基于颜色值的面料图像检索系统

纺织面料的种类越来越多,为了有效管理和使用面料,建立面料图像检索系统成为必然.文章提出了面料图像中的主要颜色数及颜色值的提取方法,并使用HSV量化方法对提取出的颜色值进行量化,然后存储进数据库中.提出了以颜色RGB值为检索条件,基于面料颜色值进行面料图像检索的方法,并实现了基于颜色值检索方法的面料图像检索原型系统.通过对面料图像检索原型系统进行实验,证实了基于颜色值的检索方法的有效性.     

基于内容的图像检索技术研究

讨论了基于内容的图像检索技术中特征提取与特征匹配算法,诸如颜色直方图、颜色矩、灰度共生矩阵、边界特征法等的优缺点,对查全率和查准率、检索速度和检索时间等图像检索的评价标准以及排序评价法进行研究,指出改进索引机制、引入相关反馈技术等是值得深入研究的方向.     

结合显著区域检测和手绘草图的服装图像检索

针对服装图像检索准确率和效率较低的问题,提出一种服装显著区域检测和手绘草图的服装图像检索方法。首先采用正则化随机漫步算法对输入的服装图像库进行视觉显著区域检测,并结合其边缘轮廓信息,得到服装显著边缘图像;其次,对输入的服装草图和服装边缘图像进行特征提取,得到服装草图和服装边缘图像各自的方向梯度直方图(HOG)特征;然后,通过计算服装草图特征和服装边缘特征的相似度,实现特征匹配;最后,按照特征匹配结果在服装图像库中检索与服装草图相似的服装图像,采用基于距离相关系数的重排序算法对其相似度进行排序并输出检索结果。结果表明,该方法提高了服装检索的准确率,具有较好的鲁棒性,检索准确率可达78.5%。     

基于内容图像检索的关键技术研究

基于文本的图像检索技术 20世纪70年代末期,基于文本的图像检索技术（text-based image retrieval）是将图像作为数据库中存储的一个对象,用关键字或自由文本对其进行描述。查询操作是基于该图像的文本描述进行精确匹配或概率匹配,有些系统的检索模型还有词典支持。另外,图像数据模型、多维索引、查询评价等技术都在这样一个框架下发展起来。然而,完全基于文本的图像检索技术存在着严重的问题。     

基于迁移学习的小样本织物图像自动分类与检索系统

针对织物图像在电子商务、库存管理等领域的应用存在分类繁琐、检索精度不高等问题，提出了一种基于迁移学习的小样本织物图像自动分类与检索系统。首先，设计并改进了基于迁移学习的深度学习模型，对其进行微调；然后基于小样本织物图像集训练，生成新的分类模型，实现织物图像自动分类；最后，去除新模型中的分类层，提取数据集所有织物图像的图像特征，存储到Milvus向量数据库中，输入待检索织物图像，选择相似度计算方法，实现织物图像top k检索。实验结果表明：预训练模型经重新设计及训练后，织物图像识别精度可达99.5%,top 5检索的平均精度均值为0.992,平均查准率为99.65%,平均检索时间0.165 3 s。通过系统的实施，可为小样本织物图像分类与检索领域现存问题提供可行的解决方案。     

利用颜色和纹理进行图像检索的算法分析

自从上世纪70年代,人们就开始了对图像检索技术的研究,但是只是基于文本方面的,而且仅仅是利用文本的方式对图像的特征进行简单的描述。后来,人们不在满足于简简单单的图像检索方法,进而又开始进行了更深层次的开发,这样就出现了利用颜色和纹理对图像的检索和分析的方法,这种检索的方法是基于图像的内容进行检索的一种方法。这种检索方法只是对文本进行检索的方法更为精确。所以人们开始使用这种利用颜色和纹理进行检索的方法,进而研究了这种检索方法的检索算法。在利用颜色和纹理进行图像检索的算法中,要对图像进行分割,利用分割好的图像进行颜色平均值的换算,再把颜色平均值进行低频分量,把它作为颜色的特征。在根据边缘直方图来提取检索内容的纹理特征,最后根据这两个特征进行图像的检索。在本文中关于检索的算法的实践性进行了说明,这样的检索算法可以有效的提高图像的准确率。     

