基NMI变特征的图像检索方法

基于内容的图像检索技术是当前多媒体数据库系统和数字图书馆研究中的一个热点。文章基于二值图像的NMI不变特征(归一化转动惯量)提出了一种全新的基于内容的像检索方法，其特点是计算简单、精确度高、具有抗几何畸变性，对滤波、平滑、压缩等图像操作有一定的鲁棒性。试验结果表明，该方法具有一定使用价值，可用于图像检索。     

基于NMI不变特征的图像检索方法

基于内容的图像检索技术是当前多媒体数据库系统和数字图书馆研究中的一个热点。基于二值图像的NMI不变特征(归一化转动惯量)提出了一种全新的基于内容的图像检索方法,其特-点是计算简单,精确度高,具有抗几何畸变性,对滤波、平滑、压缩等图像操作有一定的鲁棒性。试验结果表明,该方法具有一定实用价值,可用于图像检索。     

基于NMI不变特征的二值商标图像检索方法研究

商标图像的检索在图像库系统管理和应用中得到了越来越多的重视。文中针对二值商标图像,提出一种基于NMI特征的商标图像检索方法。其特点是计算简单,精确度高,具有抗几何畸变性,对滤波、平滑、压缩等图像操作有一定的鲁棒性。试验结果表明,该方法具有一定实用价值,可用于二值商标图像检索。     

基于NMI不变特征的二值商标图像检索方法研究

商标图像的检索在图像库系统管理和应用中得到了越来越多的重视。文中针对二值商标图像,提出一种基于 NMI 特征的商标图像检索方法。其特点是计算简单,精确度高,具有抗几何畸变性,对滤波、平滑、压缩等图像操作有一定的鲁棒性．试 验结果表明,该方法具有一定实用价值,可用于二值商标图像检索。     

基于脉冲耦合神经网络的图像NMI特征提取及检索方法

为了简单有效地提取图像重要特征信息, 从而更好地提高检索图像的精度, 提出了一种基于脉冲耦合神经网络(Pulse coupled neural networks, PCNN)的图像归一化转动惯量(Normalized moment of inertia, NMI)特征提取及检索算法. 首先利用改进简化PCNN模型相似神经元同步时空特性及指数衰降机制将图像分解为具有相关性的二值系列图像, 然后提取反映原始图像目标形状、结构分布二值系列图像的一维NMI特征矢量信号, 并将其应用在图像检索中; 同时, 考虑到二值系列图像间的相关性及不同图像间NMI序列值的差异性, 引入了马氏距离结合Pearson积矩相关法的 综合相似性度量方法. 实验结果表明, 所提算法对图像特征矢量序列具有良好抗几何畸变不变特性及对图像表述的唯一性,且具有较好的图像检索效果.     

基于主颜色归一化转动惯量的图像检索方法

为克服传统颜色直方图无法反映颜色的空间信息这一缺陷,该文提出了一种结合颜色直方图和主颜色NMI不变特征的图像检索方法。求取的主颜色的NMI不变特征即反映了图像的大体轮廓也包含了主颜色的空间信息,实验结果表明,该方法获得了图像的颜色信息和形状信息,弥补了传统颜色直方图的不足,具有良好的检索效果。     

基于多特征的图像检索研究

为了有效地检索图像,基于内容的图像检索技术应运而生。利用直方图表达图像的颜色特征,利用Gabor滤波器组提取图像的纹理特征,在此基础上又提出综合利用颜色特征和纹理特征共同进行图像检索的方法。实验结果表明,综合特征检索的效果比单一特征检索的效果好。     

一种快速JPEG图像检索方法

给出了一种基于归一化转动惯量（Normalized Moment Inertia,NMI)的JPEG图像快速检索方法,其特点是直接在压缩域中DCT系数进行块分类,每一类分块形成一个直值索引图,统计该索引图的NMI值作为该类的一个特征,所有类的NMI特征构成了图像的一个特征序列,以此进行图像检索。本方法不需要完全解压缩,降低了计算复杂度,对图像的平移,旋转和尺度变换有较好的鲁棒性,试验结果表明这种图像检索方法具有良好的检索性能。     

