一种改进的基于广义直方图的图像检索方法

传统的基于颜色直方图特征的图像检索方法简单、高效,但是其完全丢失颜色的空间分布信息;针对这个缺点,有人提出了基于广义直方图的图像检索方法,然而其也没有考虑到像素间的方向信息,丢失了图像的局部细节信息。在广义直方图的基础上提出了改进的基于广义直方图的检索方法,新方法首先计算出原图像在0°,45°,90°,135°4个方向上的平滑图像,并将其分别与原图像对应的象素点组成二元组,统计每个二元组出现的概率,构造出4个方向的广义直方图,最后综合4个广义直方图进行检索。实验表明,与原始的广义直方图法相比,新方法能够较准确地描述出图像象素间的空间位置关系及方向细节信息,从而有效地提高了检索的精度。     

文化遗产图像检索系统实现及关键技术研究

为了满足人们查询文化遗产图像的需求,本文设计并实现了北京文化遗产图像检索系统(CHIR).系统充分地考虑了文化遗产图像的特点,如分类特征明显、颜色分块特征明显等.对核心的分块颜色直方图算法进行了改进,并将基于关键字、类别、颜色直方图、改进分块颜色直方图及形状特征的检索方法相结合.系统不仅具有很好的检索效果,而且具有友好的人机交互界面、快速高效的检索方式,能够很方便地浏览检索结果.文中给出了整个检索系统的架构、实现方法和系统实现的功能.     

ISODATA高效迭代算法在基于内容的图像检索中的应用

颜色直方图作为颜色特征描述了图像颜色的统计分布特征,具有平移和旋转不变性,提出一种迭代自组织聚类分析算法可以用来实现基于颜色直方图的图像检索.该算法将ISODATA算法引入图像检索领域,实现了通过聚类算法来优化图像检索的目的.实验结果表明,该算法的应用大大提高了图像检索的速度以及图像命中率.     

基于SIFT特征和颜色融合的图像检索方法

根据图像检索方法中颜色直方图存在的问题,提出了一种改进的基于分块和主颜色的颜色直方图提取算法;根据SIFT特征存在的问题,提出了一种改进的基于harris角点的SIFT特征提取算法。最后运用两种改进算法提出了一种融合颜色直方图和SIFT特征的图像检索算法。实验结果表明,本算法在功能及性能上优于其他算法,并具很好的鲁棒性。     

子区域视觉短语稀疏编码的图像检索

针对BOVW模型忽略图像特征空间排列导致量化误差较大的缺点,利用角点和特征点对图像进行区域分割,结合区域的空间排列信息,提出一种多通道融合的图像检索方法。其主要思想是将子区域编码和特征空间排列直方图结合组建视觉短语,这种构造方式在减少编码误差的同时还能更好地保留局部空间信息。首先,利用稀疏编码保留局部信息的高效性对提取的子区域进行编码;其次,利用特征的空间位置关系,计算子区域内的特征空间排列直方图;利用区域编码和特征排列直方图构建视觉短语;最后,结合BOVW模型的鲁棒性,统计视觉短语直方图用于图像检索。实验结果表明,该检索方法不仅比BOVW和SPMBOVM有更好的检索准确率,而且其编码过程稳定,误差较小。     

基于颜色直方图的石材图像检索

选取石材图像的颜色特征,采取基于全局和局部的图像颜色直方图技术对其检索分类.将HSV色彩空间与直方图相交法、环形直方图与角度直方图法分别相结合以符合视觉一致性,并对不同的色彩通道赋予不同的权重,对H、S和V三分量进行非等间隔量化以提高检索精度和效率.实验结果中石材图像按其相似度进行排列.分析结果表明,基于全局直方图相交法的检索方式对石材图像检索有较好的效果.     

基于改进的二维Otsu法及PSO的火灾图像分割

针对传统的二维灰度直方图区域划分误差大和运算速度慢等问题,提出一种基于二维直方图和粒子群优化的阈值分割算法,即改进的二维最大类间方差法的粒子群优化算法.利用该算法在二维灰度空间上自适应搜索最优阈值,根据最优阈值对图像进行分割.选取森林火灾火焰图像,对其进行图像分割仿真实验.实验结果表明,该算法的分割效果较好,具有很好的抗噪性能,可有效提高运算速度,且实时性较好.     

基于加权颜色直方图和颜色对的图像检索系统

提出了基于加权颜色直方图的图像检索算法以及基于颤色对的图像检索算法，该算法分别利用图像的加权颜色直方图和颜色对作为图像特征，通过图像的相似性计算实现图像匹配．用Visual C^ 实现了基于加权颜色直方图和颜色对的图像检索系统，阐述了该系统的组成结构．同时给出图像检索实例．并对该系统的检索效果和性能进行了详细分析．实验结果表明该系统具有较好的检索效果和性能．     

基于图像分块目标区域的检索技术研究

为了解决图像检索中视觉感知缺失所造成的检索率偏低问题,提出了一种基于目标区域检索算法.借鉴方块编码的方法将图像进行二值化处理,从而转化为位平面图,在此基础上,提取图像的背景区域和目标区域,为提取图像的空间分布信息,采用环形分割的方法提取图像的环形分布直方图作为内容特征用于检索.该算法既利用了图像的灰度信息和人眼对纹理的视觉敏感特性,又充分考虑了图像的空间分布对检索效率的影响,试验表明该算法和以往算法相比具有较高的检索效率.     

