三种图像检索技术的比较研究

图像检索是很多研究中的关键技术,本文对图像检索的现状和发展趋势进行了全面的综合论述,根据不同的图像索引对基于文本的图像检索、基于内容的图像检索和基于语义的图像检索这3种流行的图像检索技术进行了深入的讨论.通过广泛收集资料,对几种技术进行了比较性研究.最后,提出了图像检索技术的发展趋势和研究方向.     

改进颜色和小波变换纹理的图像检索方法研究

针对传统图像检索无法体现对检索示例图像中多个不同对象的检索要求程度的问题,提出一种改进颜色特征和小波变换纹理特征的图像检索方法。首先提取出图像的多个感兴趣区域,由感兴趣的不同程度分别赋予不同大小的权值;然后提取颜色特征和纹理特征,分别用对应位置相似度计算、感兴趣区域与检索数据库中图像整体的相似度计算和整体检索示例图像与检索图像数据库中图像相似度计算三种不同方法计算出两幅图像的相似度,取最大的相似度作为两幅图像的最终相似度;对检索示例图像与检索数据库中每个图像的相似度按大小进行排序,选择最相似的图像作为检索结果。实验结果表明,该方法提高了对图像检索的性能,体现了个性化检索,对图像检索具有很好的效果。     

一个用语义分类实现的图象检索框架

基于语义分类的图像检索是根据图像的逻辑特征和抽象属性进行检索的技术,文章提出了基于语义的图像检索概念模型,在此基础上给出了一个用语义分类实现的的图像检索框架,重点讨论了图像语义分类、图像特征提取、检索匹配等问题。     

基于颜色分布的图像检索系统

基于内容的图像检索日益成为当今图像检索研究的热点。该论文在论述基于颜色直方图的图像检索方法的基础上,将图像重叠分块,提出了基于颜色分布的图像检索方法。最后实现了基于颜色直方图与基于颜色分布的两种图像检索方法的图像检索原型系统,并对实验结果进行了详细的分析和比较。     

可拓方法在图像检索的应用

图像检索技术不断发展,基于文本的检索技术逐渐成熟,但是基于内容的图像检索技术还在探索阶段.在简单介绍图像检索技术的基础上,提出一种可拓方法应用于图像检索的的图像检索方法,并简单分析了其优缺点.     

全局及其个性化区域特征的图像检索

交通领域个性化图像检索的关键是根据业务需求通过重点监控车辆的个性化特征 在海量数据库中进行匹配,其目的是捕获与重点监控车辆相关的卡口信息。目前的图像检索算法包括基于文本的图像检索、基于内容的图像检索方法和基于语义的图像检索。针对交通领域的图像检索需求,提出了一种基于全局以及个性化感兴趣区域特征的图像检索算法。通过使用交通图像库进行检索验证,对个性化特征进行精准滤除,从而得到准确的检索结果。实验表明,此种基于全局特征结合个性化感兴趣区域特征的图像检索算法解决了CNN高层特征对个性化局部特征描述能力低、检索耗时等问题,并通过个性化局部特征提高了检索效果,使得检索率、平均准确率都达到90%,呈现出较好的检索效果,计算速度快,具有较强的鲁棒性和实用性。     

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。     

深度特征的实例图像检索算法综述

基于内容的图像检索算法（CBIR）目标是在数量庞大的图像数据库中通过分析视觉内容,找出与查询图像在语义上匹配或相近的图像。其中通过特征提取获得具有判别性的图像表示对检索结果至关重要。随着深度学习的不断发展,图像检索中使用的图像特征表示方法也逐渐由原来的基于手工特征的方法转变为基于深度特征的方法。通过从特征提取的不同方法角度出发,回顾并追踪了最近基于深度特征的图像检索算法。对基于深度特征的图像检索算法分为基于深度全局特征与基于深度局部特征的图像检索算法两方面进行综述,其中在基于深度局部特征算法中重点关注了深度卷积特征聚合技术。并对现在广泛应用的深度全局与局部特征融合的图像检索方法进行归纳。探讨了深度特征的实例图像检索技术在遥感图像检索、电子商务产品检索和医疗图像检索领域中的实际应用,并比较这些特征提取算法在图像检索精度方面的表现。最后展望了深度特征提取技术在实例图像检索领域的未来研究趋势。     

跨域图像检索综述

受成像载体、成像光谱和成像条件等的影响,跨域图像在不同领域的应用日益增多,跨域图像检索已成为了许多领域研究的热点和前言。然而图像的跨域检索面临着图像视觉偏差的问题,通过传统同域图像检索的方法无法有效地得到结果。通过文献调研,系统梳理了近年来跨域图像检索领域的代表性方法。对跨域图像检索任务作出了简要说明并指出了关键问题;根据图像域的不同转换阶段,将跨域图像检索方法分为两类：基于特征空间迁移和基于图像域迁移的跨域图像检索方法,并对两类方法进行了系统总结和分析;整理了跨域图像检索在不同领域的数据集,对比了各类方法的性能;总结了现有跨域检索方法并对未来的研究方向进行了展望。     