基于多语义特征融合的图像检索

多媒体技术的发展导致数字图像迅速增长,如何根据语义特征高效检索出满足用户要求的图像,已成为当前各行业迫切需要解决的问题。为此提出一种基于颜色、纹理和形状三种语义特征的图像检索方法,建立了颜色和纹理特征的语义描述,使用BP神经网络实现了低层视觉特征到高层语义特征的映射。选取Corel图像库作为测试图像库,实验通过与基于颜色语义特征的检索方法相比较,取得了良好的实验效果。     

基于组合特征的图像检索方法仿真研究

研究图像检索优化问题,由于采用元数据检索,是对图像进行点与点匹配,传统单一特征或简单多特征组合方法难以正确描述图像,导致图像检索准确率较低。为了提高图像检索准确率,提出一种组合特征的图像检索方法。首先分别提取图像的颜色特征、纹理特征和形状特征,然后采用主成分分析消除各图像特征向量的冗余信息,最后采用欧式距离方式对图像之间的相似度进行度量,从而实现图像检索。采用图像数据库SIMPLIcity对方法性能进行仿真测试,仿真结果表明,相对于传统识别方法,组合特征方法很好地克服了传统方法不足,不仅提高了图像检索准确率,同时加快图像检索速度,是一种有效的图像检索识别方法。     

基于图像NMI特征的目标识别新方法

利用物理学相关概念定义了一种新的图像不变特征即归一化转动惯量（NMI）特征,对其不变性进行了分析,提出了基于图像NMI特征的目标识别新方法。实验结果表明：NMI特征具有抗灰度及TRS不变性,且提取方法简,易于实现;与传统的归一化积相关算法、图像不变矩算法相比,该文提出的目标识别方法具有正确率高、速度快等特点。     

一种新的图像不变特征研究

为了解决图像特征受灰度及几何畸变的影响,本文利用物理学相关概念对图像进行描述,定义了图像的质量,重心,转动惯量,提出了一种新的图像不变特征即归一化转动惯量（NMI）特征,对其不变性进行了分析,实验结果表明,图像的归一化转动惯量特征具有抗灰度及TRS不变性,且提取方法简单,易于实现。     

快速鲁棒特征算法的CUDA加速优化

提出一种基于统一计算设备架构(Compute Unified Device Architecture,CUDA)的快速鲁棒特征(Speed-up Robust Feature,SURF)图像匹配算法。分析了SURF算法的并行性,在图像处理单元(Graphics Processing Unit,GPU)的线程映射和内存模型方面对算法的构建尺度空间、特征点提取、特征点主方向的确定、特征描述子的生成及特征匹配5个步骤进行CUDA加速优化。实验表明,相比适用于CPU的SURF算法,文中提出的适用于GPU的SURF算法在处理30MB的图片时性能提高了33倍。适用于GPU的SURF算法拓展了SURF算法在遥感等领域的快速应用,尤其是大影像的快速配准。     

面向特征映射的原象与象特征描述

在对零件设计域与制造间特征映有后的原象特征与象特征信息分析基础上，给出了原象特征与象特征的数学描述方式，这一描述为构造原象特征到象特征的映射函数和进一步分析特征映射原理奠定了基础。     

一种基于图象物理特征的分层匹配算法

文章将物理学相关概念引入图象匹配中,定义了二维灰度图象的质量、密度、重心以及物理特征矢量,并由此提出了一种新的基于图象物理特征的分层匹配算法。该算法首先利用图象物理特征矢量进行粗匹配,找出几个大致的匹配点,再利用灰度归一化积相关算法进行精匹配。实验结果表明该算法具有较强的抗噪声干扰及几何畸变能力,与传统的归一化积相关算法相比,该算法在保证较高匹配概率的基础上,大大缩短了匹配时间,提高了匹配效率。     

基于改进的图像兴趣点特征提取匹配研究

研究图像兴趣点特征提取精确度优化问题。由于图像的复杂以及图像中噪声的干扰,使得传统的图像兴趣点提取算法难以提取出用户感兴趣的信息。为了解决上述问题,提出了一种改进的图像兴趣点特征提取算法。首先利用群体的兴趣点形成几何不变描述的图像区域,然后采用Hough变换方法对图像进行变换操作,使每次匹配都相当于局部的二维转变。仿真结果表明,提出的改进的算法能够有效提取出图像中有效信息,同时节约了算法的执行时间,降低了复杂度。