基于小波突出点颜色及空间分布的图像检索算法

分析了基于兴趣点的图像检索方法的缺点,提出了一种基于小波突出点的图像检索新方法。该方法在小波域提取突出点,这些突出点既表示了全局变化也表示了局部变化;然后以小波突出点为线索,设计了基于小波突出点的环形颜色直方图,既利用了小波突出点的局部特征,又考虑了小波突出点的空间分布结构;用图像间的环形颜色直方图距离来度量图像间的相似性。该检索算法不但保证了对图像旋转、平移鲁棒性,而且克服了传统直方图没有空间位置的缺陷。实验结果表明,该方法对图像检索是有效的。     

基于兴趣点的图像检索

在基于内容的图像检索中,往往使用颜色、纹理以及形状的全局特征来描述图像,然而全局特征不能描述图像的细节,丢失了图像的空间信息。文章利用兴趣点来灵活描述图像的局部信息,提取兴趣点周围的颜色矩作为局部特征,通过兴趣点的匹配和带权投票来进行相似度量,几何哈希技术的使用增强了兴趣点间的正确匹配。实验证明了这种方法的有效性,具有旋转、平移和部分的尺度不变性。     

一种改进的提取显著点的图像检索技术①

在基于目标区域的图像检索中,显著点是一种重要的点特征。针对经典的显著点提取算法SPARSE（Salient Points Auto-Reduction using Segmentation）存在的复杂度高等问题,提出了一种改进算法,利用动态阈值分割算法中的类间方差和类内方差对图像进行分割,然后用三个颜色特征和三个纹理特征对分割出的显著点进行特征标注,最后用欧氏距离对显著点特征向量进行相似性度量。实验结果表明,改进后算法提取的显著点用于图像检索具有较好的检索效果。     

基于局部颜色-空间特征的图像语义概念检测

针对基于语义的图像检索系统,提出了一种基于局部颜色-空间特征的图像语义概念检测方法。各种基于颜色、纹理和形状的全局特征都存在着众多信息冗余项和干扰项,而该文提出的局部颜色-空间特征则是利用语义概念层的先验知识进行特征降维后提取出的特征,它能更好地描述图像的语义内容,且具有容易提取、计算复杂度低的优点。实验结果表明,基于局部颜色-空间特征的概念检测方法优于基于全局特征的概念检测方法,将其用于图像检索后的检索精度比采用基于全局颜色特征的方法提高了36.4%。     

基于显著区域和pLSA的图像检索方法

由于利用全局特征的图像检索方法在很大程度上受到背景的影响,提出了一种基于显著区域和pLSA相结合的图像检索方法。该方法首先通过谱残差和多分辨率分析提取图像的显著目标区域,其次计算所有图像显著区域的颜色和纹理特征并利用K-均值聚类生成视觉词汇表,然后将每幅图像表示成若干视觉词汇的集合。最后利用概率潜在语义分析（pLSA）来提取区域潜在语义特征,并使用该特征构建SVM分类器模型进行图像检索。将本方法和基于全局特征的图像检索方法比较,实验结果表明,基于显著区域的图像检索结果更加准确。     

In depth analysis and evaluation of saliency-based color image indexing methods using wavelet salient features

Nowadays, most of the research works in the area of image retrieval try to build an image signature by considering the image as a whole. In this paper, we proposed an alternative based on the detection of some salient points in the image. For this purpose, we propose a new efficient salient point detector based on a wavelet transform. The efficiency of our detector lies in the representation of the wavelet coefficients by a zerotree data structure and by a saliency formulation that does not favor any direction. Thus, the detected salient points are located on sharp region boundaries whatever their direction. From the detected salient points, we build a color/texture signature by using jointly the well-known color correlogram extended to salient features and rotated wavelet filter responses. Experimental results conducted by adopting a global salient approach and a local salient approach show the effectiveness of the proposed scheme.     

