基于区域特征融合的图像检索算法研究

目前图像检索主要基于颜色、纹理、形状、空间关系等单一特征。针对此局限性,以彩色图像分割为基础,提出一种综合颜色及局部纹理特征信息的图像检索方法。该方法结合了颜色和纹理特征,比单一特征检索更符合人的视觉感受要求,检索效果更好。     

基于语义增强特征融合的多模态图像检索模型

为了在多模态图像检索任务中建立文本特征与图像特征的相关性,提出基于语义增强特征融合的多模态图像检索模型（SEFM）.该模型通过文本语义增强模块、图像语义增强模块2部分在特征融合时对组合特征进行语义增强.在文本语义增强模块建立多模态双重注意力机制,利用双重注意力建立文本与图像之间的关联以增强文本语义;在图像语义增强模块引入保留强度和更新强度,控制组合特征中查询图像特征的保留和更新程度.基于以上2个模块可以优化组合特征使其更接近目标图像特征.在MIT-States和Fashion IQ这2个数据集上对该模型进行评估,实验结果表明在多模态图像检索任务上该模型与现有方法相比在召回率和准确率上都有所提升.     

三维模型检索中的语义与形状异构特征融合

三维模型检索是多媒体信息检索领域的重要组成部分,由于"语义鸿沟"的存在使得当前基于内容的检索结果通常不十分令人满意。考虑到解决"语义鸿沟"的关键是将三维模型的底层形状特征与高层语义特征进行有效融合,为此提出一种三维模型的语义与形状异构特征融合方法,该方法将三维模型在基于内容的检索过程中用户反馈信息形成的语义关联作为模型的语义表达,并通过子空间学习方法将这种语义表达信息与模型的底层特征进行融合,最后将融合后的新特征应用于三维模型检索中。在Princeton shape benchmark上的测试表明,该方法的检索结果明显好于单纯形状特征的检索结果。     

基于深度特征与局部特征融合的图像检索

为了提高准确率与效率,提出一种基于深度特征与局部特征融合的图像检索方法,选择深度特征作为全局特征,局部特征采用加速不变特征(speeded up robust features,SURF)和局部二值模式(local binary pattern,LBP)等.为了解决典型相关分析(canonical correlation analysis,CCA)的特征融合方法存在信息缺失、信息冗余2个缺陷的问题,将目标函数改进为最小化特征之间的相关性,求解出变换基,通过投影变换得到2种特征中各自所包含的独立性信息,在此基础上加入其中一方所包含的相关性信息,得到最终的融合结果.改进后的融合方法能够更加全面地表征原始数据,同时消除冗余信息.在实验中,首先通过图像分类的应用验证了深度特征与LBP特征融合具有较好的判别能力,平均分类准确率达到99.1%,同时具有较高的时间效率.通过实验讨论不同维度对特征融合性能的影响,结果表明,增加特征选择的维度能够在一定程度上提高分类准确率.最后,验证基于深度特征与局部特征融合的图像检索方法,计算融合特征的相似性距离,根据距离度量得到检索排名.在实验数据集上查准率为98....     

基于目标区域定位和特征融合的图像检索算法

提出了一种新的基于局部特征点的图像检索算法。首先将彩色图像转换成灰度图像,并利用Harris算子对灰度图像进行"角点"检测,根据"角点"的分布确定目标区域,然后在彩色图像目标区域中提取图像的颜色特征和空间特征表述图像内容。实验证明,该算法在查准率和查全率上要优于基于全局特征的算法。     

融合整体和局部信息的三维模型检索方法

基于特征融合的三维模型检索方法能有效提高检索效率,提出一种融合整体和局部信息的三维模型检索方法。分别通过Canny算子提取边缘特征和基于尺度不变特征变换特征的词袋模型提取词频向量特征,边缘特征用于描述三维模型的整体信息,词频向量特征用于描述三维模型的局部信息,将这两种特征融合成为新的特征用于描述三维模型。试验表明,融合整体和局部信息的三维模型检索方法能够有效地提高检索结果的准确率。     

基于DTCWT域统计特征融合的纹理图像检索

在多尺度变换域,将各子带系数的统计特征进行互补融合可以有效地提高纹理图像检索的性能。文章利用双树复小波变换提出一种新的将低频子带系数的能量特征、高频子带幅值系数的Weibull分布参数特征以及相对相位系数的wrapped Cauchy分布参数特征相融合的纹理图像检索方法,采用VisTex纹理图像库进行检索。结果表明:采用多类系数统计特征的互补融合,以及最优的相似性测度加权组合,能够显著地提高纹理图像检索系统的平均检索率;与现有的7种纹理图像检索方法相比较,所获得的较高平均检索率为86.74%。     

基于多特征非线性融合的草图-图像检索方法

草图-图像检索属于计算机视觉领域的跨域检索问题,由于草图的简单性和抽象性,导致其与自然图像的域间差异过大,至今其检索精度仍无法满足现实需求。本文提出了一种基于多特征非线性融合的草图-图像检索方法,非线性融合草图的形状特征和具有语义特性的深度特征,形成新的图像特征表示。该融合策略结合了两类特征的优点,既能有效刻画草图的边缘轮廓信息,又能兼顾语义信息。最后在两个公开数据集（Flickr15k和TU-Berlin）上进行实验,其结果显示本文提出的特征融合方法得到的检索效果优于其他融合方法和基于单一特征的方法。另外,本文提出的融合策略易于扩展到其他多特征融合情况。     

基于Sift特征的服装纸样检索

提出了基于Sift特征的服装纸样检索方法.首先提取服装结构图的Sift特征,再采用近似的最近邻搜索算法在纸样数据库中检索相似纸样.该方法对于相似的图像或子图像具有良好的识别能力,可大大减少服装纸样检索的时间,从而有效利用已有的纸样库资源,避免重复打板.另外,该方法还可用于甄别服装板型结构设计的原作.     

