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.     

基于卷积特征聚合的细粒度图像检索方法

针对卷积神经网络（CNN）全连接层得到的是图像类别的全局语义信息,无法有效抑制背景噪声以及表示图像局部的细节信息,导致细粒度图像检索任务中负样本靠前的问题,提出了一种选择性加权来聚合卷积特征并利用k相互最近邻（k-reciprocal nearest neighbor,k-RNN）重排的图像检索方法。该方法主要是通过提取并筛选CNN最后一层特征来聚合形成单维全局特征向量,再引入k相互最近邻算法对检索出的结果进行重排。在细粒度基准数据集CUB-200-2011、室内场景数据集Indoor和普通类别数据集Caltech-101进行验证评估。实验结果表明该方法能够有效改善检索出负样本靠前的问题,相比SCDA方法,该方法检索精度及召回率有显著提升。     

融合全局和局部相位特征的彩色纹理图像检索

针对目前彩色纹理图像检索系统存在颜色特征提取不充分、纹理特征提取与匹配的有效性亟待提高等问题,提出一种新的基于全局和局部相位特征融合的彩色纹理图像检索方法。该方法首次将局部引力角模式(Pattern of Local Gravitational Force Angle, PLGFA)作为局部相位描述符用于彩色纹理图像检索。在该方法中,首先在适合人类视觉系统的HSV颜色空间中采用非均匀方式量化三个颜色分量,并通过构建颜色直方图充分地提取颜色特征,同时在Gabor复变换域针对V分量数据进行相对相位建模而提取全局纹理相位特征;然后,利用PLGFA描述符在RGB空间的灰度图像中提取局部纹理相位特征;最后,将这三种特征通过闭式K-L(Kullback-Leibler)距离和改进版本的Manhattan距离进行有机融合,从而实现彩色纹理图像的检索。在VisTex(full/small)、STex和ALOT四个通用的彩色纹理图像库上得到的检索实验结果表明,综合考虑平均检索率和时间消耗两个性能评价指标,该方法较其他最新方法具有较明显优势,从而验证了其有效性和可行性。     

基于加强图像块相关性的细粒度图像分类方法

在细粒度图像分类任务中,提取出具有区分性的局部特征对识别图像之间的微小差异非常重要。基于ViT(vision transformer)框架的算法模型在计算机视觉各个研究领域取得了优异的表现。针对基于ViT框架的细粒度图像分类模型对图片局部区域关注度低的问题且为进一步加强图像块特征的上下文联系,提出了一种基于加强图像块相关性的细粒度图像分类方法。首先,提出了赋予图像块相关性权重的方法,并嵌套应用于不同层编码器中丰富不同层次特征信息,解决了ViT对图像局部特征关注不够的问题;其次,结合图像块的位置信息加强了局部特征上下文的联系,同时减少了噪声信息带来的干扰;最后,提出相似损失函数来学习细粒度图像中微小特征的差异性,优化模型的分类效果。在两个公开数据集CUB-200-2011和Standford Dogs上进行实验分别取得了91.33%、92.15%的准确率,提出的方法分别比基准模型ViT网络提升了0.63、0.45百分点,有效提升了细粒度图像分类效果,验证了方法的有效性。     

结合全局-局部特征和注意力的图像描述方法

为了进一步提高图像描述生成文本的精度,提出一种结合全局-局部特征和注意力机制的图像描述方法。该方法在传统的编码器-解码器模型上进行改进,从整体角度来看,编码器阶段使用残差网络ResNet101提取图像的全局特征和局部特征,以避免对象丢失或对象预测错误问题,在解码器阶段采用嵌入改进后的注意力机制的双向[GRU]生成文本序列。从局部角度来看,该模型提出的注意力机制是一种独立的循环结构,通过计算图像局部特征向量与语义向量之间的相似度来获取注意力权重,增强图像特征与语义信息之间的映射。在MSCOCO数据集上的实验结果显示,该算法在BLEU、CIDEr、METEOR等评价指标上均获得了不同程度的提升,表明使用该模型生成的描述文本准确度高且细节丰富。     

基于局部颜色直方图的图像检索方法研究及实现

在直方图技术的基础上引入携带空间信息的相似匹配的方法,将一幅图像划分为许多子块,每个子块都具有与其相关的局部颜色直方图,从而携带图像的空间信息。给出了四种检索算法,并在系统中加以实现,验证了算法的有效性。     

基于特征的文档图像检索

提出一种综合利用文档图像的段落特征和局部像素分布相对差特征进行文档图像检索的方法。给出段落特征和局部像素分布相对差特征的定义、提取方法以及基于这2个特征结合使用的检索方法。段落特征这一全局特征以及局部像素分布相对差特征这一局部特征相结合能够较好地表征和区分文档图像,检索方法将两者充分结合取得较好的效果。     

