综合颜色和Contourlet直方图的图像检索方法

为提高图像检索性能,使用Harris彩色点提取器提取颜色特征点,设计一种基于颜色特征点的环形颜色直方图,在对图像进行Contourlet变换的基础上,提出Contourlet直方图的概念,改进其旋转不变性,并提取图像的纹理信息。仿真实验结果表明,该方法能够快速准确地检索彩色图像。     

融合主曲率与颜色信息的彩色图像检索算法

针对当前图像检索算法存在特征维度高、检索耗时久、精度低等问题,提出一种基于颜色信息和纹理信息相融合的图像检索算法.首先对彩色图像进行颜色量化和统计以获取其颜色直方图,利用海森矩阵提取彩色图像的表面几何结构曲率信息,并根据提取的曲率信息构建方向梯度加权联合直方图;然后对获得的颜色直方图和加权联合方向梯度直方图进行融合,得...     

基于颜色和基元特征的图像检索

为了有效地提高图像检索性能,提出一种基于基元特征和颜色特征相结合的图像检索方法。检测彩色图像的边缘梯度,对其进行变换获得基元图像。以基元图像的重心为基准点计算各点到重心的距离,求得基元重心距离直方图。对基元图像中的每一个基元在4个不同方向投影,求得基元投影直方图。将彩色图像在RGB空间量化到64色颜色空间,得到彩色图像的颜色直方图。利用以上3个直方图描述图像特征,并用于图像检索。实验结果表明,该算法的查全率和查准率均有较大提高。     

融合曲波变换和颜色直方图的图像检索

研究了曲波变换和颜色直方图在图像检索系统中的应用,在此基础之上提出了一种融合Curvelet变换和颜色直方图的彩色图像检索的方法。该方法首先采用Curvelet变换提取彩色图像中的纹理特征,再利用颜色直方图提取颜色特征,最后分别用Manhattan距离和欧几里德距离进行纹理和颜色的相似性匹配。实验结果表明,融合曲波变换和颜色直方图的方法对图像检索非常有效。     

综合contourlet变换和颜色特征的图像检索算法

针对单一特征图像检索效率不高的缺点,提出一种基于轮廓波变换(contourlet)和颜色直方图的多特征检索方法.Con-tourlet变换采用"双重滤波器组"结构,具备多分辨率、多方向性和各向异性等性质,能以接近最优的方式表示图像的边缘.颜色直方图计算简单,具有旋转、平移的不变性.本算法充分利用Contourlet变换后系数分布特点和HSV空间颜色直方图的旋转平移不变性,构造图像的特征向量,以Euclidean distance作为相似度量标准进行图像检索.实验结果表明,提出的算法具有更高的查准率.     

一种自适应特征分块加权的图像检索方法

文中提出了一种自适应特征加权的图像检索方法。首先提取图像的颜色直方图以及梯度直方图,根据图像的特点,用不同的方法进行分割。然后将已分割图像分成4×4小块,按照其颜色和纹理的分布情况,计算每小块的特征加权值。最后,以分块加权的一维颜色矢量直方图为特征,进行相似度匹配,欧氏距离较小的图像为检索结果。实验结果表明,综合利用颜色和边缘特征比单独用一个特征进行图像检索的效果要好,自适应特征加权后的检索准确率更高,对于拥有较明显的目标与背景差异的图像,该方法特别有效。     

一种基于颜色特征的真菌检索系统的设计

本文从颜色直方图出发,设计实现了一个基于颜色特征的真菌检索系统,并利用多级分块颜色引进图像位置因素,提取分块颜色特征值,进行查询优化。实验表明,利用分块颜色直方图特征进行真菌图像检索,已基本满足应用要求。     

综合颜色特征的彩色图像检索方法

基于内容的图像检索技术已成为当前的研究热点,文章提出了一种综合利用两种颜色特征进行图像检索的新方法。首先,在变换空间建立色度直方图表示图像的颜色分布特征。为进行图像间的相似性度量,对Swain定义的直方图相似性度量作了改进,为弥补全局直方图不包含颜色空间分布关系的缺点,文章提取了另一种颜色特征,即分块的颜色矩,其距离度量为特征矢量的比值相似度。最后,综合利用上述两个特征对图像进行共同检索。通过对真实图像数据的检索实验表明:综合两种特征检索图像比单一特征检索效果更好。     

