基于边缘颜色分布的图像检索方法

提出了一种新的基于边缘颜色分布的图像检索算法。该算法将不同类型边缘附近的颜色分布作为刻画图像内容的主要特征,设计了一种紧凑的2D边缘颜色直方图来对图像的边缘颜色分布特征进行描述,既利用了局部颜色特征,又考虑了不同类型边缘的空间分布信息,克服了传统颜色直方图不能反映空间信息的缺陷。实验结果表明,该算法与其他同类方法相比,有效地提高了检索性能。     

基于分块颜色相关向量的图像检索算法

阐述了颜色相关向量的基本概念，提出了分块颜色相关向量相似性度量的计算方法和相关区域快速搜索算法，最终形成基于分块颜色相关向量的图像检索算法。实验表明，算法更符合人的主观感觉。     

基于九分块的颜色直方图图像检索算法

随着社会和科技的发展,人们对基于内容的图像检索的要求越来越高,但因研究起点较晚,技术还不是很成熟。文中就图像检索所用到颜色、纹理、形状、轮廓的基本颜色特征中比较重要的颜色特征为主要研究对象,从传统的基于全局颜色直方图及后来发展的一些改进的颜色直方图等思路出发,提出了一种基于九分块的颜色直方图方法,提高了图像检索的效率。     

基于全局特征的图像检索技术

在对海量的图像数据进行检索时,要得到好的检索效果,传统的信息检索方法已不能满足要求,这样,基于内容的图像检索(CBIR:Content-Based Image Retrieval)技术应运而生。本文讨论的是CBIR中的关键问题—特征描述,本文主要介绍全局特征描述,包括颜色、纹理和形状特征。     

颜色密度直方图检索方法

颜色是基于内容的图像检索的重要特征.传统颜色直方图由于只考虑色彩总量而无法区别色彩空间分布差异.本文提出了一种新的颜色密度直方图(Color Density Histogram CDH).通过计算主要颜色的密度,反映颜色的空间分布离散程度.密度大,颜色分布较集中,密度小,则颜色分布较分散.在HSV颜色空间上,使用CAR...     

基于颜色和边缘方向的图像检索方法

提出了一种新的图像特征表示方法,首先提取图像的底层颜色信息获取颜色特征值,通过对图像中物体的边缘检测计算像素点的边缘方向角度值,并对颜色特征值和边缘方向角度值进行量化。然后根据相邻像素点之间量化结果的数值分析,为每个像素点建立8维特征向量。再以中心像素点与相邻像素点间不同的位置关系为基础,为每种位置关系赋予不同的权重,根据像素点的特征向量计算出图像中每一个像素点的特征值。最后统计图像中具有相同特征值的像素点个数,形成特征直方图,以此作为图像检索的依据。实验表明本文方法能够有效描述图像的颜色分布和图像中物体的空间结构,更加细致地记录图像信息,进一步增强图像之间的区分能力。与其他方法相比,本文方法检索效果更好。     

颜色直方图在基于内容的遥感影像检索中的比较分析

本文主要针对颜色直方图在基于内容的图像检索中的应用效果进行实验分析和性能比较。分别在RGB和HSV 颜色空间中共构造了6 类不同量化方式的直方图,并采用特征向量相似性度量和概率相似性度量方式对其进行了遥感影像的检索实验和查准率比较,实验结果表明记为Q4096 和Q256 的两种直方图在基于x2 统计距离下的检索查准率较高,期望为基于颜色特征进行图像内容检索的应用提供参考。     

基于颜色特征的图像检索技术研究

本文针对利用图像的颜色特征丢失空间信息的问题,提出了一种通过提取灰度特征,获取图像的形状特征,综合检索图像的方法。     

基于内容的图像检索技术

综述了基于内容的图像检索（CBIR）技术。分别介绍了在象素域和压缩域CBIR的基本方法及已取得的成果,并对其进行了分析和比较,最后提出今后一些主要研究方向。     

基于全局不变矩和分块主颜色的图像检索算法

为充分发挥全局不变矩对图像形状信息着重考虑的优势,规避颜色直方图未曾考虑图像的空间位置以及常见分块策略忽略分块间的相互联系等弊端,提出一种改进的全局不变矩和分块主颜色相结合的图像检索算法。计算图像的全局不变矩,提取图像各分块主颜色,将两者进行归一化处理后进行线性加权求和,计算综合相似度。实验结果表明,该算法具有较高的检索精度,能够提高检索性能。     

基于颜色的图象检索技术

论述了基于色彩的图象检索方法,对颜色空间的选择、颜色的量化以及颜色的相似测试进行了讨论。在此基础上,对两种典型的基于颜色的图象检索方法的特点、关键技术的实现以及存在的根本问题进行了详细的分析和比较。     

