基于多示例学习的图像表示方法

提出一种基于多示例学习的图像表示方法,将图像作为多示例包,用高斯滤波器将图像滤波并取样为由颜色区域构成的矩阵,使用单颜色及相邻区域(single blob with neighbors)的包生成方法。根据用户选择的实例图像生成正包和负包,使用MIL-SVDD_I和MIL-SVDD_B算法进行实验。实验表明该图像表示方法是可行的。     

融合相关反馈和流形学习的语义图像检索方法研究

融合相关反馈和流形学习的图像检索方法．既可以解决基于内容图像检索的“语义鸿沟”问题．又可以解决因为用户反馈标记样例较少所导致的较难学习用户语义概念问题。深入研究近年来比较有代表性的方法,包括ARE和MMP,并在具体的系统中比较二者的性能;此外。进一步分析此类方法面临的挑战和实际应用时需迫切解决的问题。     

基于内容的图像检索在数字化学习资源中的应用

多媒体教学在教学中的广泛应用,需要大量图像等数字化学习资源,由此产生了资源管理等问题,基于内容的图像检索对学习资源的图像查找有重要的意义。本文研究的主要是检索算法在数字化学习资源中的应用。     

基于深度学习的图像检索系统

基于内容的图像检索系统关键的技术是有效图像特征的获取和相似度匹配策略.在过去,基于内容的图像检索系统主要使用低级的可视化特征,无法得到满意的检索结果,所以尽管在基于内容的图像检索上花费了很大的努力,但是基于内容的图像检索依旧是计算机视觉领域中的一个挑战.在基于内容的图像检索系统中,存在的最大的问题是“语义鸿沟”,即机器从低级的可视化特征得到的相似性和人从高级的语义特征得到的相似性之间的不同.传统的基于内容的图像检索系统,只是在低级的可视化特征上学习图像的特征,无法有效的解决“语义鸿沟”.近些年,深度学习技术的快速发展给我们提供了希望.深度学习源于人工神经网络的研究,深度学习通过组合低级的特征形成更加抽象的高层表示属性类别或者特征,以发现数据的分布规律,这是其他算法无法实现的.受深度学习在计算机视觉、语音识别、自然语言处理、图像与视频分析、多媒体等诸多领域取得巨大成功的启发,本文将深度学习技术用于基于内容的图像检索,以解决基于内容的图像检索系统中的“语义鸿沟”问题.     

一种新的基于区域的图像检索方法

论文提出了一种新的基于区域的图像检索方法。与传统的基于区域的检索方法相比,论文从组成目标对象的基本结构角度出发分割图像,利用少量色彩等级更易描述对象主要构成的特性提取一组能够描述对象基本组成的区域序列。采用这些区域列的面积作为图像特征,用于图像检索。实验表明,该算法简单但非常有效,而且对图像的旋转、尺度变化具有良好的鲁棒性。     

基于神经网络自学习的图像检索方法

相关反馈技术是近年来图像检索中较为活跃的研究方法之一.提出了一种基于神经网络自学习的图像检索方法,即在检索阶段利用人-机交互技术选出与检索图像相似的正例样本,然后构造出前向神经网络,进行自学习,以逐步达到提高查询效果的目的.神经网络的构造过程即是学习的过程,而且可以不断地学习.使用由9918幅图像组成的图像库进行实验,结果表明,该方法有助于用户表达查询意图和语义概念,可以通过交互式检索逐步求精地查找出更多、更准确的图像,并且具有较强的鲁棒性,可以结合各种特征表示和相似性匹配方法,交互地提高检索性能.     

基于贝叶斯分类器的图像检索相关反馈算法

由于图像底层特征及其本身所包含的上层语义信息的巨大差距,使得基于内容的图像检索很难取得令人满意的效果.作为一种有效的解决方案,在过去的几年中,相关反馈在该研究领域取得了一定的成功.提出了一种新的具有学习能力的反馈算法.该算法基于贝叶斯分类原理,运用不同的反馈策略分别处理正、负反馈,同时它具有学习能力,可以运用用户的反馈信息不断地修正检索参数,使系统的检索能力得到不断的提高.通过在大图片库上的检索实验 ,该算法产生的效果大大优于当前其他的反馈方法.     

