基于改进典型形状上下文特征的形状识别方法

针对形状上下文特征难以解决大规模样本的形状识别问题,提出一种利用角点典型形状上下文特征进行快速形状识别的方法.该方法仅以少数角点作为代表点生成直方图,对目标形状关键特征进行描述,通过减少匹配的特征数目降低了采样点匹配时间;在此基础上提出了局部约束匹配的方法,能够快速实现形状匹配并解决特征旋转不变性的问题,最终通过结合快速剪枝和精确匹配完成形状的识别.对形状数据进行仿真实验的结果证明,文中方法能够快速、有效地实现大规模数据的形状识别和检索.     

基于SIFT和角点特征的商标检索算法

针对基于尺度不变特征变换(SIFT)的商标图像检索对于高度相似的反转商标图像容易出现漏检现象,提出了一种基于SIFT和角点特征的商标图像检索方法,该方法利用商标图像的局部角点特征弥补了SIFT特征的不足。实验结果表明,与现有方法相比,该方法保留了SIFT特征对遮挡、扭曲、噪声等干扰具有很强的抵抗力的优点外,同时增强了算法对图像形状的描述能力,表现出了更好的检索能力和性能。     

一种动画形象素材的形状检索方法

在动画形象的形状检索基础上,通过轮廓分解及Hausdorff距离的改进,提出一种动画形象素材的形状检索方法。该方法对形象进行前期预处理,得到形象二值闭合边界点集;根据边界围成区域的主惯量轴,将形象图片归一化;利用角点检测到的角点对图像的边界分割,每段弧线等距取相同的采样点数,从而将得到的采样点作为动画形象描述特征点集,利用加权Hausdorff距离测量库中图像与示例图像的距离。实验结果表明,与目前已有方法相比,该方法具有较高的检索精度。     

基于角点特征的图像检索新方法

多数基于角点的图像检索方法都是基于角点颜色特征提出的,并没有考虑特征显著性。针对此,对角点的多种特征进行实验分析,利用其中较为显著的两种特征,提出一种基于角点的特征进行图像检索的新方法。算法构建角点的广义灰度共生矩阵作为局部纹理特征;同时提取角点周围区域的Hu不变矩作为局部形状特征。最后对纹理特征和形状特征进行加权运算,将其加权结果作为检索特征实现检索。实验结果表明,选择合适的权值,结合角点的两种特征能实现更好的检索效果。     

利用成对几何直方图改进基于轮廓的图像检索

图像形状特征的提取和描述方法是基于形状的图像检索的重要研究内容.针对已有的基于形状的图像检索中目标形状描述方法的不足来进行了改进.为此,引入了用于描述目标轮廓的成对几何特征(pairwise attributes)即有向相对角和有向相对位置.然后应用到基于轮廓的图像检索中去,来描述图像的形状.实验结果发现用该成对几何特征所描述的形状属性来检索数据库中的图像具有较高的效率.     

基于目标形状的图像检索

针对已有的基于形状的图像检索中目标形状描述方法的不足对其进行改进。首先对目标图像进行一系列预处理,得到图像的外部轮廓,利用改进的霍夫变换提取目标轮廓的线性特征;然后引入成对几何特征即有向相对角和有向相对位置来描述图像的形状;最后利用直方图相交算法衡量图像特征间的相似度。实验证明,利用本文改进的方法所描述的形状属性来检索数据库中的图像具有较高的效率。     

结合轮廓与形状特征的仿射形状匹配

目的 针对仿射变换下形状匹配中存在的描述子对形状的描述能力不足,以及描述子计算耗时大的问题,改进基于所有图像点投影的方法,提出一种利用轮廓计算投影面积的仿射形状匹配算法。方法 该算法分为粗匹配和精匹配两个阶段。粗匹配阶段以CSS角点作为备选特征点,首先统计轮廓投影面积分布作为特征点描述子;然后利用动态规划蚁群算法匹配两幅图片公共特征点序列,并将匹配好的特征点序列记为对应的新特征点;最后采用该新特征点划分目标曲线,得到对应的轮廓曲线;这一阶段的目的是对形状的筛选以及寻找一致的轮廓特征点,同时完成轮廓曲线的划分。精匹配阶段,采用小波仿射不变描述子,对粗匹配阶段匹配代价最小的5%的目标进行对应曲线匹配,得到精匹配阶段的匹配代价,从而实现对仿射目标的识别;精匹配弥补了描述子对轮廓细节描述不足的问题。结果 算法的平均检索速度比传统基于形状投影分布描述子提高44.3%,在MPEG-7图像库上的检索效果为98.65%,在MPEG-7仿射图像库上的查准率与查全率综合评价指标比传统的基于形状投影分布描述子高3.1%,比形状上下文高25%。结论 本文算法匹配效果好,效率高,抗噪性强,解决了仿射描述子计算速度慢、描述能力不足的问题,能有效地应用于仿射形状匹配与检索领域。     

显著角点特征在三维模型检索中的应用

基于内容的三维模型检索是信息检索领域的一个研究热点,其关键技术就是从三维数据内容出发,自动从模型中提取出能描述其外观的特征信息,并用一种紧凑的数据结构,即特征描述符来表达这种信息.利用改良的视面图算法得到了三维模型在不同视点下的二维投影图,在此基础上,提出了一种利用显著角点特征进行三维模型检索的方法.选用普林斯顿大学的三维模型库进行仿真,结果表明,通过显著角点特征进行三维模型检索的方法效果良好、性能稳定,有较高的实用价值和很大的发展潜力.     