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。     

"Julia曲线"集合与分形图像的压缩编码

将“Julia曲线”按正方形形状以多种方式进行量化,并将量化的“Julia曲线”用于分形图像压缩编码,改变了分形图像压缩编码以变化的压缩编码字典进行编码的缺点,通过实验结果证明,“Julia曲线”能很好地拼贴所要编码的图像,并具有分形图像的解码优点,压缩比和压缩速度有了较大提高。     

预测图象最佳压缩编码的实现方法

对二维二阶线性预测图象的最佳压缩编码（Ｈｕｆｆｍａｎ编码）的实现方法作了深入的研究．对预测误差图象的直方图合并技术进行了理论分析和推导．改进了Ｈｕｆｆｍａｎ码树的建立方法．并对１４幅图象进行了编、解码实验．结果表明，图象的信息无丢失，平均码长由８ｈｉｔ／ｐｅｌ下降到５．４４３ｂｉｔ／ｐｅｌ，压缩比为１．４７，编码时间约８ｓ／幅．     

基于改进的小波分形四叉树医学图像编码

将改进的小波Mallat算法运用到小波分形四叉树算法中。对医学图像进行改进的小波Mallat分解，对最高级分解的四个子带图像进行无失真编码，剩下的子带图像进行小波分形四叉树编码。实验结果得出恢复图像的质量进一步提高，证明了本文方法的有效性。     

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．     

一种改进的最大互信息医学图像配准算法

给出了一种基于最大互信息和边缘互方差的医学图像配准算法. 这种算法是在计算原始图像互信息之后, 引入参考图像和浮动图像的边缘互方差值,从而建立起一个新的测度函数来指导寻优过程,最终实现图像配准. 与传统的最大互信息配准算法相比,避免了单纯依赖图像联合直方图所造成的不稳定性,使配准能更加符合图像的特点. 实验证明,这种改进算法有以下优点：配准参数曲线峰值尖锐,易于选择出最优值;在图像灰度缺失的情况下配准有较高的准确性;在噪声方差增大的情况下配准有较强的鲁棒性.     

基于选择初始图像的快速分形解码方法

给出推广的拼贴定理，并对迭代函数系统进行有效变形，记录下变形后的参数，形成不动点图像。迭代时选择不动点图像为初始图像，并证明不动点图像也是迭代函数系统的吸引子的一个较好的近似，实验结果说明，在保持同样的压缩比情况下，只须少数迭代就可得到理想的恢复图像。     

免疫粒子群核模糊聚类快速分形图像编码

针对经典分形编码算法编码时间过长和基于K-均值聚类等快速分形编码算法依赖数据分布等问题,提出了一种基于免疫粒子群优化(IPSO)和核模糊聚类的快速分形图像编码算法.提出基于IPSO的核模糊聚类算法,将IPSO算法应用于聚类中心的求解中,并将其应用于分形图像编码,分别对子块和父块进行核模糊聚类,以更加合理的分类搜索取代全局搜索,减少编码时间.实验结果表明,新算法的编码时间约为经典分形编码算法的1/6,其峰值信噪比只略微下降;与基于K-均值聚类和基于粒子群优化聚类等快速分形图像编码算法相比,新算法能以更少的编码时间获得更高的峰值信噪比.     

一种基于分形的快速图像编码算法

提出了一种快速分形编码算法.针对Jacquin的算法,在为值块(range块)搜索匹配域块(domain块)进行全搜索,搜索速度慢,编码时间过长的缺点,笔者首先提出周边邻域的定义,然后在Jacquin算法基础上提出快速分形编码算法,这种算法大大减少了匹配计算,提高了分形编码速度.实验结果显示,编码时间缩短99%左右,而图像质量没有受到多大影响.     

Image Retrieval Approach Based on Intuitive Fuzzy Set Combined with Genetic Algorithm

Aiming at shortcomings of traditional image retrieval systems,a new image retrieval approach based on color features of image combining intuitive fuzzy theory with genetic algorithm is proposed.Each image is segmented into a constant number of sub-images in vertical direction.Color features are extracted from every sub-image to get chromosome coding.It is considered that fuzzy membership and intuitive fuzzy hesitancy degree of every pixel's color in image are associated to all the color histogram bins.Certain feature,fuzzy feature and intuitive fuzzy feature of colors in an image,are used together to describe the content of image.Efficient combinations of sub-image are selected according to operation of selecting,crossing and variation.Retrieval resuits are obtained from image matching based on these color feature combinations of sub-images.Tests show that this approach can improve the accuracy of image retrieval in the case of not decreasing the speed of image retrieval.Its mean precision is above 80%.