形状的全尺度可视化表示与识别

目的视觉目标的形状特征表示和识别是图像领域中的重要问题。在实际应用中,视角、形变、遮挡和噪声等干扰因素造成识别精度较低,且大数据场景需要算法具有较高的学习效率。针对这些问题,本文提出一种全尺度可视化形状表示方法。方法在尺度空间的所有尺度上对形状轮廓提取形状的不变量特征,获得形状的全尺度特征。将获得的全部特征紧凑地表示为单幅彩色图像,得到形状特征的可视化表示。将表示形状特征的彩色图像输入双路卷积网络模型,完成形状分类和检索任务。结果通过对原始形状加入旋转、遮挡和噪声等不同干扰的定性实验,验证了本文方法具有旋转和缩放不变性,以及对铰接变换、遮挡和噪声等干扰的鲁棒性。在通用数据集上进行形状分类和形状检索的定量实验,所得准确率在不同数据集上均超过对比算法。在MPEG-7数据集上精度达到99.57%,对比算法的最好结果为98.84%。在铰接和射影变换数据集上皆达到100%的识别精度,而对比算法的最好结果分别为89.75%和95%。结论本文提出的全尺度可视化形状表示方法,通过一幅彩色图像紧凑地表达了全部形状信息。通过卷积模型既学习了轮廓点间的形状特征关系,又学习了不同尺度间的形状特征关系。本文方法...     

基于纹理-形状特征的图像检索技术

图像数据库应用日益广泛,如何高效、准确地进行图像的检索成为一项重要的研究领域。传统的图像检索主要依赖颜色、纹理、形状、空间关系等单一视觉特征,检索效果往往不够理想。针对这一实际问题,提出一种新的图像检索方法,通过对图像进行小波变换,获得纹理和形状的综合特征,对综合特征进行归一化处理,并将其作为图像相似性的衡量依据。实验证明基于纹理和形状特征的图像检索具有很好的效果。     

Content-based image retrieval approach for biometric security using colour,texture and shape features controlled by fuzzy heuristics

In this paper, we discuss a new content-based image retrieval approach for biometric security, which is based on colour, texture and shape features and controlled by fuzzy heuristics. The proposed approach is based on the three well-known algorithms: colour histogram, texture and moment invariants. The use of these three algorithms ensures that the proposed image retrieval approach produces results which are highly relevant to the content of an image query, by taking into account the three distinct features of the image and similarity metrics based on Euclidean measure. Colour histogram is used to extract the colour features of an image. Gabor filter is used to extract the texture features and the moment invariant is used to extract the shape features of an image. The evaluation of the proposed approach is carried out using the standard precision and recall measures, and the results are compared with the well-known existing approaches. We present results which show that our proposed approach performs better than these approaches.     

基于纹理-空间关系的图像检索技术

图像数据库应用日益广泛,如何高效、准确地进行图像的检索成为一项重要的研究领域。传统的图像检索主要依赖颜色、纹理、形状、空间关系等单一视觉特征,检索效果往往不够理想。针对这一实际问题,提出一种新的图像检索方法,通过对图像进行小波变换,获得纹理和空间关系的综合特征,对综合特征进行归一化处理,并将其作为图像相似性的衡量依据。实验证明基于纹理和空间关系综合特征的图像检索具有很好的效果。     

Visual information retrieval system via content-based approach

In this paper a content-based image retrieval method that can search large image databases efficiently by color, texture, and shape content is proposed. Quantized RGB histograms and the dominant triple (hue, saturation, and value), which are extracted from quantized HSV joint histogram in the local image region, are used for representing global/local color information in the image. Entropy and maximum entry from co-occurrence matrices are used for texture information and edge angle histogram is used for representing shape information. Relevance feedback approach, which has coupled proposed features, is used for obtaining better retrieval accuracy. A new indexing method that supports fast retrieval in large image databases is also presented. Tree structures constructed by k-means algorithm, along with the idea of triangle inequality, eliminate candidate images for similarity calculation between query image and each database image. We find that the proposed method reduces calculation up to average 92.2 percent of the images from direct comparison.     

颜色、纹理、形状及相关反馈在图像检索中的应用

图像数据库的不断庞大使基于内容的图像检索成为研究热点,目前主要集中于底层特征的相似度匹配。文章重点介绍了颜色特征中的分块主色法,纹理特征中的灰度共生矩阵法和形状特征中的小波变换及不变矩法。在利用单一特征检索的基础上,该文提出了一种综合利用上述三种特征共同进行检索的方法。同时,还将相关反馈技术融合到算法中,通过权值矩阵的正负调整及三种特征系数的调整来提高检索准确率。由实验数据表明,文中的方法是很有效的。     

基于SVM的图像低层特征与高层语义的关联

在基于内容的图像检索中，针对图像的低层可视特征与高层语义特征之间的鸿沟，提出了一种基于支持向量机（SVM）的语义关联方法。通过对图像低层特征的分析，提取了颜色和形状特征向量（221维），将它们作为支持向量机的输入向量，对图像类进行学习，建立图像低层特征与高层语义的关联，并应用于鸟类、花卉、海洋以及建筑物等几个典型的语义类别检索。实验结果表明，该方法可适应于不同用户的图像检索，并提高了检索性能。     

基于BP神经网络的图像形状识别

图像形状特征的提取和描述方法是基于形状的图像检索的重要研究内容，本文根据形状特征的描述方法，对提取的形状特征参数抽取一组特征值，形成特征向量，并进行归一化，然后利用BP神经网络进行形状识别，取得了较好的实验效果，对基于形状的图像检索具有一定的指导意义。     