一种新的基于颜色和空间特征的图像检索方法

提出了一种新的基于颜色和空间特征的图像检索方法。首先提取色调不变量作为图像的颜色特征,然后设计了图像状态矩阵来描述图像的形状信息和空间位置信息,在进行相似检索时,采用 Guassian模型对不同子特征间的距离进行了归一化处理。试验表明利用该算法提取的图像的颜色和空间特征在进行图像检索时效果显著。     

以多尺度三角形为特征的快速形状匹配

为了减少形状匹配阶段的计算量并保持匹配精度,提出一种结合多尺度三角形特征的形状描述子,利用形状整体特征进行粗匹配并使用实时匹配方法完成匹配过程.首先通过高斯演化获得多尺度下的形状轮廓并用不同尺度上的轮廓点组成特征三角形;然后采用三角形面积和特征角来描述轮廓信息;最后用形状面积率对候选轮廓进行筛选,通过计算不同形状间描述子的相似度进行匹配.在不同形状数据集上进行实验的结果表明,该方法有较好的匹配结果和较少的匹配耗时,能够快速准确地描述形状的局部及整体特征,在实际应用中具有优势.     

基于相邻角点间隔度数直方图图像检索

提出一种新的基于图像形状的图像检索方法,首先将图像分成中心圆和外侧圆环两个区域,每个区域分别求出所有相邻角点的间隔度数,将间隔度数量化若干等级,从而计算出每幅图像在每个区域的相邻角点的间隔度数直方图,两幅图像的相似性取决于对应区域的直方图的欧式距离．该算法具有平移、旋转及尺度不变性的特点,经实验证明具有较好的图像检索效率．     

K均值聚类分割的多特征图像检索方法

从图像数据库中快速、准确地检索出所需要的图像,具有广泛的应用前景。针对使用单一图像特征难以准确表达图像之间的差异问题,提出了一种利用颜色聚类分割和形状特征提取的图像检索算法。选择符合人眼视觉特征的HSV空间,分别重组最能描述图像颜色特征的H分量和形状特征的V分量;用K均值聚类算法对两个分量进行聚类分割,得到目标物体;提取目标物体的Hu不变矩和傅里叶描述子来描述形状特征;用欧式距离进行相似度测量并用于图像检索中。采用不同类型图像进行实验,结果表明该算法优于使用单一特征和一般分割方法的图像检索技术。     

基于角的形状匹配

提出了利用角检测技术进行图像的相似性检索。首先利用角检测技术检测出图像的角点,用这些角点刻画图像内的物体形状,并结合图论中最优对集的思想和一种改进的Hausdorff距离,提出了一种新的刻画两幅图像内容的相似程度方法。实验结果表明,利用所提出的方法进行图像的相似性检索能够取得较好效果。     

基于内容的产品图像检索系统研究与实现

为了更准确地描述图像的视觉特征,提高图像检索效率,研究提出了基于综合特征即颜色和形状的融合特征进行图像搜索的方法,并针对五金产品开发了一个基于此设计的原型系统。实验结果表明,该检索算法设计是可行的,提高了图像检索的准确率。     

基于SVM的图像低层特征与高层语义的关联

在基于内容的图像检索中，针对图像的低层可视特征与高层语义特征之间的鸿沟，提出了一种基于支持向量机（SVM）的语义关联方法。通过对图像低层特征的分析，提取了颜色和形状特征向量（221维），将它们作为支持向量机的输入向量，对图像类进行学习，建立图像低层特征与高层语义的关联，并应用于鸟类、花卉、海洋以及建筑物等几个典型的语义类别检索。实验结果表明，该方法可适应于不同用户的图像检索，并提高了检索性能。     

采用形态学边界特征的医学图像检索

特征提取是基于内容的图像检索(CBIR)中的关键步骤,如何有效提取反映高层语义的图像特征对于医学图像的检索至关重要.提出一种基于边界形状特征的医学图像检索方法.该方法首先通过多尺度形态学方法检测图像边界点,然后对边界图像进行形状特征提取,构建边界的形状密度直方图,最后通过相似性匹配实现医学图像检索.实验结果证明了所提取的边界形状特征在医学图像检索中的有效性,通过对比实验给出了结果分析和进一步的研究思路.     

颜色、纹理、形状及相关反馈在图像检索中的应用

图像数据库的不断庞大使基于内容的图像检索成为研究热点,目前主要集中于底层特征的相似度匹配。文章重点介绍了颜色特征中的分块主色法,纹理特征中的灰度共生矩阵法和形状特征中的小波变换及不变矩法。在利用单一特征检索的基础上,该文提出了一种综合利用上述三种特征共同进行检索的方法。同时,还将相关反馈技术融合到算法中,通过权值矩阵的正负调整及三种特征系数的调整来提高检索准确率。由实验数据表明,文中的方法是很有效的。     

遗传反馈的多特征图像检索

基于内容的图像检索是随着数字多媒体技术的发展和普及而新兴的一门信息检索技术。针对当前该领域存在的对图像描述不准确、查询精度低以及反馈次数较多的问题,提出一种基于遗传反馈的图像检索算法。该算法以遗传算法和相关反馈为基础,利用多特征进行检索,避免在利用单一特征进行检索时所出现的不同图像具有相同单一特征（颜色、纹理和形状等）的问题,对图像进行多特征描述可以从多个角度对图像进行定义,大大减少了不同图像却具有相同特征的概率。与现有的算法相比,其具有自动调整图像特征权重、较低反馈次数和较高查询精度的特性。实验结果表明,该算法对于旋转、平移和尺度变化具有较强的鲁棒性,同时具有减少反馈次数和较高查询精度的性能。