基于迁移学习及特征融合的现勘图像检索算法

为了改善有限的现勘图像数据量在训练卷积神经网络(convolutional neural network,CNN)时易产生过拟合现象的情况,以及更精准地描述图像内容,提出了基于迁移学习的两种CNN特征级联以及与图像低层特征融合的现勘图像检索算法。首先利用目标图像集对两个预训练CNN模型进行微调,分别提取其fc7层的特征并级联作为图像的高层特征,再与适合本目标图像集的低层特征进行融合,以此作为特征进行图像检索。在现勘图像数据库上的测试结果验证了算法的有效性,并在GHIM-10K数据库进行测试,结果证明了算法的普适性。     

一种两层体系刑侦现勘图像检索方法

给出一种两层体系刑侦现勘图像检索的方法。使用线性核支持向量机分类器和图像的多尺度分维数特征判别查询图像的语义类别,根据类别在仅包含该语义类图像的数据集上使用按例检索方法进行检索。实验结果表明,该方法在查全率和检索时间等指标上优于按例检索方法。     

鞋印图像检索研究现状与发展趋势

鞋印是案发现场中常见的物证痕迹,查询比对鞋印图像是重要的刑侦技术.从基于文本和基于内容两个方面出发,综述鞋印图像检索的研究进展.针对基于内容的鞋印图像检索,介绍底层视觉特征提取、高层语义学习和检索结果评价等关键技术,以及鞋印图像数据库和鞋印图像检索的应用场景.最后,结合公安刑侦领域的实际需求,探讨鞋印图像检索技术的未来...     

基于内容图像检索技术的超声图像

对超声图像数据库的基于内容图像检索技术进行了深入地研究与探索,给出了基于内容图像检索的基本系统结构、超声图像数据库构建模型及基于傅里叶变换幅度频谱的超声图像检索方法,由于该方法同时适用于压缩域的特征提取,为JPEG、MPEG格式图像的基于内容图像检索提供了方法.     

基于自适应阈值的均匀局部二值模式

针对均匀局部二值模式的编码方式存在不同类像素干扰的问题,提出一种基于自适应阈值的均匀局部二值模式。采用基于直觉模糊集理论相似度量的方法计算图像前景与背景的分割阈值,通过引入该阈值参数改进均匀局部二值模式的编码方式,使得改进后的编码方案能有效降低不同类像素间的干扰。将改进的均匀局部二值模式应用于现勘图像检索,实验结果表明,该模式可以在一定程度上降低不同类像素间的干扰,增强算法对现勘图像纹理特征的描述性能,且使得检索算法取得较好的检索结果。     

深度学习在现勘图像分类中的应用

针对刑侦现勘图像分类的需求,研究了典型的卷积神经网络VGG网络和Res网络及其训练优化方法。分别使用VGG网络和Res网络执行图像分类任务,给出了网络搭建与训练的方法,并在刑侦现勘图库上进行了测试,结果表明,采用VGG网络和Res网络执行现勘图像分类,效果优于传统的方法。最后,引入金字塔池化层以改善图像特征的质量,分别对VGG网络和Res网络结构进行优化,测试结果证实优化后的网络分类准确率进一步提升。     

刑侦图像检索中的特征提取及相似性度量

为分析比较基于内容的图像检索(content-based image retrieval,CBIR)系统中各环节算法在应用于刑侦现勘(criminal scenes investigation,CSI)图像数据库时的有效性,在CBIR系统中,使用颜色特征-HSV直方图、纹理特征-三层小波分解统计特征和颜色纹理的融合特征作为特征提取算法,以欧氏距离和街区距离作为相似性度量分别在CSI图库中进行仿真测试。在COREL图库中进行类似测试,并以查准率作为有效性的衡量标准进行对比。结果显示,在CSI库中,使用颜色特征有相对高的查准率,但CSI库的平均查准率均低于COREL库,此外使用街区距离可获得较高的查准率,这表明,因CSI数据场景复杂及目标多有损毁,现有图像特征提取算法有效性低,而作为相似性度量算法,街区距离相较于欧氏距离能更好地表示CSI图像间的相似性。     

