灰度-梯度共生矩阵模型的加权条件熵阈值法

基于二维灰度直方图的最大熵阈值法是依据“灰度-灰度均值”构成直方图的图像分割方法,该方法着重于图像的内部信息,忽略了边界区域的信息。应用图像的梯度信息建立“灰度-梯度共生矩阵”,构造图像的二维灰度直方图,结合最大条件熵法进行阈值选取。为了充分提取图像内部和边缘信息,提出了二维加权最大熵阈值法。结果表明,该方法一方面能够保留更多的图像边缘信息,另一方面能够根据实际需要调节权值大小,得到兼顾图像内部和边缘信息的分割结果。     

基于二维直方图双斜率划分的快速Otsu图像分割算法

为了克服Otsu算法对图像分割的不足,本文在二维Otsu的基础上提出了基于二维直方图双斜率划分的快速Otsu分割算法,该算法将二维直方图上像素点之间关系转化为斜率值,构建斜率值与频率的一维直方图,利用双阈值Otsu对灰度斜率的一维直方图取双阈值,利用求出的双阈值（临界斜率）对图像二维直方图进行重新划分,对划分的图像二维直方图的有效区域,再次利用一维Otsu方法划分,从而得到最终结果。最后通过实验,验证此方法有较强的抗噪性,比二维Otsu方法计算效率高,处理效果好。     

基于二维灰度直方图最佳一维投影的图像分割方法

分析了图像二维灰度直方图上聚类集的形状特征,证明了其存在最佳一维投影.利用此 最佳一维投影代替一维灰度直方图进行阈值分割,将会大大降低误判的概率.理论分析和实 验表明,新方法比现有直接利用一维灰度直方图和直接利用二维灰度直方图进行阈值分割的 方法均优越.     

基于改进最大类间方差法的手势分割方法研究

针对手势图像中由于噪声和成像干扰造成的手势模糊和边界不清晰的问题,提出了一种基于改进最大类间方差法的手势分割方法.首先建立手势图像的二维灰度直方图,在二维灰度直方图上确定噪声点位置,在原图的相应区域滤除噪声.然后重建二维灰度直方图将内点区的点集投影到45度线,得到投影灰度直方图.接下来在灰度投影直方图上采用全局Otsu确定局部Otsu的左边界,用高斯函数拟合得到局部Otsu右边界,最后采用局部Otsu分割手势.该方法可以有效地对手势图像进行精确分割,实验结果验证了本文算法的有效性.     

基于灰度投影函数的眼睛定位方法

描述了人眼的自动定位算法，其方法是利用图像的灰度投影曲线，将图像缩小在人脸的眼部区域，进而确定人眼在眉眼区域的大致位置，然后通过了灰度直方图估计初始阈值，对二值化眉眼区域进行了阈值分割，利用二维相关系数判定双眼黑块的出现并利用对称相似性进一步确定了双眼的具体位置。     

微粒群算法在二维模糊熵图像分割中的应用

将微粒群算法和二维模糊熵阏值分割法结合,提出了一种基于微粒群和二维模糊熵的图像分割方法.该方法根据像素点灰度值和区域灰度均值所建立的二维灰度直方图,以二维模糊熵作为微粒群算法的适应度函数,利用微粒群算法搜索点灰度值和区域灰度均值所对应的模糊参数最优组合,进而确定相应的分割阈值.对几例真实目标图像的对比分割实验结果表明,该文方法性能优越,是一种有效的图像分割方法.     

基于灰度和非局部空间灰度特征的二维Otsu曲线阈值分割法

为了克服图像噪声对图像分割结果的影响,利用图像中与像素具有相似邻域结构的像素提取当前像素的非局部空间信息,构造了基于像素的灰度信息和非局部空间灰度信息的二维直方图,并将此二维直方图引入到Otsu曲线阈值分割法中,提出了基于灰度和非局部空间灰度特征的二维Otsu曲线阈值分割法。实验结果表明,该方法能进一步提高原始二维Otsu曲线阈值分割法对于图像噪声的鲁棒性,获得了更加理想的分割结果。     