一种基于显著点和SVM相关反馈的图像检索方法

针对传统基于全局特征的图像检索方法存在的不足,提出一种基于显著点特征和SVM(support vector machine)相关反馈相结合的图像检索方法.显著点提取方法是对图像进行小波分解,选择粗分辨率下绝对值较大的小波系数,它们对应原图像中变化较大的区域,然后在细分辨率下跟踪这些小波系数,提取原图像中的能代表这些变化的点,即显著点;然后利用显著点的空间分布信息,提取显著点周围局部区域的特征进行检索,并对检索结果进行SVM相关反馈.实验结果表明,引入反馈的方法可有效地检索更多的相关图像,明显提高了检索的准确性.     

基于特征点匹配和哈希法的图像检索方法

提出一种基于点特征匹配和几何型哈希法的图像检索方法。利用小波变换提取图像的突变点，以点为辜心划定一小块区域，将图像划分成图像块。提取块的低层次特征矢量，将两幅图像之间的匹配转换成图像块之间的匹配。并采用几何型哈希索引方法实现图像的快速检索。实验证明，这种方法能够取得较高的检索精度，且对图像形变以及局部遮挡等都有较好的适应能力。     

基于显著点和关键块相结合的图像检索方法

提出了一种基于小波变化显著点和基于关键块相结合的图像检索方法。首先利用小波变换提取图像的显著点,然后将图像划分成均匀的图像块,将图像块分为有显著点的和无显著点两类。提取块的低层次特征矢量,将两幅图像之间的匹配转换成图像块之间的匹配。在图像检索时,通过对这两类图像块分别进行相似性度量,对得到的结果加以不同的权重,以实现对图像局部或全局不同要求的检索。     

基于兴趣点颜色及纹理特征的图像检索算法

提出一种利用兴趣点进行局部特征提取及检索的新方法。该方法利用图像中兴趣点的位置信息,提取兴趣点周围局部区域的颜色及纹理特征作为刻画图像内容的主要特征,结合兴趣点的空间分布对相似图像进行检索。对真实图像数据库的检索实验表明,该方法与其他基于兴趣点的方法相比,平均检索准确率提高了11%,能够更准确地查找到用户所需的图像。     

Visual information retrieval system via content-based approach

In this paper a content-based image retrieval method that can search large image databases efficiently by color, texture, and shape content is proposed. Quantized RGB histograms and the dominant triple (hue, saturation, and value), which are extracted from quantized HSV joint histogram in the local image region, are used for representing global/local color information in the image. Entropy and maximum entry from co-occurrence matrices are used for texture information and edge angle histogram is used for representing shape information. Relevance feedback approach, which has coupled proposed features, is used for obtaining better retrieval accuracy. A new indexing method that supports fast retrieval in large image databases is also presented. Tree structures constructed by k-means algorithm, along with the idea of triangle inequality, eliminate candidate images for similarity calculation between query image and each database image. We find that the proposed method reduces calculation up to average 92.2 percent of the images from direct comparison.     

一种基于颜色统计聚类的医学图像检索技术

基于颜色检索的基本思想是将图像间的距离归结为其颜色直方图间的相似性度量,从而图像检索也就转化为颜色直方图的匹配。目前基于颜色检索的算法主要集中在不同颜色空间进行全局颜色聚类或融合其他可视特征(纹理,颜色空间信息等)联合检索两个方向上。该文在具体的结肠镜图像检索系统研究中,根据医学图像的特点,提出一种在HSV空间的颜色统计聚类的检索方法,取得了良好的检索效果。     

局部自相关函数在基于内容的图像检索中的应用

在图像检索领域中,为了更加方便、高效地进行图像检索,文中提出了一种新的图像检索特征——局部自相关特征,为基于内容的图像检索提供了新的工具,它兼具方向特征和纹理特征。利用提出的局部自相关特征在Corel10K图像库上进行了大量的实验,实验结果表明局部自相关特征的平均检索精确度和召回率虽然低于颜色特征,但高于方向特征,是除颜色特征之外又一个高效的图像检索特征。     

