面向情感特征的风景图像分类研究及其实现

视觉活动是认知外部世界的主要途径,视觉感知源于物体的外形、色彩及纹理。而颜色特征的不同对人类情感变化起着至关重要的作用。鉴于不同风景图像会产生不同的颜色特征和情感特点,如何建立图像颜色特征与用户评价之间的关系并加以鉴别具有重要的研究意义。该文在学习前人提出的各种颜色提取分类算法的基础上,结合图像的颜色直方图对风景图像的颜色特征进行提取,并利用支持向量机的方法对图像进行分类。实验表明,该方法取得了较好的准确率。     

基于纹理信息的水果图像识别方法仿真研究

研究水果图像自动识别问题.由于外界噪声的干扰,影响自动识别的准确率.针对传统水果分类系统依靠人工或者特殊传感器件的局限,同时识别算法由于水果图像的颜色特征和纹理特征复杂,造成识别难度增大等缺陷,提出了一种新的计算机视觉和图像的水果自动分类识别系统.针对于对水果图像进行特征取值,特别是对颜色不同的水果进行识别.首先利用水果的HSV颜色表达,提取稳定的颜色特征;另外利用小波变换所生成的共生矩阵,提取水果的纹理特征.将这两种特征结合,并利用K最近邻分类器进行水果的分类和识别.经仿真结果证明了利用水果颜色和纹理特征的结合,可以有效的实现不同水果的自动分类,并比较传统单一的特征有更高的分类准确率.改进方法设备简单,分类准确率高,无需训练的优点,特别适宜在农业生产领域广泛应用.     

一种移动机器人视觉图像特征提取及分割方法

提出一种基于HSI(Hue-Saturation-Intensity) 颜色分量的颜色特征提取方法．该方法结合HSI 颜色 分量反映物体本质颜色的特点和直方图多阈值分类对图像内容的自适应优点,采用直方图多阈值分类方法量 化各HSI 颜色分量,组合量化后的颜色分量提取图像颜色特征．对该方法提取的视觉图像颜色特征进行聚类, 并对视觉图像进行分割;分割结果验证了本文所提颜色特征提取方法的有效性和可行性．针对颜色分量直方 图数据局部极大值引起的颜色分量过分类问题,提出一种通过修改极大值对之间的数据来去除颜色分量直方 图局部极大值的方法．该方法定量分析颜色分量直方图数据的分布特点,从而确定并修改颜色分量直方图数 据中的局部极大值．实验结果验证了该方法能够有效去除直方图数据局部极大值．     

利用颜色进行模式分类与图象检索的方法及应用

本文论述了利用颜色进行模式分类与图象检索的基本概念和一般方法。颜色是图象的一个重要视觉特征。用计算机描述和处理图象颜色首先要选择合适的颜色空间（模型），并提取图像的主要颜色特征。彩色图象模式分类可分三个级别：象素级，区域级及图象级，图象检索主要利用颜色的直方图特征及其各种距离度量来实现。     

基于颜色特征的家居设计图分类

提出一种基于颜色特征的家居设计图情感分类方法。通过人们对色彩的感知和理解,建立图像颜色特征与情感语义的关系模型。在此基础上,以家居设计图为数据源,提取图像的全局和局部颜色特征,结合基于RBF网络的分类器完成对家居设计图像的风格分类。实验结果证明了该方法的有效性。     

基于视觉传达技术的平面设计研究

对图像颜色特征的优化处理，可以有效优化平面设计图像的视觉效果，为此提出基于视觉传达技术的平面设计方法。采用视觉传达方法提取平面设计图像的像素强度、亮度分量特征；针对所提取的特征，通过多尺度Retinex调节图像全局亮度调节、增强局部对比度，并对增强后的图像局部颜色进行恢复和矫正，优化平面设计图像的视觉效果。仿真实验证明平面设计图像局部区域颜色信息信息量、对比度最显著，对图像噪声点的抑制性能好，可增强用户对平面设计图像的浏览意愿。     

颜色和形状特征的商品图像检索技术的应用

针对基于内容的商品图像检索,提出了以颜色和区域形状为特征的检索技术方案.以非等间隔量化方法提取颜色直方图,同时设置显著水平阈值提取视觉主色,从而获取颜色特征.利用二维函数矩构造出的Hu矩特征值,并对矩特征值进行权重设置,提取了比较符合人类视觉的区域形状特征.两种特征组合检索,实现了商品图像的较高相似性度量的匹配.     

图像情感分类的研究

图像情感分类是一个热点且有挑战性的课题,该文首先介绍图像情感分类的一般方法:选择要研究的图像、提取图像的视觉特征(如颜色、纹理和形状等)、情感空间的建立、选择适当的分类器对要研究的图像先训练再分类,然后分析了图像情感分类的局限和研究方向。     

一种新的多特征彩色图像检索方法

提出了一种新的多特征彩色图像检索方法。该算法结合MPEG-7视觉内容描述对真彩色图像进行量化处理,并利用模糊颜色直方图提取主色及其所占百分率作为颜色特征;对图像进行小波变换,并提取小波域子带图像能量作为纹理特征;综合上述2个特征计算图像间内容的相似度,并进行彩色图像检索。仿真实验表明,该方法具有较好的查准率和查全率。     

图像情感分类的研究

图像情感分类是一个热点且有挑战性的课题,该文首先介绍图像情感分类的一般方法:选择要研究的图像、提取图像的视觉特征(如颜色、纹理和形状等)、情感空间的建立、选择适当的分类器对要研究的图像先训练再分类,然后分析了图像情感分类的局限和研究方向.     