基于内容的图像检索技术

为了提高图像资源利用率,快速、有效地查询和检索数据库中的图像,基于内容的图像检索技术（CBIR）便应运而生。本文分析和比较了基于颜色、纹理、形状等图像检索技术的主要方法,讨论了相关反馈技术、检索性能的评价等CBIR研究中的关键问题,同时指出了CBIR研究中存在的问题,以及未来的发展趋势和研究方向。     

一种基于内容的文档图像检索方法

使用一个图像作为查询检索输入,根据该图像的版面分析特征、统计特征、纹理特征与数据库中图像的相似程度检索图像.该检索方法首先利用数学形态学对文档图像进行段落分割和行分割,作为文档图像的版面结构特征;然后根据图像的统计特征包括字符数、统计数特征、纹理特征给出文档图像抽取算法;最后给出检索算法模型.实验结果表明,本算法具有较好的查准率和查全率,在基于内容的文档图像检索中具有应用价值.     

一种基于词汇树的鞋印图像可伸缩检索方法

为了提高在海量、动态变化的鞋印图像数据库中检索鞋印图像精度并降低检索时间,提出了一种基于词汇树的鞋印图像可伸缩检索方法。该方法通过提取鞋印图像的尺度不变特征变换(scale-invariant feature transform,SIFT)局部特征,采用层次性K均值聚类方法生成词汇树。基于词汇树计算查询图像和数据库图像之间的相似性以得到检索结果。在包含9 691幅鞋印图像数据库中进行实验,实验结果表明,与按例检索方法相比,本文方法在查准率上平均提高了9%,在检索时间上平均下降了4.927s。     

结合噪声去除的极大似然图像复原

基于混合噪声模型的极大似然算法不仅没有充分考虑迭代过程中的噪声影响,而且假定点扩散函数(PSF)已知且不随迭代过程变化,从而导致复原过程不稳定。在图像含噪且PSF未知的情况下,提出以去噪算法作为预处理手段,同时将PSF参数估计引入极大似然算法迭代过程并随迭代过程动态更新,最后将估计的PSF代入维纳滤波以提高复原图像的质量。实验结果证明,本文复原图像质量有明显改善,表明该算法具有较强的稳定性和抗噪声能力,是一种有效的图像复原方法。     

使用加权图像标注改进Web图像检索

为了提高Web图像的检索质量,提出了一种融合文本关键字和图像视觉内容的Web图像检索方法.通过改进的图像自动标注模型,将Web图像本身所蕴含的低层视觉特征映射到图像高层语义特征,即图像文本标注;再将词汇相似性计算技术作为语义信息的度量手段,将图像文本标注转换成带有权重的文本标注;利用贝叶斯推理网检索模型内在的多信息融合能力,将带权重的Web图像文本标注特征和Web文档中的文本信息无缝地融合在一起实现Web图像检索.实验结果表明,将Web中的文本关键字和Web图像视觉内容融合起来可在一定程度上提高Web图像检索质量.     

基于VSM与图像统计的多聚焦图像融合

针对传统的多聚焦图像融合方法存在块状、伪影效应和对比度损失等问题,提出一种视觉显著性映射(VSM)融合规则与图像统计相结合的融合方法。先使用四阶偏微分方程(FPDEs)和交叉双边滤波器(CBF)方法对源图像进行多尺度分解获取近似层和细节层,再对近似层和细节层分别采用基于VSM和图像统计的融合规则进行融合,最后对融合后的近似层和细节层进行线性组合得到融合图像。对比实验结果表明,所提出的算法在平均像素强度、标准差、相关系数等图像质量指标上均有显著的提高。     

Learning a hierarchical image manifold for Web image classification

Image classification is an essential task in content-based image retrieval.However,due to the semantic gap between low-level visual features and high-level semantic concepts,and the diversification of ...     

