基于综合特征图像检索技术研究

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，该方法以综合特征为检索基础，通过获得图像的归一化综合特征，并将其作为图像相似性的衡量依据。实验证明，利用综合特征进行图像检索具有很好的效果。     

基于图像几何形状特征的CBIR算法

张量尺度是一种基于图像几何形状的特征描述子,由于其特征提取过程计算复杂度较高,不适合于快速的基于内容的图像检索。提出一种基于图像森林变换的张量尺度特征提取快速算法,并采用归一化的张量尺度方向直方图作为图像几何形状的特征描述子,与相似性度量标准结合,实现了一种具有图像平移、旋转、尺度变换不变特性的基于内容的图像检索算法。与现有的张量尺度计算方法相比,该算法具有较低的计算复杂度,仿真实验结果证明算法的有效性。     

一种基于Bayesian的图像分类算法

提出了一种基于Bayesian的图像分类算法,该算法首先从原始数字图像出发,通过分析图像的特征分布特点,对图像的局部区域扫描分析,然后抽取目标图像的特征元素,得到其颜色、纹理、形状等特征,最后利用Bayesian分类器来实现图像的快速自动分类.实验结果表明,该算法能够有效提取图像的局部特征,从而快速、准确地实现图像分类.     

基于SIFT算法的体育类图像分类与应用研究

针对基于内容的图像分类检索方法的数据量巨大、计算复杂度高等的不足,提出一种基于SIFT算法的图像分类方法,并将其应用到体育类图像分类上。该方法从图像中提取出特征点之后,分别使用DBScan算法和K-Mean算法对特征数据进行分析,从而得到最能反映图像特征的数据,再利用这些数据对图像进行分类。实验分析表明:该方法具有速度快、分类精度高的优点。     

Specific object retrieval based on salient regions

In this paper, we present an image retrieval technique for specific objects based on salient regions. The salient regions we select are invariant to geometric and photometric variations. Those salient regions are detected based on low level features, and need to be classified into different types before they can be applied on further vision tasks. We first classify the selected regions into four types including blobs, edges and lines, textures, and texture boundaries, by using the correlations with the neigbouring regions. Then, some specific region types are chosen for further object retrieval applications. We observe that regions selected from images of the same object are more similar to each other than regions selected from images of different objects. Correlation is used as the similarity measure between regions selected from different images. Two images are considered to contain the same object, if some regions selected from the first image are highly correlated to some regions selected from the second image. Two data sets are employed for experiment: the first data set contains human face images of a number of different people and is used for testing the retrieval algorithm on distinguishing specific objects of the same category; and the second data set contains images of different objects and is used for testing the retrieval algorithm on distinguishing objects of different categories. The results show that our method is very effective on specific object retrieval.     

一种基于层次语义图像分类的改进方法

为了解决层次语义图像中分类率低,特别是高层语义图像分类率低的问题,采用两种解决措施。首先引入Fuzzy Support Vector Machine(FSVM)理论,并对FSVM做出改进,消除由Support Vector Machine(SVM)构成的多类分类器中的不可分区域,从而使低层语义图像分类准确率提升,为高层语义分类提供基础。然后再建立底层图像特征与低层语义图像之间的映射关系,对低层语义的图像做高层语义上的关联,最终实现层次化的语义描述结构。实验表明,所提出的方法提高了层次语义图像,特别是高层语义图像分类准确率。     

一种结合颜色和纹理特征的图像检索系统的实现

设计了一个并行提取颜色和纹理特征的图像检索系统,利用异种特征进行优势互补,提高了检索的灵活性和系统性.实验表明所用方法是有效的.     

一种多特征结合的遥感图像分类方法

遥感图像分类是遥感图像分析和理解的基础,是遥感图像研究中的重要内容之一。为提高分类效果,遥感图像分类中通常需要综合运用多种特征。提出一个新的基于特征级融合的遥感图像分类方法。将多种图像空间特征和光谱特征分别作为分类器的输入,将各分类器的概率输出拼接起来作为中间层特征再进行分类。该方法有效避免了多特征直接拼接存在的尺度问题。在Indian93和Flightline C1两个数据集上的实验结果表明该方法具有一定优势。     

一种新的基于目标和特征的图像分类框架

首先提出了一种图像分类的结构。根据子块技术和形状描述技术来获取图像中的目标,如果图像类属于目标图像类,则提取图像中目标图像的特征,否则提取整幅图像的底层特征。然后利用主分量分析方法（PCA）对提取的特征进行降维处理,降维处理后的数据由支持向量机进行分类。该方法在标准的Corel图像库上进行了测试,实验结果表明提出的方法有效地提高了图像分类的性能,图像分类的结果与图像的高层语义概念相一致。     

基于特征融合的核量化图像分类方法

局部特征和全局特征是图像的两种重要的特征描述,在图像分类时起着至关重要的作用。据此提出一种通过融合全局与局部特征核量化图像分类方法。首先,分析全局特征及局部特征各自优缺点,并对图像进行特征提取;其次,通过核方法将特征映射到适当的高维空间中,来进行码书的获取与量化,并进行特征的融合以更好地对图像进行描述;最后,采用基于直方图交叉核的支持向量机对获取的量化特征进行分类。通过实验证明了所提出的方法的可行性。     