结合颜色和空间信息的图像检索方法

本文采用了结合空间信息和图像颜色特征的颜色关联图方法。在特征度量时,依据所设计的评价试验,对四种距离度量方法进行了比较。将所选方法应用于西北大学可视化研究所开发的医学影像数据库系统中。实验表明,所述的图像检索方法具有较好的查全率与查准率。     

Content-based image retrieval using joint correlograms

The comparison of digital images to determine their degree of similarity is one of the fundamental problems of computer vision. Many techniques exist which accomplish this with a certain level of success, most of which involve either the analysis of pixel-level features or the segmentation of images into sub-objects that can be geometrically compared. In this paper we develop and evaluate a new variation of the pixel feature and analysis technique known as the color correlogram in the context of a content-based image retrieval system. Our approach is to extend the autocorrelogram by adding multiple image features in addition to color. We compare the performance of each index scheme with our method for image retrieval on a large database of images. The experiment shows that our proposed method gives a significant improvement over histogram or color correlogram indexing, and it is also memory-efficient.

一种具有相关反馈的图像检索方法

图像底层特征和高层语义之间存在着巨大的语义鸿沟.受限于图像理解技术的发展水平和对认知的理解水平.目前,对图像语义的描述还无法由计算机自动建立.要克服语义鸿沟,需引入相关反馈机制.特征提取采用结合空间信息的颜色一致直方图方法,并建立了基于方差分析的权值调整方法进行反馈调节,有效地提高了图像检索准确率.     

Querying color images using user-specified wavelet features

In this paper, an image retrieval method based on wavelet features is proposed. Due to the superiority in multiresolution analysis and spatial-frequency localization, the discrete wavelet transform (DWT) is used to extract wavelet features (i.e., approximations, horizontal details, vertical details, and diagonal details) at each resolution level. During the feature-extraction process, each image is first transformed from the standard RGB color space to the YUV space for the purpose of efficiency and ease of extracting the features based on color tones; then each component (i.e., Y, U, and V) of the image is further transformed to the wavelet domain. In the image database establishing phase, the wavelet coefficients of each image are stored; in the image retrieving phase, the system compares the wavelet coefficients of the Y, U, and V components of the query image with those of the images in the database, based on the weight factors adjusted by users, and find out good matches. To benefit from the user–machine interaction, a friendly graphic user interface (GUI) for fuzzy cognition is developed, allowing users to easily adjust weights for each feature according to their preferences. In our experiment, 1000 test images are used to demonstrate the effectiveness of our system. Te-Wei Chiang received the B.S. degree in electrical engineering from Tatung Institute of Technology, Taiwan, in 1990, and the Ph.D. degree in computer science from the National Taiwan University in 1997. From 1999 to 2000, he was a postdoctoral fellow in the Institute of Information Science, Academia Sinica, Taiwan. He is an assistant professor in the Department of Accounting Information Systems, Chihlee Institute of Technology, Taiwan. His current research interests include pattern recognition, optical character recognition, content-based image retrieval, and information retrieval. Tienwei Tsai received the M.S. degree in computer engineering from Pennsylvania State University and the Ph.D. degree in computer engineering from Tatung University, Taiwan. He is an associate professor in the Department of Information Management at Chihlee Institute of Technology, Taiwan. His current research interests include image retrieval, information retrieval, data mining, and intelligent systems.     

基于SOM神经网络的颜色图像分割

1.引言基于内容的图像检索(Content-Based Image Retrieval)已广泛应用于生化、军事、文化、教育等领域。其原理是利用图像自身的特征,如颜色、纹理、形状及对象空间关系等信息,建立图像的特征矢量以进行检索。它与传统的基于文本的图像检索相比,能够更充分地利用图像的语义信息。在CBIR方法中,用户检索时通常可以提供样本图像,检索系统将该样本图像同图像库中的图像按一定方法进行比较,将与样本图像相似的图像返回给用户。     

基于图像中心加权特征的图像检索

本文讨论了基于内容的图像检索系统中特征提取的技术,并提出了一种基于图像中心加权特征提取算法,即对图像不同位置提取的特征采用不同的加权系数,越靠近图像中心加权系数越大。最后使用支持向量机技术作为图像分类器进行图像的检索。实验表明该系统能有效地检索大规模的图像数据厍,并取得了比较好的效果。     

基于局部颜色-空间特征的图像检索方法研究

研究均匀分块颜色直方图和累加颜色直方图的特征提取方式,分析其在考虑颜色统计分布和颜色空间分布问题上的优点和缺点,实现均匀分块颜色直方图和累加颜色直方图特征提取方式的图像检索,并在此基础上对特征提取方式进行改进,提出一种基于HSV非均匀量化分块颜色直方图的算法,并对该算法进行验证。研究结果表明,该算法改善了颜色特征缺乏空间信息的缺点,并验证了基于HSV非均匀量化分块颜色直方图的算法相对于均匀分块颜色直方图和累加颜色直方图有较好的检索精度。