一个相关反馈三维模型深度图像检索算法

基于图像的三维模型检索比形状特征和拓扑结构特征具有更易于实现且检索效果好等优点,但现有基于图像的三维模型检索方法存在一些问题,如没有考虑三维深度信息、所提特征不能全部表达三维模型信息且不能实现用户交互操作等。对此提出一种基于深度图像的三维模型相关反馈检索算法:首先提取三维模型深度图像边界方向直方图和Zernike矩特征;然后利用特征距离度量进行三维模型检索,并采用相关反馈技术实现分类器的构造和模型的标注;最后利用调整好的权值分类器进行检索和标注。实验表明,该算法实现了三维模型的相关反馈检索和标注,提高了检索的精确性,并增强了系统的实用性,为进一步进行语义检索打下基础。     

基于颜色和形状特征的图像检索方法

提出了一种基于颜色和形状特征的图像检索方法。在对HSV颜色模型量化的基础上,提取颜色直方图作为图像的颜色特征。在提取形状特征时,结合颜色量化结果,利用图像分割提取图像的形状特征,利用两特征的加权距离计算图像之间的相似度,而后进行图像检索。实验结果表明,该方法取得了较好的检索效果。     

基于角点及空间分布的图像检索方法

本文提出了一种利用角点特征进行图像检索的新方法,该方法利用改进后的Harris算法检测角点,在此基础上结合角点信息、质心距与非角点信息进行检索。该描述方法对形状的平移、旋转、尺度具有鲁棒性。实验结果表明,该方法能够充分利用轮廓信息正确描述形状特征,且实现简单,有效提高了检索的效率。     

反映人的认知习惯的商品检索方法

目的 便捷的商品检索是用户网络购物体验良好的关键环节。由于电商对商品描述方式的规范性要求以及用户对商品属性理解差异等问题，基于关键词的检索方法在商品检索的应用并不理想。近年来，以图搜图的检索方式在各大电商平台上得到越来越多的应用，但检索结果往往不尽如人意。为此，提出了一种新的检索思路，从商品外观设计特征出发，将人们对商品的认知模式引入到商品图片的检索过程，从而获得更符合人们预期的检索结果。方法 以时尚女包商品为例，在分析设计师的设计规范的基础上，将外观设计特征分解为形状特征、颜色特征和设计元素特征。利用深度卷积神经网络建模、提取特征，并使用哈希方法和Top3类内检索算法加快检索速度。结果 利用建立的商品数据集构建3个对应的特征模型，并进行分类识别和图像检索实验。结果表明，各个模型Top1的识别准确率均小于95%，而Top3的识别准确率均在98.5%以上；商品检索速度加快了将近3.5倍。实验及用户调查结果表明，本文提出的检索方法与淘宝、百度图片等基于图像的检索工具相比，检索结果更为多样，与原图像相似度更高。结论 本文提出的从商品外观设计规范出发、与人的认知模式相结合的商品检索方法，更能满足用户的检索意图，可用于时尚女包商品检索，对基于图像的其他商品的检索方法的研究具有借鉴意义。     

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.     

部件检测和语义网络的细粒度鞋类图像检索

目的 细粒度图像检索是当前细粒度图像分析和视觉领域的热点问题。以鞋类图像为例,传统方法仅提取其粗粒度特征且缺少关键的语义属性,难以区分部件间的细微差异,不能有效用于细粒度检索。针对鞋类图像检索大多基于简单款式导致检索效率不高的问题,提出一种结合部件检测和语义网络的细粒度鞋类图像检索方法。方法 结合标注后的鞋类图像训练集对输入的待检鞋类图像进行部件检测;基于部件检测后的鞋类图像和定义的语义属性训练语义网络,以提取待检图像和训练图像的特征向量,并采用主成分分析进行降维;通过对鞋类图像训练集中每个候选图像与待检图像间的特征向量进行度量学习,按其匹配度高低顺序输出检索结果。结果 实验在UT-Zap50K数据集上与目前检索效果较好的4种方法进行比较,检索精度提高近6%。同时,与同任务的SHOE-CNN（semantic hierarchy of attribute convolutional neural network）检索方法比较,本文具有更高的检索准确率。结论 针对传统图像特征缺少细微的视觉描述导致鞋类图像检索准确率低的问题,提出一种细粒度鞋类图像检索方法,既提高了鞋类图像检索的精度和准确率,又能较好地满足实际应用需求。     

K均值聚类分割的多特征图像检索方法

从图像数据库中快速、准确地检索出所需要的图像,具有广泛的应用前景。针对使用单一图像特征难以准确表达图像之间的差异问题,提出了一种利用颜色聚类分割和形状特征提取的图像检索算法。选择符合人眼视觉特征的HSV空间,分别重组最能描述图像颜色特征的H分量和形状特征的V分量;用K均值聚类算法对两个分量进行聚类分割,得到目标物体;提取目标物体的Hu不变矩和傅里叶描述子来描述形状特征;用欧式距离进行相似度测量并用于图像检索中。采用不同类型图像进行实验,结果表明该算法优于使用单一特征和一般分割方法的图像检索技术。     

一种改进的综合纹理和形状特征的图像检索方法

提出一种利用小波进行综合纹理和形状特征的具有旋转、平移和尺度不变性的图像检索算法.使用角向矩加权方向定义图像的主方向来进行坐标轴的旋转矫正,得到图像的旋转不变性表示;采用具有平移和尺度不变性的小波变换对图像进行小波分解,利用各子带的能量作为纹理特征;利用小波分解的逼近子图重构图像并进一步利用Hu不变矩提取其形状特征.最后对纹理和形状特征进行高斯归一化,综合其特征进行检索.实验中对算法的尺度不变性、旋转不变性、平移不变性及对噪声的不敏感性进行了验证,实验结果证明了该算法具有更高的鲁棒性和查准率.