综合MPEG-7全局及局部主颜色的图像检索方法*

为改进全局主颜色特征在反映空间分布信息方面的不足,提出一种基于局部主颜色特征的图像检索方法,并综合两者的特点提出一种基于MPEG-7全局及局部主颜色描述符的图像检索方法。给出了全局主颜色和局部主颜色的提取方法,详细介绍了MPEG-7标准的颜色评价准则,并以此作为评判检索结果优劣的依据。实验结果表明,综合利用两种特征对图像进行描述及检索,获得了比使用单一特征更好的检索效果。     

一种全局主色和局部主色相结合的图像检索方法

提出一种基于全局主色和局部主色相结合的图像检索方法。对图像进行扇形分割。提取各扇区的主色,对全局主色和局部主色同时进行相似度匹配。不仅利用图像的颜色特征,也考虑颜色特征的空间分布。对该方法的检索效果和性能进行详细分析。实验结果表明该方法反映图像颜色的空间分布及局部细节,具有更好的检索效果。     

基于全局颜色的图像检索算法与实现

本文描述了基于全局颜色的图像检索算法及其实现算法。也讨论了颜色空间划分方法、全局颜色直方图特征提取方法和基于全局颜色直方图特征的检索算法。这种算法检索速度快、准确率高。并给了一个具体检索实例。     

基于分块技术的图像检索方法的改进与实现

在基于内容的图像检索中,颜色是非常重要的一种检索特征。但是全局颜色直方图不能体现颜色的空间特征,检索效果并不理想,因此,本文尝试一种用全局颜色直方图法过滤后再利用分块检索的方法,在兼顾检索效率的同时,提高检索结果的查全率和查准率,这对大型图像数据库的检索有着积极意义。     

基于局部颜色间特征的图像语义概念检测

针对基于语义的图像检索系统,提出了一种基于局部颜色空间特征的图像语义概念检测方法。各种基于颜色、纹理和形状的全局特征都存在着众多信息冗余项和干扰项,而该文提出的局部颜色空间特征则是利用语义概念层的先验知识进行特征降维后提取出的特征,它能更好地描述图像的语义内容,且具有容易提取、计算复杂度低的优点。实验结果表明,基于局部颜色空间特征的概念检测方法优于基于全局特征的概念检测方法,将其用于图像检索后的检索精度比采用基于全局颜色特征的方法提高了364%。     

基于局部颜色-空间特征的图像语义概念检测

针对基于语义的图像检索系统,提出了一种基于局部颜色-空间特征的图像语义概念检测方法。各种基于颜色、纹理和形状的全局特征都存在着众多信息冗余项和干扰项,而该文提出的局部颜色-空间特征则是利用语义概念层的先验知识进行特征降维后提取出的特征,它能更好地描述图像的语义内容,且具有容易提取、计算复杂度低的优点。实验结果表明,基于局部颜色-空间特征的概念检测方法优于基于全局特征的概念检测方法,将其用于图像检索后的检索精度比采用基于全局颜色特征的方法提高了36.4%。     

一种基于颜色统计聚类的医学图像检索技术

基于颜色检索的基本思想是将图像间的距离归结为其颜色直方图间的相似性度量,从而图像检索也就转化为颜色直方图的匹配。目前基于颜色检索的算法主要集中在不同颜色空间进行全局颜色聚类或融合其他可视特征(纹理,颜色空间信息等)联合检索两个方向上。该文在具体的结肠镜图像检索系统研究中,根据医学图像的特点,提出一种在HSV空间的颜色统计聚类的检索方法,取得了良好的检索效果。     

综合颜色特征的彩色图像检索方法

基于内容的图像检索技术已成为当前的研究热点,文章提出了一种综合利用两种颜色特征进行图像检索的新方法。首先,在变换空间建立色度直方图表示图像的颜色分布特征。为进行图像间的相似性度量,对Swain定义的直方图相似性度量作了改进,为弥补全局直方图不包含颜色空间分布关系的缺点,文章提取了另一种颜色特征,即分块的颜色矩,其距离度量为特征矢量的比值相似度。最后,综合利用上述两个特征对图像进行共同检索。通过对真实图像数据的检索实验表明:综合两种特征检索图像比单一特征检索效果更好。     

利用图像颜色特征与纹理特征进行图像检索

基于内容的图像检索主要是利用图像的特征,如:颜色直方图、纹理、形状等来进行检索,这种方式能够提高检索的效率与准确率.利用图像的颜色信息与利用快速傅立叶变换来提取纹理特征相结合的方法来进行图像检索,该方法一方面可以反映图像的全局特征,另一方面又反映了图像的局部特征,且具有对图像检索的旋转不变性.     

融合全局和局部描述的图像检索方法

针对基于内容的图像检索中全局描述缺乏空间位置信息及局部描述面临图像分割的问题,提出了一种基于全局颜色特征和局部Gabor小波纹理特征的图像检索方法.在整幅图上提取MPEG-7主颜色描述算子作为全局描述.将图像划分为5个有重叠的子区域,提取Gabor纹理特征与颜色矩构成局部描述,提出了改进的豪斯多夫距离并将其应用在局部描述的整体匹配中,克服了因图像的平移、旋转而造成检索率低的问题.融合全局相似度和局部相似度获得最终相似度.基于Corel数据库的实验结果表明了该方法的有效性.     

基于支持向量的图像相关反馈检索

对图像相关反馈检索过程建立二分类的支持向量机问题模型,进而提出基于支持向量的图像相关反馈检索方法.比较了基于支持向量的反馈检索方法和传统的反馈检索方法的检索性能,研究了特征提取对支持向量机性能的影响.实验结果表明,基于支持向量的图像相关反馈检索方法具有较好的图像检索效果.     

