检索算法。首先,对每幅图像进行Contourlet 变换,得到低频子带与高频方向子带,把计算得到的低频子带的Hu 不变矩和各个高频方向子带的均值与标准差作为图像的特征向量,利用Manhattan距离进行相似度度量,完成基于内容的图像检索。为对该文提出的算法的检索效果进行检验,分别与基于Contourlet 变换特征的检索算法和基于Hu不变矩特征的检索算法等方法进行了对比实验研究。结果表明,该算法有效地融合了图像的纹理特征与低频子带的形状特征,较好地实现了基于内容的图像检索,平均查准率达到73.94%。