基于颜色和形状特征的图像检索方法

提出了一种基于颜色和形状特征的图像检索方法。在对HSV颜色模型量化的基础上,提取颜色直方图作为图像的颜色特征。在提取形状特征时,结合颜色量化结果,利用图像分割提取图像的形状特征,利用两特征的加权距离计算图像之间的相似度,而后进行图像检索。实验结果表明,该方法取得了较好的检索效果。     

基于二叉树量化子图像颜色直方图的图像检索

为了解决现有颜色直方图检索技术所存在的鲁棒性较差、特征维数过高等问题,本文提出一种基于图像像素二叉树各层子图像颜色直方图的图像检索方法。该方法首先结合噪声攻击特点,提取出重要的图像像素二叉树各层量化子图像颜色直方图并确定其视觉权值;然后构造出重要图像像素二叉树子图像颜色直方图;最后以重要图像像素二叉树子图像颜色直方图为特征,计算图像间内容的相似度并进行检索。仿真实验表明,该方法不仅能够准确检索出用户所需图像,而且对光照、锐化、模糊等噪声攻击均具有较好的鲁棒性。     

对称LDA及其在人脸识别中的应用

线性鉴别分析是特征抽取中最为经典和广泛使用的方法之一。基于人脸的一种直观自然特性——镜像对称性,提出一种算法——对称线性鉴别分析。该算法引入镜像变换,生成镜像样本,依据奇偶分解原理,生成镜像奇、偶对称样本,并分别提取各奇偶样本的对称鉴别特征。理论分析与实验证明,该算法合理地利用了镜像样本,既扩大了样本容量,又提高了人脸识别率。     

对称核主成分分析及其在人脸识别中的应用

核主成分分析(KPCA)没有充分利用人脸的对称性特征,在人脸识别中缺少训练样本,致使其识别率较低。为此,提出一种对称KPCA算法。利用人脸的镜像对称性,通过对训练样本进行镜像变换,得到奇对称样本和偶对称样本,分别提取各奇/偶对称样本的特征分量,使用最近邻距离分类器完成分类。实验结果表明,该算法能扩大样本容量,当多项式阶数为2时,该算法的识别率高于KPCA算法,识别时间短于KPCA算法。     

对称主分量分析及其在人脸识别中的应用

镜像对称性是人脸的一个直观显然的自然特性，有助于开发面向人脸图像的识别技术与算法，该文将在人脸识别中应用这一自然特性，提出一种新算法——对称主分量分析，该算法首先引入镜像变换，生成镜像样本；然后依据奇偶分解原理，生成镜象奇、偶对称样本，并分别进行KL展开，提取镜象奇／偶对称KL特征分量；最后，根据奇／偶对称KL特征分量在人脸中所占能量比例的不同以及对视角、旋转、光照等干扰的不同敏感程度进行特征选择，理论分析与实验证明，该算法巧妙地利用镜像样本，增强人脸识别：既扩大样本容量，显著提高识别率；又节省计算与存储开销，增强算法的实用性能。     

基于对称非迭代双边2DPCA的人脸识别

结合人脸图像的对称性在非迭代双边二维主成分分析（NIB2DPCA）的基础上, 提出了对称非迭代双边二维主成分分析（SNIB2DPCA）的人脸识别方法。该方法引入镜像变换, 根据奇偶分解原理分别生成奇、偶对称样本, 用NIB2DPCA分别对奇偶对称样本提取特征, 通过奇偶加权因子对奇偶对称样本的特征矩阵进行组合得到最终的分类特征矩阵, 最后用最近邻分类器分类。在Yale、ORL和YaleB人脸库上的实验表明该方法不仅显著提高了识别率, 而且对光照影响有一定的鲁棒性。     

基于加权对称图像的二维FDA人脸识别算法

提出一种融合加权对称图像的二维FDA人脸识别算法。将人脸图像分解为奇偶对称脸,并利用加权因子将奇偶对称脸重构新的人脸样本,通过二维FDA算法求解新样本图像的最优特征子空间进行人脸分类。有效融合二维FDA算法的优点,并利用人脸对称性的特征,同时进一步分析加权因子对人脸识别效果的影响,通过选取最优加权因子最大地提高识别率。在人脸图像库ORL中进行的实验结果表明,该算法有效并能获得较高的识别率。     

