基于模板的图像内容检索新算法

与传统的基于文本的图像检索方法相比,基于内容的图像检索要求用户在检索图像时提供了一个模板。当用户绘制的模板轮廓有比较大的误差时,检索效率和精度会大大降低。为了解决这个问题,本文提出了一种利用模板库来结合基于文本的图像检索方法和基于内容的检索方法的系统。该系统只要求用户首先输入查询关键词,然后它将自动提取模板库中的模板以及使用提取的模板来检索用户需要的图像。此外,本文提出了一种新的算法DCCLI来进行分割聚类以提取主颜色特征,然后将提取的结果与传统的颜色布局特征提取的结果进行整合。该系统比现有的基于内容的图像检索系统更加人性化。实验结果表明,实现了DCCLI算法的图像检索系统比实现了基于内容的图像检索方法的图像检索系统拥有更高的查全率和查准率。     

基于内容图像检索的关键技术研究

基于文本的图像检索技术 20世纪70年代末期,基于文本的图像检索技术（text-based image retrieval）是将图像作为数据库中存储的一个对象,用关键字或自由文本对其进行描述。查询操作是基于该图像的文本描述进行精确匹配或概率匹配,有些系统的检索模型还有词典支持。另外,图像数据模型、多维索引、查询评价等技术都在这样一个框架下发展起来。然而,完全基于文本的图像检索技术存在着严重的问题。     

基于内容图像检索的关键技术研究

随着多媒体技术和计算机网络的飞速发展,全世界的数字图像正以惊人的速度增长.这些数字图像中包含了大量的有用信息.这就要求有一种能快速而准确地查找访问图像的技术,也就是所谓的图像检索技术.     

基于内容的植物叶片图像检索分析

本文就保护植物的实际意义出发，介绍了以CBIR技术为中心的植物分类与检索方法，它具有长远的应用意义。简要概述了基于内容的图像检索的关键步骤，着重阐述了基于内容的植物叶片检索国内外研究现状，对其发展趋势做出了展望。     

基于卷积神经网络的织物图像特征提取与检索研究进展

为实现织物图像的快速自动识别与检索,从织物图像浅层视觉特征提取、深度语义特征学习以及检索模型构建3个方面综述了该领域的研究进展,分析了现有研究中存在的问题。发现织物图像浅层视觉特征在小样本数据集的检索中具有较好的适用性,且多特征融合应用可有效提升检索精度,但在大样本数据集及高层语义识别检索问题中的应用存在局限性,深度卷积神经网络是克服这一问题的有效途径;织物语义属性的优化设计、卷积神经网络结构优化以及距离尺度学习是目前提升深度检索模型语义识别精度的3个有效途径;认为未来织物图像识别检索精度的提升主要依赖于标准化的语义系统设计、精准的图像分割与识别技术以及多模态的信息融合检索。     

基于图像边缘特征的领带花型检索方法

为了提高领带花型检索的速度和准确度,提出了一种基于图像边缘特征的检索方法。首先,对图案进行边缘检测,提取领带花型的轮廓,量化为边缘特征值;然后,分析边缘特征值分布的数理统计特性,将花型分为条纹、多边形和复杂图案 3 个大类;最后,将待检索花型与数据库内同类花型进行匹配,选取最相似的花型图案。结果表明,基于图像边缘特征的检索方法能够精确地检索相似的领带花型,并且计算量小,检测速度快,可以满足实际应用的需求。     

结合显著区域检测和手绘草图的服装图像检索

针对服装图像检索准确率和效率较低的问题,提出一种服装显著区域检测和手绘草图的服装图像检索方法。首先采用正则化随机漫步算法对输入的服装图像库进行视觉显著区域检测,并结合其边缘轮廓信息,得到服装显著边缘图像;其次,对输入的服装草图和服装边缘图像进行特征提取,得到服装草图和服装边缘图像各自的方向梯度直方图(HOG)特征;然后,通过计算服装草图特征和服装边缘特征的相似度,实现特征匹配;最后,按照特征匹配结果在服装图像库中检索与服装草图相似的服装图像,采用基于距离相关系数的重排序算法对其相似度进行排序并输出检索结果。结果表明,该方法提高了服装检索的准确率,具有较好的鲁棒性,检索准确率可达78.5%。     

蕾丝花边的改进型纹理特征检索方法

针对传统的蕾丝花边检索主要依赖于人的视觉检测及文本检索,存在信息不稳定、效率低、检索效果不可靠的现象,提出了一种基于层次匹配下多特征融合的蕾丝花边检索方法。通过运用图案纹理特征标识图像,首先分别用灰度共生矩阵、灰度梯度共生矩阵、局部二进制算子提取纹理特征进行匹配。然后将3种提取纹理特征方法分别结合几何特征、不变矩特征量进行逐层匹配。最后将层次匹配下各个纹理特征进行融合,弥补了单个匹配方法的不足,同时在蕾丝花边库中验证所用检索方法的正确率。分析结果表明,该方法优于任意单个的蕾丝花边匹配方法,能较好地实现蕾丝花边检索,有效地提高图案检索的可靠度和准确率。     