基于红外特征与区域相似的图像融合算法

为了提高图像融合算法的速度，改善融合图像的质量．提高观察者对场景的认知能力，提出了一种介于像素级融合与特征级融合之间的基于红外特征和区域相似的图像融合方法．该方法利用目标的红外特征对红外图像进行目标区域分割。从而实现对目标区域和背景区域的分别融合；同时利用图像的结构相似度对源图像中的目标区域进行相似判定，并利用不同的融合规则对冗余区域和互补／冲突区域分别进行融合．与目前常用的基于多分辨率分解的图像融合方法相比，它既充分利用了目标的红外特征和可见光图像的细节信息，更好地对图像中亮暗相反的区域进行了处理．改善了融合效果，又提高了运算速度．     

形象思维的视表象基础

形象思维是普遍存在的，形象思维是依赖于直接的知觉经验的，并在心理上表现为对表象的操作，在视觉的中枢神经皮层机制中的功能柱型结构阵列可设想为表象的计算基础，这样就找到了视表象的表示和实现基础，在文中还对形象思维的实现过程进行了讨论，并指出了5个形象思维研究的核心问题，本文取认知观点，强调的是认知心理功能的计算依托和生理基础，也即“解释智能”的思想，或说从这样一个思想出发，发现思维的认知结构是认知科学的中心问题。     

一种像增强器图像失真的校正方法

基于静电聚焦像增强器图像畸变产生的机理，建立图像几何畸变和亮度失真校正的数学模型。并编制校正软件包，作为实际应用，对一种40／13像增强器的输出图像进行了畸变和亮度校正，用最大畸变为17．2％，亮度均匀性为75％的像增强器原输出图像，经校正后，畸变减小为3．4％，亮度均匀性达到90％，该校正方法和软件还可用于其他因径向线性放大率变化而造成图像畸变的校正．     

基于信息熵的图像检索

在分析了现有的基于颜色、形状、纹理等基于内容的图像检索算法的基础上，提出了一种新的基于信息熵的图像检索算法，即利用图像的信息熵来描述图像的特性，结合网格描述符及图像颜色信息，采用图像单元熵构成的熵矩阵特征值矢量作为图像的特征描述，并提出了利用特征矢量进行图像检索的检索算法．实验结果表明，该算法具有尺度不变性、旋转不变性，并且对于颜色直方图不同但有视觉一致性的图像也有较好的检索效果．     

基于哈希表结构和图像分割的快速图像标注

为了快速、准确地标注大型图像数据集中的图片,提出了一种利用图像分割和基于kNN(k-nearest neighbor)图的半监督学习来标注图像的算法.该算法先将图像分割为若干个局部区域,使用局部敏感的哈希表来构建图像局部区域的kNN图,并基于图像局部区域的kNN图来构建原始图像的kNN图,利用基于图的半监督标签传递算法来标注未标注的图像.在具有269 648张图像的大型图像数据集NUS-WIDE和具有5 000张图像的Corel数据集上的实验结果表明,该算法能获得较快的标注速度和标注精度.     

基于影像增强和综合决策的VIRR影像云检测

为充分利用FY-3-VIRR(风云三号可见光红外扫描辐射计)VIRR各个波段的影像,提高VIRR云检测效果,提出基于像元晴朗置信水平的云检测算法。对VIRR多光谱遥感影像进行图像增强,包括NDVI,RVI,NDWI等,并对水像元进行提取,完成云像元和地物像元的对比增强;对每一种增强图像或者单波段图像中各类像元的分布进行分析,并确定像元的晴朗置信水平;综合决策对像元的晴朗置信水平进行确定,并生成云掩模。两种结果对比表明,本文所述方法云检测结果优于直接利用光谱信息云检测的方法。