基于对称的二维主成分分析及其在人脸识别中的应用

在二维主成分分析算法中引入了对称性思想,提出了基于对称的二维主成分分析算法（STDPCA）。在该算法中,首先把人脸图像分解成奇对称图像和偶对称图像,然后分别在这两类图像中进行二维主成分分析,提取所需要的特征。该算法不仅有效利用了二维主成分分析算法的优点,而且也考虑了人脸对称性的特点,因此在人脸识别中有较高的识别率。在著名人脸库ORL、YALE中的实验证明了该算法的有效性。     

基于对称核主成分分析的人脸识别

为了提高人脸识别技术的实用性,结合人脸镜像对称性和核主成分分析提出了一种新的人脸识别方法。首先利用小波变换压缩人脸图像数据,获取小波分解的低频分量,再通过镜像变换得到镜像偶对称图像和镜像奇对称图像,然后分别对奇偶对称图像进行核主成分分析提取奇偶特征,并且通过加权因子对奇偶特征进行融合,最后采用最近邻分类器分类。基于ORL人脸数据库的实验结果表明：该算法增大了样本容量,在一定程度上克服了光照、姿态的不利因素,提高了人脸识别率。     

Faster and more robust point symmetry-based K-means algorithm

Based on the recently published point symmetry distance (PSD) measure, this paper presents a novel PSD measure, namely symmetry similarity level (SSL) operator for K-means algorithm. Our proposed modified point symmetry-based K-means (MPSK) algorithm is more robust than the previous PSK algorithm by Su and Chou. Not only the proposed MPSK algorithm is suitable for the symmetrical intra-clusters as the PSK algorithm does, the proposed MPSK algorithm is also suitable for the symmetrical inter-clusters. In addition, two speedup strategies are presented to reduce the time required in the proposed MPSK algorithm. Experimental results demonstrate the significant execution-time improvement and the extension to the symmetrical inter-clusters of the proposed MPSK algorithm when compared to the previous PSK algorithm.     

对半偶图像作LDA变换的人脸识别方法

对于人脸图像而言，偶图像相当于原始图像与它的镜像的和。为了增大训练样本，许多人脸识别算法把镜像图像加入到训练集中。与这些方法不同，本文把原始训练集中的每一幅图像都变换为它的半偶图像得到新的训练集。对于新的训练集，采用LDA(Linear discriminant analysis)方法提取特征后作分类。在ORL和IIS人脸库上的实验结果表明，对半偶图像作LDA的人脸识别方法有较高的识别率。     

An optimal symmetrical null space criterion of Fisher discriminant for feature extraction and recognition

Linear discriminant analysis (LDA) is one of the most effective feature extraction methods in statistical pattern recognition, which extracts the discriminant features by maximizing the so-called Fisher’s criterion that is defined as the ratio of between-class scatter matrix to within-class scatter matrix. However, classification of high-dimensional statistical data is usually not amenable to standard pattern recognition techniques because of an underlying small sample size (SSS) problem. A popular approach to the SSS problem is the removal of non-informative features via subspace-based decomposition techniques. Motivated by this viewpoint, many elaborate subspace decomposition methods including Fisherface, direct LDA (D-LDA), complete PCA plus LDA (C-LDA), random discriminant analysis (RDA) and multilinear discriminant analysis (MDA), etc., have been developed, especially in the context of face recognition. Nevertheless, how to search a set of complete optimal subspaces for discriminant analysis is still a hot topic of research in area of LDA. In this paper, we propose a novel discriminant criterion, called optimal symmetrical null space (OSNS) criterion that can be used to compute the Fisher’s maximal discriminant criterion combined with the minimal one. Meanwhile, by the reformed criterion, the complete symmetrical subspaces based on the within-class and between-class scatter matrices are constructed, respectively. Different from the traditional subspace learning criterion that derives only one principal subspace, in our approach two null subspaces and their orthogonal complements were all obtained through the optimization of OSNS criterion. Therefore, the algorithm based on OSNS has the potential to outperform the traditional LDA algorithms, especially in the cases of small sample size. Experimental results conducted on the ORL, FERET, XM2VTS and NUST603 face image databases demonstrate the effectiveness of the proposed method.