基于修正二维熵的水声图像分割

水声图像常分为亮区、暗区和混响区,而传统的单阈值方法不能根据需要获得相应区域,针对该问题,提出一种基于修正的灰 度-梯度二维直方图的最大熵分割方法。该方法根据先验知识截取部分灰度-梯度二维直方图,并对其进行最大熵阈值分割。实验结果表明,该方法可以根据需要提取出感兴趣的区域,并且能得到更好的分割效果。     

基于邻域灰度差值的二维Otsu分割方法研究*

针对传统二维灰度直方图的阈值分割方法中区域划分像素易丢失、运算速度慢等不足,通过深入分析图像中邻域灰度偏离的情况,并充分考虑像素的空间灰度信息,提出一种利用像素邻域灰度差值的新方法构建二维直方图;基于二维类间方差法实现了图像二维Otsu分割方法,并给出了相应算法的实现步骤。以生物图像中的鱼体分割为实例对方法进行了实验验证,结果表明算法分割效果良好,运算速度提高较明显。     

二维直方图图形统计分析的分割方法

一维阈值分割方法对噪声污染的图像很难达到理想的分割效果。二维直方图的分割方法结合了灰度和空间信息使分割精度提高,但计算复杂度急剧增加,并且传统二维直方图的方法对噪声和边缘像素的处理不够准确。改进了二维直方图的构造方法,采用自适应滤波器平滑噪声的同时更高效地保持了图像边缘和高频细节信息。运用改进的Hough变换对二维直方图进行图形统计分析,并搜索二维直方图的平面分割线,将二维直方图划分为不同的分割区域。实验结果表明改进的算法对噪声污染的图像有更好的抗噪能力,分割也更加准确。     

序列化颜色直方图的分析与应用

在许多基于颜色的图像检索系统中,图像的颜色属性通过颜色直方图来描述。基于颜色直方图的搜索,对规模较大的颜色直方图往往很低效。因此论文将介绍一种新方法,这种方法能有效的表示颜色直方图和两个颜色直方图的区别。这种方法是基于以下的观察:最大的20%的颜色直方图能占到图像的90%的像素;当颜色直方图用一个阀值过滤后,主成分颜色数量MCCC(maincomponentcolorusedcount)代表这幅图像的复杂性,在第一阶段的检索中被用来快速索引,主成分颜色序列MCCS(maincomponentcolorsequence)能够用来在检索的第二阶段比较图像的颜色信息。使用该方法,总的颜色索引信息将比传统的颜色直方图节省存储空间。试验结果基于包含1000张图像的图像数据库。     

Comparing images using joint histograms

Color histograms are widely used for content-based image retrieval due to their efficiency and robustness. However, a color histogram only records an image's overall color composition, so images with very different appearances can have similar color histograms. This problem is especially critical in large image databases, where many images have similar color histograms. In this paper, we propose an alternative to color histograms called a joint histogram, which incorporates additional information without sacrificing the robustness of color histograms. We create a joint histogram by selecting a set of local pixel features and constructing a multidimensional histogram. Each entry in a joint histogram contains the number of pixels in the image that are described by a particular combination of feature values. We describe a number of different joint histograms, and evaluate their performance for image retrieval on a database with over 210,000 images. On our benchmarks, joint histograms outperform color histograms by an order of magnitude.     

基于位平面颜色直方图的图像检索新方法

为了解决现有颜色直方图检索技术所存在的鲁棒性较差、特征维数过高等问题,本文提出了一种基于位平面颜色直方图的图像检索新方法.该方法首先结合噪声攻击特点(对高位影响较小),提取出重要的位平面图像并确定其视觉权值;然后构造出位平面图像颜色直方图;最后以位平面图像颜色直方图为特征,计算图像间内容的相似度并进行检索.仿真实验表明,本文方法不仅能够准确检索出用户所需图像,而且对光照、锐化、模糊等噪声攻击均具有较好的鲁棒性.     

