使用加权图像标注改进Web图像检索

为了提高Web图像的检索质量,提出了一种融合文本关键字和图像视觉内容的Web图像检索方法.通过改进的图像自动标注模型,将Web图像本身所蕴含的低层视觉特征映射到图像高层语义特征,即图像文本标注;再将词汇相似性计算技术作为语义信息的度量手段,将图像文本标注转换成带有权重的文本标注;利用贝叶斯推理网检索模型内在的多信息融合能力,将带权重的Web图像文本标注特征和Web文档中的文本信息无缝地融合在一起实现Web图像检索.实验结果表明,将Web中的文本关键字和Web图像视觉内容融合起来可在一定程度上提高Web图像检索质量.     

Web内容挖掘算法的比较研究

Web内容挖掘是对来自互联网上的资源进行信息挖掘的一种过程,是普通文本挖掘结合Web信息特征的一种特殊应用,目的在于将Web页面上的文本内容按照一定的规则分成不同的类别.简要地介绍了三种用来分类的算法,并根据结论来对这三种算法进行对比和分析,最终得出了熵算法是能分类图片最好算法的结论.     

一种基于视觉特征语义描述的图像分类检索方法

基于内容的图像检索技术克服了文本检索方式主观片面的缺陷,客观地描述了图像的本质特征,然而却丢掉了文本方式下对图像的语义描述,导致检索准确率降低.借鉴数据挖掘技术中的图像分类方法,提出了结合视觉特征与图像语义描述以提高检索系统性能的思想,主要进行了图像显著特征选择、图像分类算法特征约简以及检索系统优化设计3方面工作,以提高检索系统的人机界面和交互性能.     

基于局部特征的图像分类方法

为了有效地组织、管理和浏览大规模的图像资源,提出了一种利用局部特征进行图像分类的方法。通过深入分析和比较常见的局部特征,选用合适的局部特征构建视觉单词库。这些视觉单词具有很好的平移、旋转、尺度不变性,并对噪声有一定的抵抗能力。借鉴文本分类领域的向量空间模型进行图像的表示,并设计出了相应的分类算法。标准图像库上的实验结果表明,该方法在图像分类中有效,有较高的实用价值。     

一个语义制导的图像检索框架

基于语义分类的图像检索是根据图像的逻辑特征和抽象属性进行检索的技术,给出了一个语义制导的图像检索框架,它在图像、图像语义和视觉特征之间建立了联系,兼顾了基于文本和基于内容的两种图像检索方式.     

基于空间金字塔的BoW模型图像分类方法

针对不同场景图像下词袋(bag of words,BoW)模型的图像分类准确率较低的问题,提出了一种基于空间金字塔BoW模型的图像分类方法。该方法通过尺度不变特征变换(scale-invariant feature transform,SIFT)算法提取原始图像像素特征点作为视觉特征,对相似视觉特征进行聚类形成视觉词袋,并采用空间金字塔方法对视觉词袋进行划分,构建空间金字塔的BoW模型,通过支持向量机分类器对分层后的视觉词袋进行图像分类。分别使用BoW模型和空间金字塔的BoW模型分类方法对网络图像数据库进行分类实验对比,结果表明,空间金字塔BoW模型能有效提高BoW模型的图像分类准确率。     

基于贝叶斯分类器的图像分类技术

分类的目的就是根据现有的图像特征建立一个分类器,能够对未知的图像类型进行预测.在现有众多分类算法中,贝叶斯分类器由于其坚实的数学理论基础并能综合先验信息和数据样本信息,成为当前机器学习和数据挖掘的研究热点之一.本文论述了内容图像检索中基于贝叶斯分类器的图像分类技术.介绍了贝叶斯分类器.叙述了利用贝叶斯分类器进行图像分类的方法,以及图像特征的分布假定.最后通过时分类器的探讨,总结了贝叶斯估计分类的不足.     

一种语义级文本协同图像识别方法

为解决单纯依赖图像低级视觉模态信息进行图像识别准率低的问题. 考虑到许多图像中存在文本信息,提出了利用图像中的文本信息辅助图像识别的语义级文本协同图像识别方法. 该方法通过文本定位方法定位到图像中的文本块,对其进行分割、二值化、提取特征等处理;然后获取语义,提取图像底层视觉信息,计算两模态的相关性,从而得到协同后验概率; 最后,得到联合后验概率,并取其中最大联合后验概率对图像进行识别. 在自建体育视频帧数据库中,通过与以朴素贝叶斯为代表的单模态方法进行比较,方法在3种不同视觉特征下均具有更高的准确率. 实验结果表明,文本协同方法能够有效辅助图像识别,具有更好的识别性能.     

一种基于迁移学习的文本—图像特征映射算法

提出一种事件约束下基于迁移学习的文本—图像特征映射算法.通过潜在狄利克莱分配方法对事件文本数据进行主题建模,并通过计算主题特征的信息增益选出最显著的文本特征;用视觉词袋模型和朴素贝叶斯方法对事件图片进行主题建模;通过同事件下的文本数据特征分布和文本—图像共现数据特征分布,实现了对图像特征分布的近似.在包含15个主题事件的数据集上进行实验的结果证明了所提特征映射算法的有效性.     

基于多描述子分层特征学习的图像分类

为解决图像分类任务中词袋(Bag-of-Words)模型分类算法单一局部描述子信息缺失、特征量化误差较大、图像特征表现力不足等问题,提出一种基于多描述子分层特征学习的图像分类方法.结合尺度不变特征变换(SIFT)与形状核描述子(KDES-S)进行局部特征提取,并构建分层特征学习结构来减少编码过程中的量化误差,最后将图像特征分层归一化后进行线性组合并利用线性支持向量机(SVM)进行训练和分类.在Caltech-101、Caltech-256、Scene-15数据库上进行实验,结果表明:相比其他图像分类方法,本文方法在分类准确率上具有显著提升.     