融合颜色和边缘特征的织物图像检索算法

为解决单一特征检索精度不高的问题,提出一种基于分块颜色直方图和边缘方向直方图的检索算法。将图像转换到HSV颜色空间,并进行图像分块得到子块颜色特征;通过Canny算子提取图像边缘信息,获得边缘方向特征;利用卡方距离分别度量颜色特征与边缘特征的相似性,实现图像检索。该算法对织物图像的平均检索查准率达80.83%。认为:该织物图像检索系统对织物检索有较高针对性,能够获得较好的检索效果。     

基于边缘和颜色特征的织物印花花型检索

针对织物印花花型同型不同色和同形异构的特点,提出了一种综合花型边缘和颜色特征的图像检索算法。首先利用中值滤波对花型图像进行滤波去噪,并采用Canny算子获取花型边缘;以边缘像素坐标加权中心点为圆心,将各边缘点划分到若干等距环面内,提取花型边缘距离直方图,并在对边缘像素点直线拟合基础上,提取边缘方向直方图;然后在HSV空间内对彩色边缘进行颜色量化,提取各颜色分量构成颜色直方图;最后对3种特征分别进行相似性度量,并赋予三者不同权重予以结合,获得图像间相似度。结果表明,该算法具有平移、缩放、旋转不变性,并能兼顾边缘特征和颜色特征对检索结果的影响,准确区分同型不同色和同形异构的花型图案,该算法平均查准率可达93.17%。     

一种基于内容的视频检索系统设计

随着多媒体技术的迅猛发展,数字视频信息量飞速增长。如何有效地在海量视频数据中查找用户感兴趣的内容,已经成为当今信息社会亟待解决的技术问题。本设计针对互联网视频的检索,分别从基于文本的方法和基于视频内容的方法出发,研究包括视频网页的识别和视频文本特征提取以及大规模视频数据处理等视频检索系统中的关键技术和问题,设计并实现了通用的视频检索系统。     

基于GPQ半监督神经网络的织物图像检索

为提升织物图像检索的准确性,采用改进的广义产品量化(generalized product quantization, GPQ)半监督神经网络实现弱纹理织物图像的检索。通过CLAHE方法增强织物图像纹理,加强底层纹理特征,以降低深度学习特征过拟合的概率。利用GPQ框架中产品量化、基于余弦相似性分类器和子空间极小最大熵损失计算,对提取的特征向量进行归一化,寻找最相似织物图像。实验中采用的织物数据集包含了12类不同纹理形式的织物试样,共计1 800幅图像。分别对比了基于颜色直方图的词袋模型、尺寸不变特征变换模型、最近邻和优化产品量化算法。结果表明：改进的GPQ半监督神经网络方法的平均精度均值达到89.47%,检索性能最优。该方法能批量、低成本检索出相似织物图像,提高织物图像检索的准确性。     

基于纹理特征提取的图像相似性检索

本文是一种基于灰度共生矩阵的图像相似性检索算法,首先将图像分成互不重叠的子图像块,根据子图像块中像素间灰度差别重新设置每个像素的灰度值为0或1,然后将整个图像重新划分成子块,对子块编码,最后借助共生矩阵提取的不同方向的特征值来检索图像的相似性。实验结果表明本文算法对图像相似性的检索比传统方法GLCM、CCM更有效,且检索效率较高,更重要的是此算法还可以反应不同方向上图像的相似度。     

视频镜头检测与关键帧提取技术研究

镜头检测与关键帧提取是基于内容的视频检索系统的核心技术。介绍视频检索系统产生的背景和相关技术,研究和分析当前已有的镜头检测与关键帧提取算法,提出存在的不足和缺点,并给出相应的解决方案。     

基于内容的植物叶片图像检索分析

本文就保护植物的实际意义出发，介绍了以CBIR技术为中心的植物分类与检索方法，它具有长远的应用意义。简要概述了基于内容的图像检索的关键步骤，着重阐述了基于内容的植物叶片检索国内外研究现状，对其发展趋势做出了展望。     

