基于IPDSH兴趣点空间区域划分的图像检索

针对基于兴趣点的传统图像检索方法的不足,提出了一种利用兴趣点检测和空间区域划分的图像检索新方法。首先使用一种结合SIFT和Harris特性的尺度空间兴趣点检测算法(IPDSH)来检测图像的稳定兴趣点;然后利用稳定兴趣点的空间位置对图像进行环形和凸包区域划分,并计算凸包内的颜色直方图和环形区域中稳定兴趣点邻域内伪泽尼克矩;最后以两种特征的加权特征向量对图像进行检索。该方法实现简单,检索速度快,能保证检索算法对图像旋转、平移的鲁棒性,且有效减少了图像中不稳定兴趣点对检索带来的干扰,图像检索的准确度有效提高了7.0%～15.1%。     

基于小波显著特征点的图像检索技术

分析了传统关键字检索以及基于小波边界点图像检索方法的缺点,提出了以视觉特征作为图像检索的信息基础,比较了基于小波显著特征点检索技术所具有的优点,及其实现方法.首先,着重讨论了小波显著特征点的提取方法及其表示方法;其次,详细介绍了该新算法在图像检索中的具体应用及优点;最后,介绍了利用基于小波显著特征点进行图像耨检索的具体实例.     

基于兴趣区域特征融合的半监督图像检索算法

提出一种融合底层特征、基于兴趣区域的半监督学习图像检索方法,实现了图像内容的语义关联。该方法首先划分图像兴趣区域,提取图像的综合底层特征,然后将其作为训练数据,对图像类别进行半监督学习,建立图像和类别的语义映射,最后分别采用二次式距离和改进的Canberra距离对图像底层特征进行度量,特征空间中图像类的区域中心用正反馈进行迭代更新。通过实验对比,该图像检索算法具有较高的准确率,优于传统的基于内容的图像检索算法。     

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。     

基于兴趣点凸包的图像检索方法

提出了一种基于兴趣点确定感兴趣区域的图像检索方法。在尺度归一化图像中检测兴趣点,然后对兴趣点求取凸包确定感兴趣区域,并用颜色直方图和Zernike矩作为特征进行检索,在保证图像检索对图像旋转、平移、缩放鲁棒性的前提下,将图像检索上升到物体层,克服了传统方法的不足。对1000幅图像进行的大量实验表明,该方法与其他基于兴趣点的方法相比,平均检索准确率提高了13%,可以更准确地查找到用户所需图像。     

基于改进特征的图像检索方法研究

针对在图像检索过程中,传统单一特征不能较好反映图像的颜色分布和内容细节等相关信息,降低了图像检索性能的问题,提出一种基于改进颜色和纹理综合特征的图像检索方法。根据HSV颜色模型区域均值,利用改进关联权值模型,获取颜色均值特征向量;基于Haar小波进行图像分解变换。在图像的低频分量中,根据低频特征结构模型,获取低频纹理特征向量;通过Canberra距离求取图像相似度。实验结果表明:方法在Corel-1000和Corel-5000标准图库中进行测试,准确率和检索率等性能参数得到了相应提高。     

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.     

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。     

基于深度卷积特征的图像实例检索方法

针对计算机视觉领域的图像实例检索问题,提出了一种从卷积神经网络提取图像全局特征表示和目标对象区域特征表示的图像实例检索方法。该方法首先利用区域生成网络学习目标实例的区域位置坐标,并结合相关卷积网络提取的图像区域特征构建由过滤阶段和空间重排阶段组成的实例检索系统。在此基础上提出过滤阶段和空间重排两阶段查询扩展方法进一步提高系统检索性能。最后,提出了两种微调网络模型策略,更新网络前两个卷积层后所有层的权重以适应图像实例检索和位置坐标。通过在两个公用实例检索数据集(Oxford Buildings 5k和Paris Buildings 6k)上进行详尽实验验证,结果表明,提出的基于深度卷积特征的图像实例检索方法有效地提高了图像实例检索的准确率和可靠性,降低了实例检索误检率,得到的实例位置更加准确。     

特征点显著性约束的图像检索方法

图像检索的Bag of Words体系存在量化后的视觉词影响局部特征的辨别能力并且缺乏特征之间空间关系的缺点,影响检索效率。针对复杂背景的目标查询,提出了融合显著性信息的图像检索方法和基于显著特征点空间距离比的后验证方法。首先,提取图像显著目标区域,使用空间金字塔模型进行图像检索。然后,利用查询图像与检索图像匹配的显著特征对,计算任意两对显著特征点的距离比,保留满足阈值的比值,并求和,用以重新排序结果图像,得到最终的检索结果。实验结果表明:该方法显著提高了检索的精确度,并减少了几何验证过程的运算时间。     