基于内容的遥感影像检索若干问题的研究

为了从海量遥感影像库中提取需要的图象，必须应用影像本身具有的特征实施基于内容的遥感影像检索．在分析基于内容的遥感影像检索系统的框架体系、处理流程的基础上，探讨了遥感影像检索中可使用的影像特征，除与常规图象类似的颜色、形状、纹理等特征外，更应该强调体现遥感影像特点的光谱特征、空间特征、影像元数据和规则与知识等．探讨了光谱特征和光谱相似性度量、空间关系和空间谓词、元数据的应用．最后给出了一个原型系统的实例．     

基于纹理特征的数字图书馆文档图像检索技术

针对数字图书馆中信息资源检索效率低的问题,提出了一种新的文档图像检索算法.首先,根据文档图像自身的特点,结合人眼的视觉特性,提取文档图像中的边缘信息,在此基础上,构造有意义的纹理特征,利用纹理特征来定义文档图像的特征描述符,以描述符为线索,将文档图像的内容特征有机结合,并采用合适的相似性度量准则用于高效的检索.实验结果表明,该算法不仅具有较高的检索效率,而且也降低了传统文档图像检索算法的复杂度.     

Remote Sensing image Deblurring Based on Grid Computation

1 Introduction At present, remote sensing image real-time processing is not only data-intensive but also com- puting-intensive. The emergence of grid computing technology makes real-time remote sensing image data processing more readily available. The method has two outstanding advantages. One is the strong data-processing capability, which can provide a stable high-performance and high-throughput computing environment. The other is the capability to distribute mass quantity space data with a…     

一种改进的(k,n)标记视觉密码方案

现有标记视觉密码方案解密图像的视觉质量较差,且存在像素扩展、设计加密矩阵的问题．为此,利用(2, 2)随机网格视觉密码方案的特性,通过改进标记图像的嵌入方式和位置来降低分享份中标记信息对秘密信息的影响,从而提高了解密图像的视觉质量．该方案使用随机网格实现,避免了像素扩展和设计加密矩阵的问题,而且能够灵活地调节解密图像的视觉质量．与现有的方案相比,在分享份中嵌入相同比例的标记信息,该方案恢复的秘密图像的视觉质量更好．     

基于空间注意力和卷积神经网络的视觉情感分析

为了解决现有基于深度学习方法的视觉情感分析忽略了图像各局部区域情感呈现的强度差异问题,提出一种结合空间注意力的卷积神经网络spatial attention with CNN, SA-CNN用于提升视觉情感分析效果。设计一个情感区域探测神经网络用于发现图像中诱发情感的局部区域;通过空间注意力机制对情感映射中各个位置赋予注意力权重,恰当抽取各区域的情感特征表示,从而有助于利用局部区域情感信息进行分类;整合局部区域特征和整体图像特征形成情感判别性视觉特征,并用于训练视觉情感的神经网络分类器。该方法在3个真实数据集TwitterⅠ、TwitterⅡ和Flickr上的情感分类准确率分别达到82.56%、80.23%、79.17%,证明利用好图像局部区域情感表达的差异性,能提升视觉情感分类效果。     

基于内容的图像检索技术综述

基于内容的图像检索技术(CBIR)是近些年来图像检索领域的研究热点,其发展经历了最初的以图像数字特征为索引,到引入图像语义学习技术使得CBIR更贴近人类语义以方便用户查询,再到如今融合多种图像信息以进一步提高检索效率。本文在对已有文献进行综述的基础上,结合近几年的研究成果,讨论CBIR的最新技术动态,分析CBIR的发展趋势并指出几个未来的研究方向。     

基于方差的图像融合

图像融合是一种信息综合处理技术,其目的是通过对多幅图像间冗余数据和互补信息的处理提高图像的可靠性和清晰度.作者提出了一种基于方差的图像融合方法,将源图像分割成若干块,选用块方差作为特征量,通过比较,选取效果好的分割块进行融合,并通过仿真实验证明了该方法具有可行性及较好的性能.此外,通过在医学领域的应用,说明了对图像融合技术研究的必要性.     

基于方差的图像融合

图像融合是一种信息综合处理技术,其目的是通过对多幅图像间冗余数据和互补信息的处理提高图像的可靠性和清晰度.作者提出了一种基于方差的图像融合方法,将源图像分割成若干块,选用块方差作为特征量,通过比较,选取效果好的分割块进行融合,并通过仿真实验证明了该方法具有可行性及较好的性能.此外,通过在医学领域的应用,说明了对图像融合技术研究的必要性.     

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.     

基于视觉阈值的结构相似度图像质量评价算法

针对空间域结构相似度测量(image measure of structural similarity,SSIM)没有考虑人类视觉系统亮度掩蔽和对比度掩蔽对视觉感知的影响,提出基于人类视觉阈值理论的结构相似度图像质量评价算法(visibility threshold SSIM,VTSSIM).通过计算局部标准方差,将图像分为平坦区域、细节区域和一般区域;基于图像视觉阈值的临界可视误差分布,确定平坦区域中的亮度掩蔽极端区域和细节区域中的对比度掩蔽极端区域;分别对这两个极端区域及其他区域进行视觉阈值加权处理,得到整幅图像的质量评价.结果表明,VTSSIM比SSIM更符合人眼视觉特性,尤其适合评价失真较小的图像.