基于多特征融合的手指静脉图像检索方法

为进一步提高手指静脉图像检索的精度,提出一种基于多特征融合的手指静脉图像检索方法。从手指静脉图像中分别提取纹理特征、方向特征、静脉主干特征,使用改进的多基元直方图方法计算纹理直方图和方向直方图,将两种直方图串联作为检索特征。考虑到手指静脉血管的空间分布特性,对图像进行分块处理,基于图像块提取检索特征。该方法在两个公开手指静脉数据库上的最优检索精度分别为99.16%、99.15%。试验结果表明,该方法能够充分利用多种不同特征,有效提升手指静脉图像检索性能。     

3D Model Retrieval Method Based on Affinity Propagation Clustering

In order to improve the accuracy and efficiency of 3D model retrieval, the method based on affinity propagation clustering algorithm is proposed. Firstly, projection ray-based method is proposed to improve the feature extraction efficiency of 3D models. Based on the relationship between model and its projection, the intersection in 3D space is transformed into intersection in 2D space, which reduces the number of intersection and improves the efficiency of the extraction algorithm. In feature extraction, multi-layer spheres method is analyzed. The two-layer spheres method makes the feature vector more accurate and improves retrieval precision. Secondly, Semi-supervised Affinity Propagation (S-AP) clustering is utilized because it can be applied to different cluster structures. The S-AP algorithm is adopted to find the center models and then the center model collection is built. During retrieval process, the collection is utilized to classify the query model into corresponding model base and then the most similar model is retrieved in the model base. Finally, 75 sample models from Princeton library are selected to do the experiment and then 36 models are used for retrieval test. The results validate that the proposed method outperforms the original method and the retrieval precision and recall ratios are improved effectively.     

基于视觉形状与相关反馈的三维模型检索

提出一种基于小波矩的面光源描绘子和改进的基于高斯势函数的轮廓描绘子,并在此基础上结合Adaboost相关反馈,构建一种两阶段的三维模型检索策略.首先获得模型的最优包围盒;然后进行两阶段检索：第一阶段是基于高斯势函数的轮廓描绘子的快速定位检索范围,第二阶段是融合以上两种描绘子的精确检索.最后结合Adaboost相关反馈,从而有效地评估模型之间的相似度.实验结果表明：该方法具有较高检索效率与精度.     

基于跨本体语义相关的三维模型检索方法

针对某些特定领域的建模中单一的语义检索条件无法得到理想的检索结果,提出了基于跨本体的语义相关度进行检索的算法。首先构建相关领域的本体,然后对已有实例进行分析,通过聚类算法找出模型本体间具有相关性的属性。再通过调查获取用户对实例的评价数据,对深度信念网络进行训练,求出本体间相关语义属性的相关度权值。最终对模型库中的模型计算与检索模型间的相关度作为检索条件,将大于一定阈值的模型作为检索结果。应用该算法,用户一般在检索首页可以找到较满意的模型,大大缩短了检索的时间。     

三维模型检索中特征权值的应用研究

在原有三维模型检索方法的基础上提出了加入特征权值进行三维模型检索的方法,并将此方法应用到基于球面调和的三维模型检索中。通过以采样球面积为比例逐渐增加外部球面的采样权值来平衡采样不均匀对检索效果的影响。在PSB测试集上进行检索实验,并使用多种评价指标进行对比。实验结果表明,加入特征权值后检索效果优于原始方法。     

一种基于颜色特征的图像检索方法的设计和实现

本文选用MATLAB程序设计语言,利用RGB颜色空间提取颜色特征值,用距离度量函数进行图像的相似性匹配,以符合视觉习惯的HSV模式显示检索结果,完成基于图像颜色特征的图像检索演示系统。     

基于颜色和空间特征的图像检索

提出一种新的基于颜色和空间特征的图像检索算法.首先,将检索图像转换为HSV颜色空间并进行量化,提取环形颜色空间信息熵作为颜色空间分布特征.其次,计算每个像素点的多邻域量化颜色值的一、二阶中心矩,利用各阶统计矩的信息熵来表征图像颜色的局部空间特征.最后,对特征向量进行高斯归一化,采用特征向量的L1-norm距离计算彩色图像的相似度并进行图像检索.结果表明,该方法比CDE和Geostat算法具有较好的检索效果.     

基于图像融合技术的三维形貌恢复方法研究

在多幅图像融合的基础上,研究物体三维形貌恢复方法.首先利用小波变换对几幅不同的源图像作融合,提高了源图像的质量,克服了传统的基于阴影恢复形状方法(SFS)因源图像质量低使恢复结果失真的局限性.在此基础上假设反射模型是包含漫反射和镜面反射的复合反射模型,再利用SFS方法恢复物体的三维形貌.实验表明,该方法对恢复结果有了很大的改善.     

基于SIFT特征的图像检索研究

提出一种基于SIFT特征的图像检索算法,将图像转换成特征向量,图像间的相似距离通过两幅图像特征向量间的欧氏距离来计算.实验结果表明该算法应用在特定形状特征目标的检索中有很好的效果.