一种基于多示例学习的图像检索方法

由于多示例学习能够有效处理图像的歧义性,因此被应用于基于内容的图像检索(CBIR).本文提出一种基于多示例学习的CBIR方法.该方法将图像作为多示例包,使用基于自组织特征映射网络聚类的方法分割图像,并将由颜色和纹理特征描述的图像区域作为包中示例.根据用户选择的实例图像生成正包和反包,使用多示例学习算法进行学习,实现图像检索和相关反馈.实验结果表明这种方法与已有方法检索效果相当,但检索效率更高.     

基于空间信息的直方图图像检索

从具有同一灰度的像素角度出发,寻找空间分布差异,引入面积变量,构造了平均面积直方图,间接捕捉到色彩的空间分布特征,从而能够区别色彩分布相似但空间分布不同的图像,尤其适用于纹理丰富的图像的检索,获得了满意的效果.     

基于广义图像灰度共生矩阵的图像检索方法

当图像发生旋转或大小改变显著时,用已有的基于灰度共生矩阵的图像检索方法,不能很好地给出检索结果,在此基础上,该文提出一种基于广义图像灰度共生矩阵的图像检索方法。该方法将原图像作平滑处理得到平滑图像,然后将原图像和平滑图像组合起来得到广义图像灰度共生矩阵,提取该矩阵的统计特征量后,将其组成向量并归一化后用于检索。该方法引入了图像的空间信息,对于图像旋转和尺寸变化均不敏感。实验结果与性能比较表明,新方法的效果优于单纯的灰度共生矩阵法。     

基于矢量量化的快速图像检索

传统索引方法对高维数据存在"维数灾难"的困难.而对数据分布的精确描述及对数据空间的有效划分是高维索引机制中的关键问题.提出一种基于矢量量化的索引方法.该方法使用高斯混合模型描述数据的整体分布,并训练优化的矢量量化器划分数据空间.高斯混合模型能更好地描述真实图像库的数据分布;而矢量量化的划分方法可以充分利用维之间的统计相关性,能够对数据向量构造出更加精确的近似表示,从而提高索引结构的过滤效率并减少需要访问的数据向量.在大容量真实图像库上的实验表明,该方法显著减少了支配检索时间的I/O开销,提高了索引性能.     

基于内容图像检索的特征子空间抽取

作为一种有效的解决手段,相关反馈(relevance feedback)技术在基于内容图像检索(content based image retrieval)的研究中得到了深入的发展.尽管有效,已有的反馈算法却始终没有解决特征空间的有指导降维和特征中的噪声去除这两个问题.提出了一种新的方法,通过对用户在检索过程中提供的正反馈样本在各特征空间中的分布特性,利用主成分分析(principal component analysis)来消除特征中的噪声,实现了对特征空间进行有效的降维.试验结果显示,该方法在不牺牲检索精度的前提下提高了检索速度,降低了存储复杂度.     

基于平均检索精度的图像特征融合方法

在基于内容的图像检索中,不同图像特征反映了图像不同侧面的内在特性,如何有效地组织和利用这些特征从而提高系统的检索性能是一个值得研究的课题．首先提出了特征互补率的定义,通过计算互补矩阵有指导地选择融合特征集．实验结果表明,互补矩阵能够很好地估计特征之间的补充能力．同时提出了基于平均检索精度的特征线性融合方法,并在一个包含12000张异质图像的大型图像库上与当前图像检索中最常用的几种方法进行了对比实验,结果表明这种方法具有更高的精度．     