搜索引擎技术在图像检索中的应用研究

搜索引擎是在网络上进行信息检索的重要工具,本文从传统文本信息检索着手,阐述了搜索引擎技术在图像检索中的应用,重点描述了图像检索过程中,搜索引擎相关算法的应用,描述了图像重排序的概念和相关方法。     

一种局部与全局特征结合的图像检索算法

提出了一种基于稳定局部区域检测和全局图像特征描述的图像检索新算法。该算法继承了局部区域特征和GIST特征的优点,能够更精确地描述图像的内容,并且可以应对不同的视角变换．在一定程度上提高了图像检索的精度。     

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。     

基于内容的图像检索的关键技术

基于内容特征的图像检索(CBIR)是目前国内外研究的一个热点.本文简要介绍了基于内容的图像检索技术的发展过程及主要原理,重点论述了基于内容的图像检索常用关键技术--图像视觉特征的描述和提取.     

图像检索系统构建中的几个问题

本文对综合利用图像的内容特征和图像元特征以及将图像特征的自动提取和手工提取相结合,采用分布式结构和高效的查询接口,从而构建高效实用的图像检索系统中的一些问题进行了探讨.     

基于颜色空间分布特征的图像检索

目前,基于颜色特征的图像检索大多是以图像的颜色直方图作为颜色特征,这种图像检索方法有简单高效的优点,但丢失了颜色的空间分布信息,该文从CT图像重建的理论中得到启发,将对一幅图像从几个方向的投影图作为这幅图像的颜色特征分布。为进一步减少检索时运算的数据量,对图像做小波分解,然后对分解后图像的低频子带做Radon变换得到颜色空间分布的特征向量,并根据这个特征进行检索,实验表明,当检索图像中有明显的颜色目标时,该方法比传统的颜色直方图法更精确,颜色空间性更强,而且检索用时更短。     

基于纹理的图像检索

基于特征的图像检索在多媒体数据库管理和多媒体通信传输中得到越来越多的重视。介绍了基于纹理特征的特征提取方法 ,并对提取出的特征进行维数缩减。对真实图像库的检索实验表明 ,用此方法检索出的图像更符合人的视觉特性。     

基于颜色特征的图像检索技术研究

本文针对利用图像的颜色特征丢失空间信息的问题,提出了一种通过提取灰度特征,获取图像的形状特征,综合检索图像的方法。     

MPEG——7与基于内容的图像检索

图像检索是有着广泛意义的多媒体应用领域。基于内容的图像检索属于较高层次上的检索。该文对基于内容的图像检索的研究现状进行了分析,介绍了国际上即将推出的多媒体内容描述标准MPEG—7,并提出了一种实现MPEG—7标准图像检索系统的抽象模型。     

基于形状特征和颜色的服装图像检索

提出将基于内容的图像检索用于电子购物中,首先利用不变矩的形状特征检索,为提高检索效果引入离心率特征,接着再利用改进的颜色直方图进行检索。通过实验证明该方法的有效性和可行性。     

基于多特征绑定的近似重复图像检索*

基于绑定特征的近似重复图像检索方法由于采用尺度不变特征变换(SIFT)特征及坐标信息,存在一定的局限性.因此,文中在SIFT特征基础上增加颜色特征形成多特征绑定,并利用兴趣点尺度方向信息,提出2种鲁棒的绑定特征兴趣点顺序计算方法:中心顺序和主方向顺序.首先,抽取绑定特征兴趣点的颜色分布特征并加入索引,检索时利用该特征的Kullback-Leibler距离排除潜在的SIFT错误匹配.然后,根据兴趣点同绑定区域中心位置的距离顺序或同主方向的夹角顺序的不一致性计算几何损失得分.在Copydays数据集上的实验表明,颜色特征的增加提升检索准确度,相比坐标顺序,绑定特征的中心顺序及主方向顺序在检索中的几何约束更好.     

基于模糊颜色量化的图像检索

颜色量化是基于颜色特征的图像检索的一个重要方法。在颜色量化中引入模糊集合理论,提出了一种基于人的主观视觉感知的模糊颜色量化方法,以减小量化误差和适应人的感知模糊性,根据此方法提取模糊颜色-空间特征用于图像检索。实验结果显示了模糊量化方法的有效性和检索算法较高的检索准确性。     

基于形状不变矩的图像检索算法的研究

描述了一种基于Hu形状不变矩的图像全局形状特征提取方法和算法IMS。实验结果表明,使用IMS。算法提取的形状特征向量具有对平移、旋转和尺度变化的不变性,适合于进行图像形状的检索。