基于感知哈希和视觉词袋模型的图像检索方法

针对移动增强现实中图像检索技术耗时长导致的实时性不高的问题,提出了一种 基于感知哈希和视觉词袋模型结合的图像检索方法。图像检索过程中,在保证一定正确率的基 础上加快了检索速度。首先,对数据集图像使用改进的感知哈希技术处理,选取与查询相似的 图像集合,达到筛选图像数据集的作用;然后,对相似图像集使用视觉词袋模型进行图像检索, 选取和查询图像中目标一致的目标图像。实验结果表明,该方法相比较视觉词袋模型算法检索 的平均正确率提高了 3.2%,检索时间缩短了 102.9 ms,能够满足移动增强现实中图像检索的实 时性要求,为移动增强现实系统提供了有利的条件。     

交通标志识别特征提取研究综述

交通标志识别(TSR)是智能交通系统(ITS)的一个重要研究方向,而特征提取是交 通标志识别研究中的重点。聚焦交通标志识别的特征提取,综述了常见的人工特征(颜色直方图、 尺度不变特征变换特征、局部二值模式特征、方向梯度直方图特征、Haar-like 特征、Gabor 小 波特征、Canny 特征等)和深度特征(提取自 AlexNet,VGG16,Inception 等),并在同一数据集 (GTSRB)上提取多种特征,采用相同分类器,通过相同评价指标体系进行定量比较与分析,并 以图表方式,针对不同特征和不同交通标志类别,进行直观的性能比较研究,以期为交通标志 识别时特征向量的选择和深入研究提供参考。     

面向图文匹配任务的多层次图像特征融合算法

现有主流的利用预训练卷积神经网络提取图像特征的方法存在仅使用单层预训练特征表征图像和预训练任务与实际研究任务不一致的问题,使得现有图文匹配方法无法充分利用图像特征,极易受到噪声特征干扰。针对上述问题,使用了预训练网络中的多层特征,并提出了多层次图像特征融合算法。在图文匹配的学习目标指导下,利用多层感知机（multi-layer perceptron）有监督地融合和降维多层次的预训练图像特征,生成融合图像特征,从而充分利用预训练特征,减少噪声干扰。实验结果表明,提出的融合算法可实现对预训练的图像特征更有效的利用,相比于使用单层次特征的方法能获得更好的图文匹配效果。     

融合内容与时间特征的中文新闻子话题聚类

子话题是对话题的再次划分,是比话题粒度更细的新兴研究方向,子话题的聚类是话题内部演化关系分析的基础。提出了融合内容特征和时间特征的中文新闻子话题聚类方法,重点分析了子话题内容特征的表现规律,研究了子话题特征词的权重计算和降维方法。选取5个话题的18个子话题进行了实验,结果表明,所提方法的性能与已有的子话题聚类方法相比有显著提高。     

音乐可视化研究综述

随着计算机技术的发展,音乐可视化日益得到研究机构和公司的重视,出现了各种音乐可视化系统。作为一种新的可视化技术,音乐可视化更多地关注音频和图形、图像的关系,是跨音乐、数字音频、图形学、图像处理、虚拟现实等领域的又一新的研究方向,在娱乐、教育、艺术和商业中具有广阔的应用前景。本文介绍了音乐可视化的概念和分类,探讨了音乐可视化的研究内容与国内外研究进展,分析了当前亟待解决的问题,并展望了未来的发展趋势。音乐可视化是一种新的概念系统,但也存在很多问题需要解决,其研究具有很强的理论和实用意义。     

基于灰度共生矩阵的纹理特征提取①

纹理广泛存在于自然界中,是物体表面最本质的属性。纹理分析技术一直是热门的研究领域,纹理特征提取作为纹理分析的首要任务更是人们研究的焦点。针对五种木材纹理提出了用灰度共生矩阵的方法提取纹理特征,通过MATLAB仿真实现,结果表明由灰度共生矩阵产生的四个纹理特征能有效的描述木材的纹理特征,具有较好的鉴别能力。     

基于图像处理的温室大棚中番茄的病害识别

为了准确有效判定温室大棚中番茄病害,利用图像处理和模式识别技术对其（早疫病、睨疫病、叶霉病）进行识别。经过刚像预处理后将叶片病害部位颜色及形状特征提取出来,并通过实验的方法,选取确定了5种显著性较大的特征用于研究,根据最后选取的特征值（颜色特征u,v;形状特征：圆度、复杂度、伸长度）采用贝叶斯判别法对番茄痫害进行识别。取每种病害各40组数据进行实验,结果表明早疫病、晚疫病识别率达到92％,叶霉病识别率达到96％。研究表明该方法能对番茄病害进行有效的识别,并有较高的识别率。     

