基于显著点颜色-空间分布特征的图像检索算法

提出了一种基于显著点的颜色和空间分布特征的图像检索算法。首先使用Harris颜色点检测器提 取图像的显著点;再以显著点为主线,设计了一种基于显著点的环形颜色直方图方法,将显著点的局部颜色特征与 空间分布结构有效结合;最后利用信息熵表示图像颜色的空间分布信息,既考虑了图像的空间分布特征,又降低了 运算复杂度。实验结果表明,该方法实现简单,在检索精度上明显优于基于全局特征的图像检索算法。     

一种基于显著特征的图像融合算法

充分利用小波变换的多分辨率分析特性,文章提出了一种基于显著特征的小波变换图像融合方法。首先对待融合图像进行小波分解,得到低频系数和高频系数;然后对低频系数提出了一种基于显著特征——空间频率的融合规则,对高频分量使用系数绝对值选大的规则进行融合;最后对融合后的低频系数和高频系数进行小波反变换得到融合图像。同时探讨了多聚焦图像中存在的虚假轮廓现象并提出了一种简便的定位方法。仿真实验表明,文中算法得到的融合图像在视觉效果上较传统算法及其一些改进算法有所提高,同时熵、标准差和互信息等客观评价指标值也得到了提高。     

基于底层纹理特征的图像检索

讨论了统计法中的灰度共现矩阵法和频谱法中的小波变换法来提取图像底层纹理特征,并对此进行了比较和分析,实验表明,基于小波变换的纹理特征提取方法可以有效描述图像底层纹理并取得较好检索结果。     

基于区域特征的小波变换图像融合方法

图像融合的目的是把来自多传感器的数据互补信息合并成一幅新的图像，以改善图像的视觉效果。笔者提出一种基于小波变换的图像融合方法，其思想是先把待融合图像采用小波进行分解，然后在对分解后的小波系数矩阵采用区域特征进行融合处理，最后采用小波逆变换得到融合图像。该方法很好地区分了图像低频分量和高频分量对融合的不同影响，实验表明取得了较好的融合效果。     

一种基于用户感兴趣区域的图像检索算法

针对全局特征的图像检索不能很好地满足用户的意图,提出了一种新的基于用户感兴趣区域的图像检索算法。此算法基于显著判别原则,无需对图像进行复杂的分割就能有效地提取用户感兴趣区域的显著点。实验结果表明,此算法不仅检索过程简单,在检索精度上也明显优于基于全局特征的图像检索方法。     

基于小波散射网络下的图像检索

小波散射卷积神经网络由于其优越的性能而被迅速、广泛地运用到图像、音频等领域.本文利用这种新型的网络结构提取图像的特征,结合相似度度量方法,实现该特征提取在图像检索方面的应用.此外,将小波散射网络得到的特征系数,以其均值和方差作为新的特征,实现大规模图像检索的降维.最后,利用实验算法对比验证了上述降维方法的可行性和优越性.     

基于图像敏感区域纹理特征的图像检索

提出一种基于敏感区域动态特征的彩色图像识别方法,模拟人眼视觉特性,在小波变换域内利用K均值聚类提取敏感区域图像,提取敏感区域的动态纹理特征来表示图像内容,并以此计算图像间的相似度、对图像进行分类和检索。仿真实验结果表明,该方法能够较准确地查找出目标图像,并且明显地提高了检索精度。     

基于整数小波系数的纹理图像检索方法研究

提出了一种用整数小波系数检索纹理图像的方法，纹理图像的主要特征表现在细节部分，而高频部分的小波系数体现了图像的细节，所以从这些小波系数中提取的特征，能够表征纹理图像的主要特性；实验结果表明，用该方法检索纹理图像，能够达到较好的检索效果，并且对亮度不敏感，这一特点是传统的纹理分析方法难以达到的。     

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%。     

基于颜色和纹理特征的图像检索技术研究

为改善单一特征图像检索方法的局限性和传统综合特征检索方法计算复杂度高的问题,提出一种综合特征的图像检索新方法:将Tamura纹理特征与抗几何形变的小波变换纹理分析方法相结合提取出13个纹理特征分量,在小波分解得到的低频区域中进行颜色直方图的提取,从而实现了颜色和纹理特征相结合的图像检索系统.实验表明,该方法在不明显增大计算量的情况下比单一特征的图像检索具有更好的检索效果.     

结合稳定兴趣点和Gabor小波的图像检索

提出了一种基于稳定兴趣点和纹理特征的图像检索算法．该算法首先利用优化的Hessian检测器检测图像中的稳定兴趣点,并计算稳定兴趣点的环形邻域的伪泽尼克矩;然后,利用Gabor小波变换提取图像的纹理特征;最后,用不同图像伪泽尼克矩和纹理之间的差异来衡量图像的相似度,实现图像检索．实验结果表明,与其他基于兴趣点或者纹理特征的检索方法相比,该算法能够降低不稳定兴趣点的影响,有效提高了图像检索的准确率和查全率．