基于边缘网格的图像检索算法研究

为了准确高效地进行彩色图像检索，结合图像空间分布特性，提出了一种基于边缘刚格的图像检索新算法，不仅利用了彩色边缘的颜色统计信息，而且考虑了彩色边缘像素点的径向与角向分布特性。该算法首先利用Canny检测算子提取出原始图像的彩色边缘信息；然后将整个彩色边缘划分成局部刚格区域，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，用于进行彩色图像检索。仿真实验表明，该算法不仅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。     

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。     

综合颜色和纹理特征的图像检索算法

基于内容的图像检索是当前多媒体信息检索的热点之一。基于内容的图像检索技术是根据对图像内容(特征)的描述和提取,在图像库中找到具有指定内容(特征)的图像。本文对图像颜色特征和纹理特征的提取、相似性度量等基于内容的图像检索的关键技术进行了分析和研究,并在此基础上,提出了一个基于颜色特征和纹理特征的图像检索算法并验证了其有效性。该算法采用HSV颜色空间的直方图作为颜色特征向量,采用灰度共生矩阵的四个纹理特征:能量、熵、惯性矩和相关性构成纹理特征向量,采用欧氏距离进行相似性度量。实验结果表明,该算法实现的系统具有良好的图像检索功能。     

小波图像色彩索引的凸点提取算法

通过在凸点的位置提取色彩信息来计算全局色彩特征能够较好地捕捉局部图像信息，对角度的变化更具鲁棒性．实验结果表明，应用文中方法计算全局色彩特征，可以明显地改进检索效果．     

基于加权颜色分层和纹理单元的图像检索算法

针对仅使用单一颜色或纹理特征并不能达到较好的图像检索效果的问题,提出了一种结合颜色和纹理特征的图像检索算法。首先,颜色微观部分利用颜色直方图,刻画每种颜色的像素占整个图像的比例;然后,宏观部分应用颜色熵和位平面熵分别对图像处理,其中位平面熵取特征较明显的前4层,并对每层的位平面熵加权;最后,根据定义的五种基本纹理结构基元中各像素点的颜色值和角度值,结合颜色特征,实现图像检索。实验结果表明,加权位平面熵和不加权位平面熵比较,在Corel-1000数据集上平均查准率和平均查全率分别提高10.01个百分点和1.2个百分点。结合颜色和纹理特征的图像检索算法与仅表现纹理特征的结构元素描述(SED)方法相比,在Corel-10000数据集上平均查准率和平均查全率分别提高4.3个百分点和2.1个百分点,有效地提高了图像检索效果。     

Boosting color saliency in image feature detection

The aim of salient feature detection is to find distinctive local events in images. Salient features are generally determined from the local differential structure of images. They focus on the shape-saliency of the local neighborhood. The majority of these detectors are luminance-based, which has the disadvantage that the distinctiveness of the local color information is completely ignored in determining salient image features. To fully exploit the possibilities of salient point detection in color images, color distinctiveness should be taken into account in addition to shape distinctiveness. In this paper, color distinctiveness is explicitly incorporated into the design of saliency detection. The algorithm, called color saliency boosting, is based on an analysis of the statistics of color image derivatives. Color saliency boosting is designed as a generic method easily adaptable to existing feature detectors. Results show that substantial improvements in information content are acquired by targeting color salient features.     

一种高效的基于局部特征的显著区域检测算法

图像特征提取是图像/视频检索问题的关键。研究人员发现,假如对整张图像或视频帧做特征提取,会产生大量的特征信息,从而影响图像/视频帧的匹配时间。由于人们通常只对图像中部分关键的区域感兴趣,因此在对图像做局部特征提取时可以先对图像进行显著区域检测,排除非关键区域上的特征信息,从而减低匹配所需的特征点数,提高匹配的处理速度。但是由于传统的显著区域检测算法计算复杂,会对图像特征提取过程产生额外的时间开销。提出一种快速的显著区域检测算法,根据局部特征提取算法特征检测阶段得到的特征点分布,利用最大子矩阵和算法,在损失较小的准确度的情况下快速检测出图像的显著区。