一种基于注意力机制的无监督商标检索方法

针对现有商标特征提取方法无法有效捕捉重点区域的关键信息和图像标注成本过高的问题,提出一种基于注意力机制的无监督商标检索方法。该方法基于实例区分算法,将注意力模块同时运用在神经网络特征映射层的空间维度和通道维度上,通过对各个通道进行权重的分配以及对空间变换参数的学习,增强无监督网络的特征表达能力。该方法在公开的商标数据集上进行了验证,实验表明检索效果优于传统的商标检索方法,甚至优于一些有监督商标检索方法。     

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。     

基于颜色一致向量的图像检索方法

大量图像信息的产生使得基于内容的图像检索技术成为研究热点。由于颜色特征具有稳定性和计算简单的特点,本文首先介绍了利用全局颜色直方图进行图像检索的基本思想,然后分析了它的局限性,并给出了改进的方法：特征提取采用结合空间信息的颜色一致向量方法。在特征度量时,依据所设计的评价实验,对这两种方法进行了比较,并给出了实验结果和图像检索性能的评价。实验表明,所述的图像检索方法具有较好的查全率和查准率。     

在曲波域中应用统计模型的图像纹理特征提取

针对基于内容的图像检索系统图像纹理特征提取对图像检索精度存在影响的问题,提出一种基于曲波( Curvelet)变换与高斯混合模型(Gaussian Mixture Model,GMM)相结合的方法提取图像的纹理特征.该方法通过曲波对图像进行多尺度分析并结合K-means和期望最大化(Expectation Maximization,EM)算法来估计高斯混合模型的参数,以此构建图像的纹理特征空间.仿真结果表明,所提出的方法比传统的图像纹理特征提取方法精度更高,并且提高了图像检索系统中的检索精度.     

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.     

基于背景和前景交互传播的图像显著性检测

为了更精确地提取图像中的显著性区域,提出一种新的基于背景和前景交互传播的图像显著性检测计算模型。通过建立一个新的模型来寻找图像中的显著性元素,用一种交互式特征传播方法来扩散显著性特征。采用不同参数对图像进行分割,得到多个尺度下的超像素;在单一尺度下通过背景和前景交互传播获得超像素的显著值;对多个显著值进行加权平均融合,并采用平滑机制进行优化得到最终显著图。在公开图像数据库进行的试验结果表明,该模型提高了对图像显著目标大小的适应性,不仅较好地抑制了噪声,还使得显著目标更均匀地凸显出来,结果优于同类的算法。     

基于NSCT和矩阵F-范数的图像检索方法

介绍一种基于非下采样轮廓波Nonsubsampled Contourlet（NSCT）和矩阵F-范数的图像检索（CBIR）技术。首先对图像进行NSCT变换,然后将变换结果用矩阵F-范数构建特征向量,设计了两个特征向量相似度度量,最后给出加权相似度实现了图像检索。实验结果表明,该技术具有很好的检索率。     

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%.     

微粒群算法在图像检索中的应用

基于内容的图像检索技术已成为信息检索中的瓶颈.针对此问题提出了基于微粒群算法的图像检索技术.首先提取图像的颜色特征向量,用特征向量对粒子进行编码,检索图像的过程可以看成是利用微粒群算法在特征空间搜寻最优解的过程.该方法能够有效全面地搜索图片库,改进和提高了传统的基于内容的图像检索算法的性能.     

综合颜色和形状特征的交通标志图像检索算法

为了实现对交通标识的快速准确识别,将颜色特征和形状特征相结合,利用特征融合提出图像快速检索算法。在颜色特征方面,改进了传统的颜色直方图方法,引入基于主色调的颜色直方图算法;针对道路交通标志特殊的语义特征,经过特征过滤筛选缩小搜索的范围。在形状特征方面,采用傅里叶形状描述,突出了轮廓线的切向角度(曲率),忽略了中心距及复坐标等因素,提高了识别速度。将颜色空间HSV特征和形状描述ART特征融合,提高识别率,同时适应复杂背景下交通标志识别。通过对颜色和形状特征间的权重λ进行调,通过VC6.0实现自主移动机器人平台测试。其准确率和实效性都达到实际应用效果。