一种改进的颜色匹配对图像检索算法

以子块直方图彩色图像检索算法为基础， 分析了进一步利用图像空间相似信息的颜色匹配对检索算法的性能。在子块直方图的构成、直方图距离值的归类等方面提出了行之有效的改进方法；给出了子块大小、相似度阈值等参数选择的优化原则，使查准率、查全率等检索性能指标得到了较大的提高，得出了几个有用的结论并形成了实验系统。     

综合BTC颜色矩和灰度共生矩阵的图像检索算法

针对图像检索的多特征融合问题,提出了一种综合BTC颜色矩和灰度共生矩阵的图像检索算法。该算法借鉴BTC的思想,对传统的颜色矩进行改进,将图像分为若干子块,每个子块按照阈值分割为两类像素,计算颜色矩,提取图像的颜色特征;利用灰度共生矩阵提取图像的纹理特征;通过颜色、纹理单特征相似度加权求和来表示图像的综合特征相似度,进行图像检索。实验结果表明,该算法能够综合颜色特征和纹理特征,有效地提高图像检索的查准率。     

综合颜色和形状特征的图像检索

提出了一种组合颜色和形状特征的图像检索方法，将彩色图像转变成灰度图象，计算查询图像和数据库图像的直方图距离，通过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。通过实验表明该组合方法优于单纯特征的图像检索。     

基于HSI色彩坐标相似度的彩色图像分割方法

该文提出一种基于HSI彩色空间的图像分割方法。欧氏距离作为图像分割中常用的衡量像素点之间彩色关系的依据,在HSI坐标系下却不能很好地反应两个像素点之间的关系。因此,提出相似度代替欧氏距离作为一种新的衡量两个像素点之间彩色关系的依据。算法通过确定HSI分量中占主导地位的分量,建立彩色图像分割模型,创建一个和原图尺寸一样的颜色相似度等级图,并利用相应的颜色相似度等级图的颜色信息对像素点进行聚类。实验结果表明,所提出的分割算法具有很强的鲁棒性和准确性,在其他条件相同的情况下,基于相似度的分割方法优于基于欧氏距离为基准的彩色图像分割。     

基于颜色特征图像检索方法的研究

对颜色特征进行了分析,对颜色空间的选取,颜色的量化,颜色相似度进行了描述,论述了基于颜色特征图像检索的主要方法直方图相交法,主要颜色表示法,基于参考颜色表方法,基于区域的颜色法及其它们的改进方法,并作出了相应的比较.     

基于小波模糊聚类区域分割的图像检索

基于内容的图像检索是近年来的研究热点,本文给出一种基于区域分割的图像检索算法。算法首先对图像按JPEG2000标准进行小波变换,对变换得到的低频子带提取一定的颜色和纹理特征用于模糊聚类,从而将图像的低频子带分割为一定的区域,将分割结果映射回整幅图像,提取整幅图像各个区域的特征矢量,用于区域相似度比较,最后按照一定的区域匹配准则得到整幅图像之间的相似度。实验结果表明,本文算法具有良好的图像检索性能。     

颜色相似度在藏毯图像检索中的应用研究

针对国内外还没有可供研究人员和公众使用的藏毯类非物质文化遗产数字化资源平台这一状况,分析了在藏毯图像中运用基于内容的图像检索系统技术的可行性。通过对藏毯图像的颜色特征分析,提出并实现了在基于JAVA的框架中计算颜色直方图的方法,采用Correlation相似距离衡量直方图的相似度,根据相似度大小匹配待查询的图像,最终返回与待查询藏毯图像相同或相似的图像结果集,藏毯图像检索的查全率与查准率明显提高。     

一种基于加权颜色聚合向量的图像检索方法

以图像颜色聚合向量为基础,并结合图像显著特征,提出了一种基于加权颜色聚合向量的图像检索方法.首先,提取图像的显著性图,并进行归一化处理,得到加权矩阵;然后,对图像进行颜色聚合向量提取,并根据加权矩阵进行加权处理;最后通过计算两幅图像之间的加权颜色聚合向量相似度,进行图像检索.该方法既系统兼顾了图像的颜色分布特征和高层视觉特征,又具有较高的计算速度;实验结果证明,该算法的检索精度明显高于传统的基于颜色统计特征的检索精度.     

基于分块颜色直方图的快速图像检索

针对传统颜色直方图不能反映图像空间颜色位置信息的问题,提出一种基于分块颜色直方图的检索方法,该方法先对一幅图像进行合理的分块,然后提取包含了图像位置信息的分块颜色特征,对提取的颜色特征采用相似度计算的方法,计算出两幅图像之间的相似度。实验结果表明,该方法不仅提高了图像检索的速度,同时也提高了检索的准确度。     

基于兴趣目标的图像检索

当前图像检索算法通常针对整体图像提取特征以完成检索任务.然而,在很多情况下用户只会关注图像的一部分,即他们的兴趣目标.此时,从整体图像提取的特征一部分是有效的,另一部分则是无效的且会对检索过程带来消极影响.为此,本文提出基于兴趣目标的图像检索方案,并借助于现有的显著性检测、图像分割、特征提取等技术实现一款有效的图像检索算法.首先采用HS （Hierarchical Saliency,分层显著性）检测算法分析用户的兴趣目标并应用SC （Saliency-based Image Cut,基于显著性的图像分割）算法将其分割,然后针对兴趣目标提取HSV （Hue、Saturation、Value,色调、饱和度、明度）颜色特征、SIFT （Scale Invariant Feature Transform,尺度不变特征变换）局部特征和CNN （Convolutional Neural Network,卷积神经网络）语义特征,最后计算其与数据库图像的相似度并根据相似度排序返回检索结果.仿真实验结果表明,本文算法在解决"这是什么东西"这类图像检索任务时明显优于现有的图像检索算法.     