浅析云南斑铜艺术特征

本文通过斑铜艺术的分析,以云南斑铜的艺术特征为主要研究点,从斑铜的材质、造型、装饰、文化方面入手,论述了云南斑铜工艺的主要艺术特征,并对其进行归纳与总结,以期为云南斑铜艺术的发展提供参考。     

A Bayesian network-based framework for semantic image understanding

Current research in content-based semantic image understanding is largely confined to exemplar-based approaches built on low-level feature extraction and classification. The ability to extract both low-level and semantic features and perform knowledge integration of different types of features is expected to raise semantic image understanding to a new level. Belief networks, or Bayesian networks (BN), have proven to be an effective knowledge representation and inference engine in artificial intelligence and expert systems research. Their effectiveness is due to the ability to explicitly integrate domain knowledge in the network structure and to reduce a joint probability distribution to conditional independence relationships. In this paper, we present a general-purpose knowledge integration framework that employs BN in integrating both low-level and semantic features. The efficacy of this framework is demonstrated via three applications involving semantic understanding of pictorial images. The first application aims at detecting main photographic subjects in an image, the second aims at selecting the most appealing image in an event, and the third aims at classifying images into indoor or outdoor scenes. With these diverse examples, we demonstrate that effective inference engines can be built within this powerful and flexible framework according to specific domain knowledge and available training data to solve inherently uncertain vision problems.     

数字视频区域篡改的检测与定位

目的 数字视频区域篡改是指视频帧图像的某个关键区域被覆盖或被替换,经过图像编辑和修补之后,该关键区域的修改痕迹很难通过肉眼来分辨。视频图像的关键区域承载了视频序列的关键语义信息。如果该篡改操作属于恶意的伪造行为,将产生非常严重的影响和后果。因此,视频区域篡改的检测与定位研究具有重要的研究价值和应用前景。方法 数字图像的复制粘贴篡改检测已经取得较大的研究进展,相关研究成果也很多。但是,数字视频区域篡改的检测与定位不能直接采用数字图像的复制—粘贴篡改取证算法。数字视频区域篡改检测与定位是数字视频被动取证研究领域中的一个新兴的研究方向,近年来越来越多的学者在该领域开展研究工作。目前,数字视频的区域篡改检测与定位研究还缺少完善的理论支撑和通用的检测与定位算法。在广泛调研最近几年的最新研究成果的基础上,对数字视频区域篡改的被动取证概念及重要性进行了介绍,将现有的数字视频区域篡改被动取证算法分为4类：基于噪声模式的算法、基于像素相关性的算法、基于视频内容特征的算法和基于抽象统计特征的算法。然后,对这些区域篡改检测与定位的算法进行对比分析,并介绍现有的视频区域篡改软件和算法,以及篡改检测算法的测试数据库。最后,对本研究领域存在的问题和挑战进行总结,并对未来的研究趋势进行展望。结果 选取了20篇文献中的18种算法,分别介绍每种算法的算法原理,并对这些算法进行对比分析。大部分的算法都宣称可以检测并定位出篡改可疑区域,但是检测和定位的精度、计算复杂度都各有差异。其中,基于时空域的像素相关性分析的算法具有较好的检测和定位效果,并且支持运动背景视频中的运动目标删除篡改检测和定位。基于光流平滑性异常的算法和基于运动目标检测的算法都是基于公开的视频篡改测试库进行比较测试的,两种算法都具有较好的检测和定位效果。基于隐写分析特征提取的集成分类算法虽然只能实现时域上的篡改定位,不能实现更精细的空域篡改定位,但是该算法为基于机器学习的大规模视频篡改取证研究提供了新思路和可能的发展方向,具有较大的指导意义。结论 由于视频编码压缩引入噪声,以及视频区域篡改软件工具和技术的改进,视频区域篡改检测和定位仍是一个极具挑战的课题。未来几年,基于视频内容特征和抽象统计特征的视频区域篡改检测和定位算法,有可能结合深度学习算法,得到进一步的研究和发展;相关的理论算法、系统模型和评价标准等研究成果将逐步完善。     

基于不完全小波树型结构的图像纹理特征研究

图像纹理特征的研究作为一个热点和难点问题为图像检索、景物识别和目标定位等应用领域提供了一种重要途径。近年来,小波域的图像处理和分析受到关注,但基于小波域图像特征的研究相对滞后。通过分析图像纹理及其空间域特性,同时对图像不完全树型小波结构的分解过程和存在的问题进行讨论,对基于不完全小波树型结构的纹理特征进行研究,给出了小波域描述图像纹理的若干特征,提出了描述图像方向性的两个特征,同时对这些特征在图像检索中的应用过程和应用范围进行了说明。实验结果验证了所提出纹理特征的有效性。