一种鲁棒的多特征彩色图像检索新方法

为了提高彩色图像检索的准确性,以回归型支持向量机(SVR)理论为基础,结合重要的图像边缘信息,提出了一种鲁棒的多特征彩色图像检索新方法。该方法首先利用回归型支持向量机(SVR)理论,对原始图像进行去噪处理及彩色边缘提取;然后将整个彩色边缘划分成局部网格区域,并分别计算出每个网格区域的颜色直方图和纹理直方图;最后综合利用上述网格区域的颜色直方图和纹理直方图来计算图像间内容的相似度,并进行彩色图像检索。实验结果表明,该方法不仅能够准确、快速的检索出用户所需图像,而且对光照、锐化、模糊等噪声攻击均具有较好的鲁棒性。     

一种基于色彩和灰度直方图的图像检索方法

提出一种综合图像的色彩信息、灰度信息和空间信息提取图像的特征向量的方法。该方法首先将图像从RGB空间转化为HSV空间，并进行非均匀量化；其次将彩色转化为灰度图像；然后将图像划分成互有重叠的4块，分别求出每块图像的色彩直方图、灰度直方图；最后采用这8个直方图作为图像的特征向量对图像进行检索。     

Multiresolution similarity search in image databases

Typically searching image collections is based on features of the images. In most cases the features are based on the color histogram of the images. Similarity search based on color histograms is very efficient, but the quality of the search results is often rather poor. One of the reasons is that histogram-based systems only support a specific form of global similarity using the whole histogram as one vector. But there is more information in a histogram than the distribution of colors. This paper has two contributions: (1) a new generalized similarity search method based on a wavelet transformation of the color histograms and (2) a new effectiveness measure for image similarity search. Our generalized similarity search method has been developed to allow the user to search for images with similarities on arbitrary detail levels of the color histogram. We show that our new approach is more general and more effective than previous approaches while retaining a competitive performance.     

Robust image retrieval based on color histogram of local feature regions

Color histograms lack spatial information and are sensitive to intensity variation, color distortion and cropping. As a result, images with similar histograms may have totally different semantics. The region-based approaches are introduced to overcome the above limitations, but due to the inaccurate segmentation, these systems may partition an object into several regions that may have confused users in selecting the proper regions. In this paper, we present a robust image retrieval based on color histogram of local feature regions (LFR). Firstly, the steady image feature points are extracted by using multi-scale Harris-Laplace detector. Then, the significant local feature regions are ascertained adaptively according to the feature scale theory. Finally, the color histogram of local feature regions is constructed, and the similarity between color images is computed by using the color histogram of LFRs. Experimental results show that the proposed color image retrieval is more accurate and efficient in retrieving the user-interested images. Especially, it is robust to some classic transformations (additive noise, affine transformation including translation, rotation and scale effects, partial visibility, etc.).     

基于相交颜色直方图的图像检索算法

提出一种基于相交颜色直方图的图像检索算法,该算法首先计算示例图像和被检索图像的相交颜色直方图,然后计算两直方图的相交距离,同时考虑各色在两图像中的分布情况。实验结果表明该算法不受背景颜色的影响。     

一种基于彩色边缘综合特征的图像检索算法

图像特征的提取与表达是基于内容的图像检索技术基础。边缘是重要的视觉感知信息,也是图像最基本的特征之一,其在图像分析和理解中有重要价值。文中以视觉重要的图像边缘轮廓为基础,提出一种基于彩色边缘综合特征的图像检索算法。该算法首先利用Canny检测算子提取出原始图像的彩色边缘轮廓。然后构造出能全面反映边缘轮廓内容的3种直方图,即加权颜色直方图、角度直方图和梯度方向直方图。最后综合利用上述3种彩色边缘直方图计算图像间的内容相似度,并进行彩色图像检索。仿真实验表明,该算法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率。     

Image retrieval using color histograms generated by Gauss mixture vector quantization

Image retrieval based on color histograms requires quantization of a color space. Uniform scalar quantization of each color channel is a popular method for the reduction of histogram dimensionality. With this method, however, no spatial information among pixels is considered in constructing the histograms. Vector quantization (VQ) provides a simple and effective means for exploiting spatial information by clustering groups of pixels. We propose the use of Gauss mixture vector quantization (GMVQ) as a quantization method for color histogram generation. GMVQ is known to be robust for quantizer mismatch, which motivates its use in making color histograms for both the query image and the images in the database. Results show that the histograms made by GMVQ with a penalized log-likelihood (LL) distortion yield better retrieval performance for color images than the conventional methods of uniform quantization and VQ with squared error distortion.