一种基于颜色视觉敏感度的特征提取算法

特征选择技术对于图像检索系统有效实现相关目标的识别具有重要的意义.依据视觉生理学和视觉心理学关于不同颜色间存在敏感度差异的理论,并利用Stevens法则和HSV颜色空间的六棱锥模型,提出了一种构造颜色敏感度函数的算法.新算法以主观信息量多少为评价标准,通过系数补偿,实现了显著程度不同颜色间特征幅值的平衡,从而提高了检索特征与感知特征的一致性.实验结果证明了新算法能够稳定、有效地提升图像检索系统的性能.     

A CBIR system based on saliency driven local image features and multi orientation texture features

In Content-based Image Retrieval (CBIR), the user provides the query image in which only a selective portion of the image carries the foremost vital information known as the object region of the image. However, the human visual system also focuses on a particular salient region of an image to instinctively understand its semantic meaning. Therefore, the human visual attention technique can be well imposed in the CBIR scheme. Inspired by these facts, we initially utilized the signature saliency map-based approach to decompose the image into its respective main object region (ObR) and non-object region (NObR). ObR possesses most of the vital image information, so block-level normalized singular value decomposition (SVD) has been used to extract salient features of the ObR. In most natural images, NObR plays a significant role in understanding the actual semantic meaning of the image. Accordingly, multi-directional texture features have been extracted from NObR using Gabor filter on different wavelengths. Since the importance of ObR and NObR features are not equal, a new homogeneity-based similarity matching approach has been devised to enhance retrieval accuracy. Finally, we have demonstrated retrieval performances using both the combined and distinct ObR and NObR features on seven standard coral, texture, object, and heterogeneous datasets. The experimental outcomes show that the proposed CBIR system has a promising retrieval efficiency and outperforms various existing systems substantially.     

基于彩色空间3D广义共发矩阵的视觉信息检索

本文针对基于内容的图象检索（CBIR）提出一组基于HSV空间的3D广义共发矩阵的新颖的图象纹理特征，通过在CBIR检索系统iPhoto中（25，000张图象）上测试，利用本文特征地传统灰度共发矩阵。     

Semantic content-based image retrieval: A comprehensive study

The complexity of multimedia contents is significantly increasing in the current digital world. This yields an exigent demand for developing highly effective retrieval systems to satisfy human needs. Recently, extensive research efforts have been presented and conducted in the field of content-based image retrieval (CBIR). The majority of these efforts have been concentrated on reducing the semantic gap that exists between low-level image features represented by digital machines and the profusion of high-level human perception used to perceive images. Based on the growing research in the recent years, this paper provides a comprehensive review on the state-of-the-art in the field of CBIR. Additionally, this study presents a detailed overview of the CBIR framework and improvements achieved; including image preprocessing, feature extraction and indexing, system learning, benchmarking datasets, similarity matching, relevance feedback, performance evaluation, and visualization. Finally, promising research trends, challenges, and our insights are provided to inspire further research efforts.     

基于德劳内三角剖分的彩色图像加权直方图表示及检索技术

经典的颜色直方图方法存在诸多缺陷，例如它不能表示图像中颜色的空间分布信息。为了进一步的提高图像检索能力，在分析图像特征的基础上，文章给出了一种基于角度图的直方图加权的图像表示方法。这种方法不仅保持了图像直方图简单方便的特点，同时又有效地将颜色的空间分布信息集成到直方图中。实验结果表明，对比经典直方图表示这种彩色图像的表示方法能获得更好的检索效果。     

基于内容的图像检索

基于内容的图像检索技术在数字图书馆、网络信息安全、预防犯罪、知识产权、医疗诊断、地理信息系统及遥感等领域有着广泛的应用。他是目前图像检索技术中比较前沿的研究热点。对基于内容的检索技术的研究意义和研究现状进行了阐述;着重介绍了基于内容(颜色、纹理、形状)的图像检索技术;最后介绍了基于内容的图像检索的发展方向。     

Content-based image retrieval using local visual attention feature

Content-based image retrieval (CBIR) has been an active research topic in the last decade. As one of the promising approaches, salient point based image retrieval has attracted many researchers. However, the related work is usually very time consuming, and some salient points always may not represent the most interesting subset of points for image indexing. Based on fast and performant salient point detector, and the salient point expansion, a novel content-based image retrieval using local visual attention feature is proposed in this paper. Firstly, the salient image points are extracted by using the fast and performant SURF (Speeded-Up Robust Features) detector. Then, the visually significant image points around salient points can be obtained according to the salient point expansion. Finally, the local visual attention feature of visually significant image points, including the weighted color histogram and spatial distribution entropy, are extracted, and the similarity between color images is computed by using the local visual attention feature. Experimental results, including comparisons with the state-of-the-art retrieval systems, demonstrate the effectiveness of our proposal.     

利用图像纹理特征的图像检索

随着多媒体技术的发展，大容量图像库得到了广泛的应用，基于内容的图像检索（CBIR）技术则是进行管理和检索的有效手段。介绍了利用图像的纹理特征进行图像检索的方法、具体算法和CBIR系统的实现，给出了试验结果。