基于ROI的图像检索算法研究

针对全局特征的图像检索不能很好地满足用户的意图和基于图像分割的检索过分依赖复杂的图像分割算法二者的不足。在基于子图的检索思想的基础上，给出了一种基于用户感兴趣区域的图像检索算法。该算法无需对图像进行复杂的分割就能提取对象特征，实验证明该算法具有简单、高效、查全率较高的优点。     

图像检索中的两层描述和非对称区域匹配

在基于内容的图像检索中,需要描述图像中的空间信息从而克服仅基于全局特征的传统方法的局限.图像分割是得到图像空间描述信息的重要手段,但对于所有图像利用同一种分割结果的检索算法(单层描述方法)会受到图像分割算法精确度的影响而使性能受到限制.本文提出了基于图像的两层描述(包括粗略描述和精细描述)和非对称区域匹配的算法以减少不精确分割带来的不利影响.利用从7000张通用图片库中随机选取的700幅查询图像而进行的统计实验结果表明此算法可以有效的提高检索效果.     

MPEG-7描述子在医学CT图像CBIR中的应用

研究的重点是对肝部CT图像，使用NPEG-7的描述子做特征提取，建立二个图像特征数据库。然后在库中进行基于内容的图像检索，帮助医生的诊断。从检索结果可以看出，这种检索是相当有效的。     

改进的基于直方图和空间特征的图像检索

在主要面积直方图算法的基础上,分析了图像灰度连通区域的空间分布特征,并结合主要面积直方图进行图像检索,进一步提高了算法的检索性能.同时,结合人眼视觉特性,对图像的灰度进行了量化,在不降低检索性能的基础上降低了计算和时间复杂度.     

结合空间关系的颜色直方图检索算法

首先根据所选取的图像库的特征,对真彩图像各颜色分量赋以权重,利用直方图检索,得到检索结果与权重比例大小选择的关系;再针对直方图检索没有表达颜色的空间分布信息的缺点,在一般直方图检索的基础上引入了一维的空间关系矢量,将直方图和空间关系结合起来进行检索,提高了检索的性能。     

基于内容的图像检索技术

基于内容的图像数据库检索技术是当今的一个研究热点.本文介绍了基于内容图像检索的基本原理、检索方式和关键技术,并列举了几种较为先进的图像检索系统.最后探讨了当前研究中存在的问题以及今后的研究方向.     

基于内容的图像检索方法

综述了基于内容检索技术的进展,并对其主要方法如基于颜色、形状、纹理等图像检索技术进行了论述,介绍了几个典型的基于内容的图像检索系统.通过综述指出了今后的研究方向.     

基于显著区域的月球影像内容特征研究

提出一种基于月球影像显著区域的内容特征(LIFBS),同时面向多核处理器架构,提出并行优化的LIFBS特征生成算法.该算法考虑显著子区域之间的方位、尺度、强度和距离关系,为每一个显著区域生成一个LIFBS局部特征,以此描述月球影像的内容.理论分析与实验结果表明,LIFBS特征具有良好的不变性与相似性表达,同时特征生成算法具有较高的并行效率.     

一种基于MPEG-7的图像内容描述方案

图像内容检索是互联网应用的一个研究热点内容,如何准确地描述图像信息是多媒体信息检索必须要解决的问题.本文提出一种基于MPEG-7标准的图像内容的描述方案,可以有效地对图像内容进行描述.文章首先介绍了MPEG-7标准和描述方案,然后叙述基于MPEG-7的图像描述方案的技术与相关特征,最后给出一个具体的基于MPEG-7的图像描述方案的例子.     

一种基于MPEG-7的图像内容描述方案

图像内容检索是互联网应用的一个研究热点内容,如何准确地描述图像信息是多媒体信息检索必须要解决的问题.本文提出一种基于MPEG-7标准的图像内容的描述方案,可以有效地对图像内容进行描述.文章首先介绍了MPEG-7标准和描述方案,然后叙述基于MPEG-7的图像描述方案的技术与相关特征,最后给出一个具体的基于MPEG-7的图像描述方案的例子.     

An image retrieval method based on spatial distribution of color

Color histogram is now widely used in image retrieval. Color histogram-based image retrieval methods are simple and efficient but without considering the spatial distribution information of the color. To overcome the shortcoming of conventional color histogram-based image retrieval methods, an image retrieval method based on Radon Transform （RT） is proposed. In order to reduce the computational complexity, wavelet decomposition is used to compress image data. Firstly, images are decomposed by Mallat algorithm. The low-frequency components are then projected by RT to generate the spatial color feature. Finally the moment feature matrices which are saved along with original images are obtained. Experimental results show that the RT based retrieval is more accurate and efficient than traditional color histogram-based method in case that there are obvious objects in images. Further more, RT based retrieval runs significantly faster than the traditional color histogram methods.     

用于图像检索的连通直方图方法

本文提出了一种用于图像检索的连通直方图（CRH：Connected-Region histogram)方法。连通直方图是图像中连通区域面积的统计函数，反应了图像中连通区域的概率分布，是图像内容的一种简洁表达。它具有灰度、旋转、平移等不变性，并可通过权函数来强调某些连通区域。另外，还可以根据连通区域的其他特征（如连通区域的形状、所处的相对位置等）来优化、改进连通直方图，提高图像的检索效率。实验证明，连通直方图具有一定的图像检索能力。     