An implicit relevance feedback method for CBIR with real-time eye tracking

Relevance feedback is an efficient approach to improve the performance of content-based image retrieval systems, and implicit relevance feedback approaches, which gather users’ feedback by biometric devices (e.g. eye tracker), have extensively investigated in recent years. This paper proposes a novel image retrieval system with implicit relevance feedback, named eye tracking based relevance feedback system (ETRFs). ETRFs is composed of three main modules: image retrieval subsystem based on bag-of-word architecture; user relevance assessment that implicitly acquires relevant images with the help of a modern eye tracker; and relevance feedback module that applies a weighted query expansion method to fuse users’ relevance feedback. ETRFs is implemented online and real-time, which makes it remarkably distinguish from other offline systems. Ten subjects participate our experiments on the dataset of Oxford buildings and UKBench. The experimental results demonstrate that ETRFs achieves notable improvement for image retrieval performance.     

基于模糊区域的CT脑图像检索及关联反馈

基于模糊区域特征的图像检索算法和关联反馈算法是当前图像检索领域的研究热点,由于区域模糊相似度的复杂性,绝大多数关联反馈算法不能应用到基于模糊区域特征的图像检索方法中。为解决这个问题,论文修改了模糊相似度计算方法,并结合经典的基于权重调整的关联反馈算法,提出一种基于模糊区域特征的关联反馈算法。对脑出血CT图像的检索实验结果表明该算法效果较好。     

基于灰色系统理论的多特征相关反馈图像检索

探讨了灰色系统理论在相关反馈图像检索中的应用,提出了一种基于灰色系统理论的相关反馈图像检索算法,动态地更新查询向量,从而使图像检索结果与人的主观感知更加接近,具有自适应性。实验结果表明,文中的方法是很有效的。     

基于LMISVM的相关反馈图像检索

相关反馈技术是基于内容图像检索研究的热点。本文针对现有SVM相关反馈中假定相关图像的所有特征为相关这一不完全准确假设,提出了MISVM短期机器学习相关反馈方法。该方法采用多示例学习方法确定图像中每个特征的相关程度来提高SVM的分类准确性;在此基础上,为进一步提高系统反馈速度与准确率,通过保存以前训练好的分类器和反馈样本,提出了基于LMISVM长期机器学习的相关反馈方法。文中提出的两种方法与其它方法进行了比较实验,结果表明该方法优于其它方法。     

Kernel Vector Approximation Files for Relevance Feedback Retrieval in Large Image Databases

Many data partitioning index methods perform poorly in high dimensional space and do not support relevance feedback retrieval. The vector approximation file (VA-File) approach overcomes some of the difficulties of high dimensional vector spaces, but cannot be applied to relevance feedback retrieval using kernel distances in the data measurement space. This paper introduces a novel KVA-File (kernel VA-File) that extends VA-File to kernel-based retrieval methods. An efficient approach to approximating vectors in an induced feature space is presented with the corresponding upper and lower distance bounds. Thus an effective indexing method is provided for kernel-based relevance feedback image retrieval methods. Experimental results using large image data sets (approximately 100,000 images with 463 dimensions of measurement) validate the efficacy of our method.     

A new relevance feedback technique for iconic image retrieval based on spatial relationships

Due to the popularity of Internet and the growing demand of image access, the volume of image databases is exploding. Hence, we need a more efficient and effective image searching technology. Relevance feedback technique has been popularly used with content-based image retrieval (CBIR) to improve the precision performance, however, it has never been used with the retrieval systems based on spatial relationships. Hence, we propose a new relevance feedback framework to deal with spatial relationships represented by a specific data structure, called the 2D B_e-string. The notions of relevance estimation and query reformulation are embodied in our method to exploit the relevance knowledge. The irrelevance information is collected in an irrelevant set to rule out undesired pictures and to expedite the convergence speed of relevance feedback. Our system not only handles picture-based relevance feedback, but also deals with region-based feedback mechanism, such that the efficacy and effectiveness of our retrieval system are both satisfactory.     

基于LBSVM机器学习的相关反馈图像检索

基于机器学习的相关反馈技术是基于内容的图像检索研究的热点。由于基于SVM的相关反馈技术存在样本数量少,样本正负比例不平衡,反馈准确率低等问题,文中先对Boosting方法进行改进,提出了用先验知识的Boosting方法与SVM结合的短期机器学习相关反馈方法（BSVM）;在此基础上为进一步提高系统反馈速度与准确率,通过保存训练好的分类器和它对应的样本,提出了基于长期机器学习的相关反馈方法（LBSVM）。文中提出的两种方法与其它方法进行了比较实验,结果表明,该方法优于其它方法。     

历史信息学习的相关反馈图像检索

相关反馈技术被有效的应用于基于内容的图像检索.传统的相关反馈未能充分利用检索的历史信息.为了进一步提高检索的效率与准确性,提出一种基于历史检索信息学习的相关反馈检索方法.该方法将每次检索的结果作为历史检索信息保存.进行新的检索时,判断当前查询图像与历史检索信息的语义相关性,预测检索结果,以期减少相关反馈次数.对包含80 00幅图像的图像库实验表明,与传统相关反馈技术相比,该方法明显的改善了检索性能.     

基于遗传FCM算法和SVM的图像检索

提出基于遗传FCM聚类算法和SVM相关反馈的图像检索方法。首先对图像库提取颜色和纹理特征,采用遗传FCM聚类算法对图像进行聚类,得到每个图像类的聚类中心;最后计算查询示例图像和对应图像类的图像之间的相似度,按照相似度的大小返回检索结果。为了进一步提高检索精度,提出基于SVM的相关反馈算法。实验结果表明,提出的方法具有优良的检索性能。