基于Web的图像检索系统设计

提出了一种基于Web的图像检索模型，该模型采用J2EE设计模式和MVC结构进行设计，整个模型由显示视图、控制视图、查询模型和数据库系统等4部分组成．在检索方面，主要采用颜色、形状、纹理等相对成熟且高效的检索方法．文中还介绍了整个系统的运行机理，并进一步给出了各部分的描述。     

利用相关反馈技术和形状特征的服装图像检索算法

基于内容的图像检索在服装电子商务中是受关注的研究热点。形状特征是服装图像的最重要的视觉特征之一,但基于形状特征的图像检索一直是图像处理领域多年的难题。为了提高准确性,提出一种利用通用Fourier描述子与改进的相关反馈技术来提高服装图像检索精度的算法。通用Fourier描述子在所有形式的Fourier描述子中性能突出,同时根据样本的概率分布改进了查询向量优化算法中的权值计算方式,使相关尺度更加合理。实验结果表明所提出的算法相较于传统算法的优势。     

基于内容的多媒体数据库索引算法研究

分析了多媒体数据库信息检索的索引算法,并且对k-means聚类算法中初始聚类数目和聚类中心的设定进行了改进,设计了一种用于大容量图像数据库的索引方法.在1万多幅风景图像数据库上反复进行实验,结果表明该算法能够有效地支持大容量图像数据库的基于内容的检索.     

融合高级语义特征的色纺织物图像快速检索

为提高色纺织物图像检索系统的有效性与执行效率,建立了融合高级语义特征的色纺织物图像检索系统.该系统利用深度卷积神经网络对色纺织物图像的风格等高级语义特征进行提取,并融合图像的局部二值模式与方向梯度直方图等浅层纹理特征构建层次化检索系统.与此同时,采用二进制哈希编码对提取的高维特征向量进行降维.采用该系统对具有9种不同纹...     

面向织物疵点检测的图像处理技术研究进展

随着对纺织工业产品质量要求的提高以及传统疵点检测方法存在局限性,基于图像处理技术的织物疵点自动检测技术得到了快速的发展。为提高图像处理技术的应用效率,实现纺织行业的数字化与智能制造,介绍了织物图像的预处理技术,对织物疵点检测的主流方法进行了总结,包括基于结构、统计、频谱、模型和学习的方法,并对这些方法的检测原理做了概括,分析了其优缺点与适用范围;介绍了现有成品检测设备,对比分析了仪器和系统处理技术的优缺点;最后,梳理分析了现有的图像处理技术在纺织工业应用中所面临的难题,并提出了对未来发展的构想。     

基于卷积神经网络的食品图像识别

目的 探究一种基于Inception_V3-CNN模型的食品图像识别和分类方法。方法 选取包含20类食品和19609张的食品图像建立数据集Food-101, 通过卷积神经网络(convolutional neural networks, CNN)提取图像候选区域的视觉特征, 并自动进行分类, 使其具有较高的识别率; 此外, 采集来自kaggle库中已标注的食品图像集做预测对比实验, 以保证Inception_V3-CNN模型检测的准确度。结果 该方法能够去除背景噪音, 且仅需部分提取视觉特征, 可以有效解决网络食品图像的分类问题, 与多视图支持向量机(support vector machine, SVM)+方向梯度直方图(histogram of oriented gradients, HOG)和传统CNN方法相比, 在测试时间相近、设备计算能力相同的条件下, 该方法识别率更高, 迭代次数为15000次时, Loss值降至4.92, 准确率可达93.89%。结论 此方法可以快速识别食品图像, 在实际网络图片中能有较好的可移植性。将算法移植到移动设备中实现APP的模块化操作也将成为后续工作探索的重点方向。     

基于网格的织物图像拼接技术

图像拼接技术是计算机视觉和数字图像处理中的重要分支。本文首先研究在图像配准过程中绝对差、差值平方和,以及归一化相关系数对配准时间和精度的影响;其次研究算术平均法、加权平均和多分辨率小波融合方法对消除拼接接缝的效果;最后通过对时间复杂度、匹配度和融合效果的分析,得出适合织物图像的拼接方法。通过研究发现,采用基于灰度空间上的网格特征匹配和应用加权平均方法进行重叠区域的图像融合可以很好地完成织物图像的拼接。