基于空间约束的快速鲁棒特征匹配优化

该文提出一种基于空间约束的快速鲁棒特征(SURF)匹配优化算法,称为SC-SURF。首先通过SURF算法检测和匹配图像的特征点。然后根据最近邻比例越低其匹配精度越高的特点,得到按最近邻比率排序的匹配点。并以最优匹配点作为参考点生成新的坐标系,利用空间位置关系地图对每对匹配点进行编码。同时为了简化随机抽样一致性(RANSAC)算法,选择尽量少的最优匹配点对作为RANSAC的代表测试数据集,并由该测试数据集拟合目标投影变换矩阵。最后结合匹配点间的空间位置关系和简化的RANSAC算法对匹配点进行几何校验。实验表明该方法在达到良好匹配精度的同时,具有鲁棒性强,匹配速度快的优点。     

融入空间关系的GMM全色高分辨率遥感影像监督分割方法

为了解决高分辨率遥感影像中相同地物目标异质性和空间破碎性增大及不同地物目标的相似性增强所带来的分割新问题,该文提出一种融入空间关系的高斯混合模型(GMM)高分辨遥感影像监督分割方法。该方法首先按分割区域进行监督采样,并通过最小二乘法进行直方图拟合,对影像中的每个类别区域建立GMM用来精确表征高分辨遥感影像每个分割区域复杂的地物光谱特征;然后在GMM的概率测度域融入空间关系,使每个像素的区域所属由该像素邻域窗口内所有像素概率测度共同决定,以刻画高分辨率遥感影像中像素间的空间相关性;最后按照最大概率测度原则完成对高分辨率遥感影像的分割。为了验证文中算法的可行性与有效性分别对合成影像及真实高分辨率遥感影像进行分割实验,并和经典的FCM方法及HMRF-FCM方法进行对比,定量与定性的结果证明了文中方法能够提高分割精度。     

空间金字塔与局部感受野相结合的相关熵极限学习机

针对空间金字塔词袋模型中空间特征分布信息利用效率低,各类特征融合不充分的问题,该文提出空间金字塔与局部感受野相结合的相关熵极限学习机(SR-CELM).在特征提取部分,利用多尺度局部感受野对生成的多层级的字典特征分布图进行卷积,并引入局部位置特征和全局轮廓特征.在特征分类部分,提出一种新的网络以融合各部分特征.同时在传...     

A CBIR system based on saliency driven local image features and multi orientation texture features

In Content-based Image Retrieval (CBIR), the user provides the query image in which only a selective portion of the image carries the foremost vital information known as the object region of the image. However, the human visual system also focuses on a particular salient region of an image to instinctively understand its semantic meaning. Therefore, the human visual attention technique can be well imposed in the CBIR scheme. Inspired by these facts, we initially utilized the signature saliency map-based approach to decompose the image into its respective main object region (ObR) and non-object region (NObR). ObR possesses most of the vital image information, so block-level normalized singular value decomposition (SVD) has been used to extract salient features of the ObR. In most natural images, NObR plays a significant role in understanding the actual semantic meaning of the image. Accordingly, multi-directional texture features have been extracted from NObR using Gabor filter on different wavelengths. Since the importance of ObR and NObR features are not equal, a new homogeneity-based similarity matching approach has been devised to enhance retrieval accuracy. Finally, we have demonstrated retrieval performances using both the combined and distinct ObR and NObR features on seven standard coral, texture, object, and heterogeneous datasets. The experimental outcomes show that the proposed CBIR system has a promising retrieval efficiency and outperforms various existing systems substantially.     

基于重叠网络结构的服务功能链时空优化编排策略

网络功能虚拟化(NFV)的引入大幅降低了互联网业务的运营成本。针对现有的服务功能链(SFC)编排方法无法在优化底层资源的同时保证业务时延性能的问题,该文提出一种基于重叠网络结构的SFC时空优化编排策略。在将计算、网络资源与细粒度时延约束纳入考虑的基础上,该策略通过建立重叠网络模型实现了计算与网络资源的分离,将构建SFC所需的资源开销与相关时延共同抽象化为重叠网络链路权重,从而使SFC编排问题转化为易于求解的最短路径问题。对于需要批量处理的SFC集合设计了基于重叠网络的模拟退火迭代优化编排算法(ONSA)。通过对比实验证明了该策略下编排方案的平均端到端时延、链路资源占用率与运营开销相对其他方案分别降低29.5%, 12.4%与15.2%,请求接受率提高22.3%,虚拟网络功能(VNF)负载均衡性能得到显著提升。     

基于局部最优匹配的斜视SAR子孔径成像算法

斜视合成孔径雷达(Synthetic Aperture Radar, SAR)能够对雷达平台的侧前或侧后方区域进行观测,极大地增加了雷达的探测范围和灵活性。针对斜视SAR子孔径成像,该文提出一种基于局部最优匹配准则的成像算法。该算法在针对某方位频率构造对应的距离徙动校正、2次距离压缩以及方位补偿函数时,以位于该方位频率处的点目标得到最佳匹配为准则,不同于传统方法的以方位中心点获得最佳匹配为准则,从而能够避免距离方位中心较远的目标的失配,有效地改善了方位边缘区域的聚焦效果。文中通过点目标仿真验证了该算法的有效性。     

一种空间相关性与隶属度平滑的FCM改进算法

针对传统的模糊C均值(Fuzzy C-Means, FCM)及其改进算法对样本进行聚类时存在对噪声敏感及边界样本聚类不够准确等问题,该文提出一种基于空间相关性模糊C均值聚类改进算法。首先分析样本的空间分布特征及相互影响,设计样本的影响值来改进聚类中心计算方法及距离计算函数,然后结合邻域信息,通过在邻域内样本隶属度求和过程中引入一控制参数来重新定义模糊隶属度矩阵,从而实现邻域样本的隶属平滑。理论分析和实验表明,改进算法对含有大量噪声的样本及图像中各区域边界值的处理有较好的效果。