一种用于CBIR系统的主色提取及表示方法

颜色是彩色图像最重要的视觉特征之一,在基于内容的图像检索（ＣＢＩＲ）系统中,都将颜色信息作为重要内容参与匹配和检索。针对图像中起主要视觉作用的是图像的主色这一问题,提出一种基于聚类分析的提取和表示图像主色的方法,给出一种用于聚类算法的停止准则,和等量量化方法相比,用本方法提取的颜色信息,具有特征维数低、颜色表示准的优点。     

利用分块截短编码法实现图像信息鉴别

图像聚类是图像信息检索鉴别的关键技术,在图像信息系统中,图像的检索效率是至关重要的,在基于内容的图像鉴别中,如果能利用低级别的可视特征进行高效图像聚类,将大大提高图像信息的检索鉴别精度。文章分别利用色矩与BTC算法（分块截短编码）来提取图像的特征并进行图像特征K均值聚类,从而验证两种图像信息鉴别方法的效率,实验结果表明,分块截短编码（BTC）算法可以实现较高效率的图像鉴别。     

基于边缘和颜色特征的图像检索技术

提出了一种综合运用边缘和颜色特征进行图像检索的方法.该方法首先利用Matlab实现基于数学形态学的多结构元的边缘提取,并通过圆环划分法在HSV空间上量化得到颜色直方图,然后根据边缘和颜色特征的不同特性,采用不同的分块方法提取图像特征,突出了目标重要性的同时又兼顾了颜色的旋转不变性.本文根据该方法设计并实现了一个基于边缘和颜色特征的图像检索系统.实验结果表明,综合运用边缘和颜色特征进行图像检索,可显著提高图像检索系统的查全率和查准率.     

基于多尺度top-hat变换的自适应彩色图像增强

针对传统彩色图像增强过程中的过度增强及空间变化所引起的信息丢失现象,在RGB空间提出一种基于数学形态学top-hat算法,以各分量标准差权重比例为调控因子的彩色图像增强方法。首先,提取R、G、B通道多尺度下的亮、暗细节特征,然后利用控制因子对有应用价值的细节特征进行增强,最后组合三个分量,得到增强的目标图像。实验结果表明,该方法能有效增强图像对比度,避免过度增强,且能很好地保持亮度,视觉效果良好。     

基于特征提取偏好与背景色相关性的数据增强算法

深度神经网络具有强大的特征自学习能力,可以通过多层逐步提取的方式获取不同层次的粒度特征,但当图片目标本体与背景色具有强相关性时,特征提取会存在"惰性",所提取特征的抽象层次较低,判别性不足。针对此问题,通过实验对深度神经网络特征提取的内在规律进行研究,发现特征提取偏好与图片背景色之间具有相关性,消除该相关性可以帮助深度神经网络忽略背景的干扰,直接学习目标本体的特征,由此提出了数据增强算法,并在自主构建的数据集上进行实验。实验结果表明,所提算法可以降低背景色对目标本体特征提取的干扰,减少过拟合,提高分类效果。     

基于特征融合的图像情感语义分类

基于颜色或颜色-空间信息的图像分类方法,由于没有考虑图像中所含目标对象的形状特征,分类效果不够理想,以服装图像作为数据源,提出并设计了颜色-边缘方向角二维直方图,将图像的颜色特征与形状特征融合起来进行图像分类。图像中的低阶可视化特征与高阶情感概念之间有着密切的关联,分析了服装图像的颜色和形状的融合特征与情感之间的相关性,采用概率神经网络作为分类算法来完成情感语义分类,实验结果表明,该方法的分类精度有了明显的提高。     

Neural Network Based Terrain Classification Using Wavelet Features

Terrain perception technology using passive sensors plays a key role in enhancing autonomous mobility for military unmanned ground vehicles in off-road environments. In this paper, an effective method for classifying terrain cover based on color and texture features of an image is presented. Discrete wavelet transform coefficients are used to extract those features. Furthermore, spatial coordinates, where a terrain class is located in the image, are also adopted as additional features. Considering real-time applications, we applied a neural network as classifier and it is trained using real off-road terrain images. Through comparison of the classification performance according to applied feature sets and color space changes, we can find that the feature vectors with spatial coordinates extracted using the Daub2 wavelet in the HSI color space have the best classification performance. Experiments show that using the wavelet features and spatial coordinates features improves the terrain cover classification performance. The proposed algorithm has a promising results and potential applications for autonomous navigation.     

基于D-S证据理论的彩色航空影像阴影提取方法

阴影特征在影像,特别是遥感影像中具有重要的意义. 本文针对彩色航空遥感影像的颜色信息进行分析, 提出了表述阴影在 RGB 和 HIS 空间的三种不同特征, 并利用 Mean Shift 分割的方法对彩色航空影像进行区域分割. 选取分割后的区域, 统计每个区域的多个颜色特征并定义相应的概率分配函数, 利用其互补特性, 使用 Dempster-Shafer(D-S) 证据理论中的合成法则对其进行合成, 最终判别区域是阴影或非阴影. 对实验图像进行阴影特征提取,取得了较好的效果     

一种新的彩色图象文字提取算法

文字信息在描述图象内容时起着重要的作用,因此文字提取及识别是基于内容视频检索的关键技术。提出了一个从彩色图象背景中提取文字的快速而有效的算法。由于文本字符串的对比度较高,首先用一个改进的sobel算子将彩色图象变换为二值的边缘图象,再对该边缘图象进行涂抹处理,然后基于候选文本区的特征从不同复杂度的彩色图象中提取文本信息,最后将提取出的文本输入到文字识别(OCR)引擎,识别结果证明了此方法的有效性。