蕾丝花边的改进型纹理特征检索方法

针对传统的蕾丝花边检索主要依赖于人的视觉检测及文本检索,存在信息不稳定、效率低、检索效果不可靠的现象,提出了一种基于层次匹配下多特征融合的蕾丝花边检索方法。通过运用图案纹理特征标识图像,首先分别用灰度共生矩阵、灰度梯度共生矩阵、局部二进制算子提取纹理特征进行匹配。然后将3种提取纹理特征方法分别结合几何特征、不变矩特征量进行逐层匹配。最后将层次匹配下各个纹理特征进行融合,弥补了单个匹配方法的不足,同时在蕾丝花边库中验证所用检索方法的正确率。分析结果表明,该方法优于任意单个的蕾丝花边匹配方法,能较好地实现蕾丝花边检索,有效地提高图案检索的可靠度和准确率。     

利用相关反馈技术和形状特征的服装图像检索算法

基于内容的图像检索在服装电子商务中是受关注的研究热点。形状特征是服装图像的最重要的视觉特征之一,但基于形状特征的图像检索一直是图像处理领域多年的难题。为了提高准确性,提出一种利用通用Fourier描述子与改进的相关反馈技术来提高服装图像检索精度的算法。通用Fourier描述子在所有形式的Fourier描述子中性能突出,同时根据样本的概率分布改进了查询向量优化算法中的权值计算方式,使相关尺度更加合理。实验结果表明所提出的算法相较于传统算法的优势。     

基于问答式语义检索系统中对用户提问处理研究

基于法律框架网络问答系统旨在以法律框架网络本体为基础,选择法律领域作为研究对象,进行问句处理的研究,探索新型的问答系统设计技术,来满足用户准确检索信息的需求。本文首先利用依存关系表示查询问句的句法关系,然后将问句与模板库中的模板进行匹配,以确定问句配价模式,从而实现对查询问句的框架语义标注,为下一步基于问答的框架语义检索系统的设计奠定基础。     

国内交互式图像检索技术专利分析

交互式图像检索技术是一种基于内容的图像检索技术,通过用户参与,由用户对检索结果进行标注和选择或者由用户提供文本、图像或音频等内容来实现与计算机的交互式相关图像的检索。交互式图像检索技术有助于提高图像检索效率及用户体验。文章通过对交互式图像检索技术的专利进行检索与统计,分析了交互式图像检索领域的专利分布状况,重点对国内交互式图像检索技术进行分析,并在此基础上形成结论和建议。     

基于Web的图像检索系统设计

提出了一种基于Web的图像检索模型，该模型采用J2EE设计模式和MVC结构进行设计，整个模型由显示视图、控制视图、查询模型和数据库系统等4部分组成．在检索方面，主要采用颜色、形状、纹理等相对成熟且高效的检索方法．文中还介绍了整个系统的运行机理，并进一步给出了各部分的描述。     

基于交互式遗传算法的三维服装款式研究

为进一步提高三维服装设计的用户满意度,提出了一种基于交互式遗传算法的服装款式设计方法。首先构建交互式遗传模板,实现款式部件与遗传操作的对接,接着通过建立服装款式部件库,采用基于染色体指针的编码方式,实现三维服装部件遗传操作,最后通过对比实例验证本文所提算法的可行性。研究结果表明:构建交互式遗传模板,可以不断改进款式部件库;采用基于染色体指针的编码方式,可以实现复杂度较高的三维服装部件遗传操作;另外,该算法的美观度比传统遗传算法和二维裁片法分别提高18%和35%,表明通过交互进化可以快速提升用户的满意度。     

基于卷积神经网络的食品图像识别

目的 探究一种基于Inception_V3-CNN模型的食品图像识别和分类方法。方法 选取包含20类食品和19609张的食品图像建立数据集Food-101, 通过卷积神经网络(convolutional neural networks, CNN)提取图像候选区域的视觉特征, 并自动进行分类, 使其具有较高的识别率; 此外, 采集来自kaggle库中已标注的食品图像集做预测对比实验, 以保证Inception_V3-CNN模型检测的准确度。结果 该方法能够去除背景噪音, 且仅需部分提取视觉特征, 可以有效解决网络食品图像的分类问题, 与多视图支持向量机(support vector machine, SVM)+方向梯度直方图(histogram of oriented gradients, HOG)和传统CNN方法相比, 在测试时间相近、设备计算能力相同的条件下, 该方法识别率更高, 迭代次数为15000次时, Loss值降至4.92, 准确率可达93.89%。结论 此方法可以快速识别食品图像, 在实际网络图片中能有较好的可移植性。将算法移植到移动设备中实现APP的模块化操作也将成为后续工作探索的重点方向。