基于自适应特征选择和SVM的图像分类的研究

提出多特征结合的图像分类方法,分别提取颜色特征和LBP纹理特征,同时提出Adaboost算法对特征进行选择,选择最能表示图像的特征,这样既降低了特征的维数,又提高了分类的精度。最后对基于SVM的多类图像分类方法进行了研究,提出在二类支持向量机的基础上构造多类分类器的方法,实验结果表明,提出的方法能够很好地用于图像分类。     

基于内容的图像检索技术研究

随着数字图像在多媒体领域的广泛应用,对基于内容的图像检索技术的需求也不断增加.基于内容的图像检索技术总体上可以分为两部分:图像特征提取、图像特征的索引与匹配.图像特征提取主要解决如何在数学上有效地描述一幅图像.文中分别介绍了颜色、形状和纹理特征提取算法近年来的研究成果.图像特征索引与匹配,主要解决如何根据特征描述判断图像间的相似程度,并准确、快速列出图像库中与检索图像相似的图像,分别介绍了相似度测量方法、聚类与分类技术、相关反馈技术三类技术的主要研究成果.最后对基于内容的图像检索技术的研究难点进行了讨论,对未来可能的研究方向进行了展望.     

一种基于蚁群优化的图像分类算法

现有图像降维方法中特征信息被过多压缩,从而影响图像分类效果。提出IC-ACO算法,利用蚁群算法来解决图像分类问题。算法充分提取并保留图像的各种形态特征。利用蚁群优化算法在特征集中自动挖掘有效特征和特征值,构建各类分类规则,从而实现图像的分类识别。在真实的车标图像数据集上的实验结果表明,IC-ACO算法比其他类似算法具有更高的分类识别率。     

基于主色提取和主色集扩充的图像检索算法

提出一种基于主色提取和主色集扩充的图像检索算法。算法首先对图像进行主色特征提取,采用提出的改进主色集扩充方法分别对两图像进行主色集扩展,使其维数相同;然后,将经过主色提取得到的主色集从传统RGB颜色空间转换为具有良好视觉一致性HSV颜色空间;最后,采用Quadratic距离进行图像的相似性度量。实验证明算法易于实现、具有较好的时间复杂度及较高的查准率和查全率。     

Query by image and video content: a colored-based stochastic model approach

For efficient image retrieval, the image database should be processed to extract a representing feature vector for each member image in the database. A reliable and robust statistical image indexing technique based on a stochastic model of an image color content has been developed. Based on the developed stochastic model, a compact 12-dimensional feature vector was defined to tag images in the database system. The entries of the defined feature vector are the mean, variance, and skewness of the image color histogram distributions as well as correlation factors between color components of the RGB color space. It was shown using statistical analysis that the feature vector provides sufficient knowledge about the histogram distribution. The reliability and robustness of the proposed technique against common intensity artifacts and noise was validated through several experiments conducted for that purpose. The proposed technique outperforms traditional and other histogram based techniques in terms of feature vector size and properties, as well as performance.     

基于颜色的图象检索技术

论述了基于色彩的图象检索方法,对颜色空间的选择、颜色的量化以及颜色的相似测试进行了讨论。在此基础上,对两种典型的基于颜色的图象检索方法的特点、关键技术的实现以及存在的根本问题进行了详细的分析和比较。     

改进的LLE算法在图像分类中的应用

局部线性嵌入算法LLE(Locally Linear Embedding)可以有效地对图像的高维特征进行降维。针对处理样本分布不均匀及近邻因子选择时会出现的问题,在对高维数据降维时,近邻点的选择采用计算测地线距离而非传统的局部欧式距离,且近邻点的个数选择进行预先优化以达到更好的降维效果。实验表明,改进后的LLE算法具有更好的分类精确度,在图像分类过程中比单纯的LLE算法具有更好的分类性能。     

一种使用Harris特征点的区域图像检索算法

为了克服图像分割技术的限制，提出了一种基干特征点匹配技术的图像检索算法。手工提取图像中的一块区域作为查询图像，然后使用Harris算子提取彩色特征点，并用相应的颜色特征对特征点进行表示，最后利用特征点匹配技术实现区域图像的检索。实验表明，该方法对于图像的亮度变化和几何变换具有很强的鲁棒性，可以有效提高检索准确率。     

基于小波分析和Oracle8i的图像数据库系统设计

采用了小波分析以及小波零树编码技术来提取图像特征,在Oracle8i支持图像数据库查询的基础上,综合使用传统的数据库检索技术和初步走向应用的基于内容的查询技术,实验证明这种方法丰富了传统的关系型数据库的功能,并具有良好的检索性能。     

Ego-similarity measurement for relevance feedback

Relevance Feedback in Content-Based Image Retrieval is an active field of research. Many mechanisms of Relevance Feedback exist with many interactive techniques and implement criteria. In this paper, we proposed a novel approach of RF which can set adaptive weights of similarity measurement for each database image from the user feedback, i.e. ego-similarity measurement. We would explore the feedback records were archived in the two different ways that stored along with query images (QRF-based) or along with each retrieved relevant image from the image database (DBRF-based). In the experiment, DBRF-based relevant feedback improved greatly in the retrieval effectiveness.