基于内容图像检索中的特征性能评价

在基于内容的图像检索中，不同图像特征反映了图像各个侧面的内在特性，因此，在使用图像特征进行检索时存在多种相似性度量方法．特征以及特征间相似性度量方法的选取是当前CBIR研究的一个重要课题．评估了CBIR系统中使用的图像特征在不同相似性度量方法下及多种特征在不同图像库上的检索性能，为CBIR系统的设计和实现提供一定的依据．通过实验发现，图像特征的检索性能不仅同相似性度量方法有关系，同时与图像库也有密切的关系．     

一种基于加权色彩直方图的快速图像检索方法

传统的基于颜色直方图的彩色图像检索方法的缺陷非常明显．首先是数据存储和运算量大,更重要的是在光照条件改变的情况下,图像检索效果不理想．为克服此缺陷,提出了一种基于加权色彩直方图的快速图像检索方法,它利用光照不变性模型,消除光照变化对图像的影响,并对归一化后的二维色彩直方图图像在加权后进行子波变换和DCT压缩,其中根据色彩直方图图像的像素点对应色彩值在原始图像中所占的比例,对该像素点的灰度值进行加权．实验结果表明,此方法不仅检索效果比传统方法有所提高,同时图像检索的平均耗时也大大降低．     

从乳腺X线图像中检测肿块的基于内容的图像检索

为辅助医生从乳腺X线图像中检测肿块,提出了一种基于内容的图像检索方法.建立一个乳腺X线图像感兴趣区域(ROI)数据库,包含已确认有肿块和虽高度可疑但无肿块的ROI.每ROI提取24个特征.对任意一个待确定的ROI,通过在图像数据库中检索,计算出它含有肿块的疑似程度的量化值.通过实验测试了在不同灵敏度要求下的假阳性率,ROC曲线下的面积指标AZ=0.841.优于美国匹兹堡大学提出的一种基于人工神经网络的方法.     

基于内容的图像检索的相似度测量方法

图像特征匹配是基于内容的图像检索（Content based image retrieval,CBIR） 实现的一个关键环节,而图像特征的匹配主要依赖于图像特征之间的相似度测量。为了提高CBIR的检索性能,本文提出了一种有效的相似度测量方法——基于图像k近邻的相似度测量（Similarity measure based on k-nearest neighbors of images, SBkNN）方法。在该方法中,查询图像与被检索图像的相似度通过计算这两幅图像属于同一语义（无论是哪种语义）种类的联合概率来衡量,而此概率可分别通过分析这两幅图像与各自近邻图像的距离得到。最后利用Corel5k数据集对本文所提出的SBkNN方法和传统的相似度测量方法进行了对比。实验结果表明,在CBIR中使用本文提出的SBkNN方法,有效地提高了CBIR的检索性能。     

基于HSI色彩空间累加直方图的图像检索算法

本文给出了一种基于HSI色彩空间累加直方图进行图像检索的方法。该方法使用符合人类视觉特性的HSI颜色模型将颜色空间压缩为72种具有代表性的颜色,设计了一种具有重叠方式的图像分块方法;然后统计每块区域内的颜色直方图得到该图像的HSI颜色空间直方图,再计算各块的累加直方图,并根据相似度计算方法计算每块子图像的累加直方图和图像库中图像对应块的累加直方图的相似度;最后根据各块子图像的重要性进行加权,得出最后的检索结果。实验表明,该方法实现简单,能够更加灵活、准确地描述图像的颜色特征,从而有效提高了检索的精度。     

基于多邻域统计矩直方图的彩色图像检索

提出一种创新的基于多邻域统计矩直方图方法(MNSMH)，该方法在量化HSV颜色模型下，计算每个像素点不同邻域的统计矩，对每个邻域统计矩，计算它的归一化直方图．以这些直方图和颜色直方图一起作为图像的特征索引进行彩色图像检索．这些不同邻域矩反映了图像颜色的空间分布信息，而它们的直方图又是对整个图像的全局统计，对图像的平移、旋转和尺度不变．实验结果表明，该方法性能稳定，与两种基于颜色直方图方法相比，能够明显地提高检索率．