基于改进综合区域匹配的图像检索算法研究

论文使用基于内容的图像检索技术,通过对模糊C均值图像分割算法和综合区域匹配算法的研究,提出了一种基于聚类学习图像特征区域重要性决策规则,并结合图像特征区域的重要性因子,研究了一种改进的综合区域匹配算法。分别对WANG DATA和Corel10k图像数据库进行了实验,结果表明采用本文改进综合区域匹配的图像检索算法,能够有效地提高图像的检索效率。     

一种基于区域综合特征的图像检索算法

针对基于内容的图像检索所面临的图像低级视觉特征和高级语义之间的语义鸿沟问题,提出一种基于区域的图像检索算法。在LUV颜色空间中使用K均值聚类算法进行图像分割,提取分割后各区域的颜色、形状和区域自相关特征构成区域的综合特征,采用二次型距离相似性度量方法完成图像之间相似性的计算。实验结果表明,该算法具有较好的图像检索性能,与MIRROR中各算法相比,使用平均归一化修正检索等级得到的检索性能提高了12%~47.8%。     

基于ROI多特征和相关反馈的图像检索算法

本文提出了一种基于感兴趣区域(ROI)综合多特征和相关反馈的图像检索算法.在对图像进行四叉树分解的基础上,由用户选择感兴趣区域,综合颜色、纹理和形状三种底层特征进行多层感兴趣区域检索;由相关反馈技术体现用户感知的主观性,通过调整感兴趣区域、特征问、特征内的权重来提高查准率.给出了改进的CBIR通用模型和特征权重模型.实现了一个图像检索原型系统,将不同实验结果进行了比较和分析,实验结果表明,该文提出的方法具有良好的检索效果.     

MPEG-7区域综合特征匹配的图像检索算法

为改进现有基于颜色-纹理特征的图像检索算法在反映空间分布信息方面的不足,提出了一种基于MPEG-7区域综合特征匹配的图像检索算法(FIM-RBIR)：首先按类粗分辨率对图像进行区域划分,再综合图像区域的颜色、纹理特征实现有效检索。实验结果表明,FIM-RBIR算法比SIMPLIcity系统的检索效果有了比较显著的改进,平均检索性能提高了433%,具有较好的平均查准率和鲁棒性。     

基于小区域特征的图像检索方法

对于很大一部分待检索图像,在分割后的区域中,不仅面积较大的区域对整幅图像和人的视觉有意义,那些细腻而零散的小区域同样会对视觉产生不可忽略的影响。该文提出将图像的小区域考虑到图像检索中去,以更完整、更准确地描述图像的特征,并使用均值和方差的方法提取小区域的整体分布特征,再和其他大区域的图像特征相结合的方法进行图像检索。实验表明,该方法与只考虑大区域图像特征的检索方法相比,提高了检索的精度。     

综合视觉注意模型的显著性局部特征提取算法研究

图像检索过程中往往会提取大量的局部特征,这将加大图像检索的计算量和复杂度,影响其应用。针对这一问题,提出了一种应用综合视觉注意模型的显著性分析提取局部特征的方法:在图像尺度空间中提取关键点,利用模糊增长技术查找原始图像的显著性区域,计算其综合视觉显著性权值并分类,提取SIFT描述因子,保留最突出的局部特征以提高检索性能。相比于传统的局部特征提取算法,本方法在图像检索精度和检索速度方面都具有明显优势。     

一种基于目标区域的图像检索方法

为了弥补全局特征在描述图像内容上的不足,论文描述了一种基于目标区域的图像检索方法:从用户指定的区域中分割并提取出所包含的目标,然后利用目标区域的视觉特征进行图像检索。在图像检索时,提取目标区域对应的子图像特征代替全局图像特征进行图像相似性匹配。实验结果表明,基于目标区域的图像检索效果比基于全局图像特征的检索效果有较好的改善。     

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。     

基于曲率和熵矩阵特征的商标图像检索

针对二值商标图像的特点,提出了一种综合边界曲率特征和图像分块熵矩阵特征的检索算法。首先,根据微分几何中曲率的定义,计算图像形状边界上每一点的曲率,并统计得到曲率直方图作为边界特征。然后,在图像分块的基础上,计算每一分块子图像的信息熵,得到熵矩阵,求该矩阵的奇异值作为区域特征。最后,综合这两个特征进行检索。实验表明,边界和区域特征综合使用较之单一特征有着更好的检索效果,并具有较好的几何不变性。     

基于感兴趣区域的彩色图像检索

随着图像信息的大规模应用,图像检索具有越来越重要的应用价值.基于内容的图像检索成为今年来的研究重点.提出一种基于感兴趣区域(ROT)和颜色一纹理特征的联合彩色图像检索新方法.采用此方法,将图像经由对图像进行小波变换,得到小波变换域的颜色局部能量,进而得到图像分割后各区域颜色和纹理综合特征,并采用用户定义感兴趣区域即ROI(Region-of-Interest)对相似度进行修正.实验结果证明,该方法能够快速有效地得到图像特征和图像中的感兴趣物体,取得很好的检索效果.     

NeTra: A toolbox for navigating large image databases

We present here an implementation of NeTra, a prototype image retrieval system that uses color, texture, shape and spatial location information in segmented image regions to search and retrieve similar regions from the database. A distinguishing aspect of this system is its incorporation of a robust automated image segmentation algorithm that allows object- or region-based search. Image segmentation significantly improves the quality of image retrieval when images contain multiple complex objects. Images are segmented into homogeneous regions at the time of ingest into the database, and image attributes that represent each of these regions are computed. In addition to image segmentation, other important components of the system include an efficient color representation, and indexing of color, texture, and shape features for fast search and retrieval. This representation allows the user to compose interesting queries such as “retrieve all images that contain regions that have the color of object A, texture of object B, shape of object C, and lie in the upper of the image”, where the individual objects could be regions belonging to different images. A Java-based web implementation of NeTra is available at http://vivaldi.ece.ucsb.edu/Netra.     

A region-based fuzzy feature matching approach to content-basedimage retrieval

This paper proposes a fuzzy logic approach, UFM (unified feature matching), for region-based image retrieval. In our retrieval system, an image is represented by a set of segmented regions, each of which is characterized by a fuzzy feature (fuzzy set) reflecting color, texture, and shape properties. As a result, an image is associated with a family of fuzzy features corresponding to regions. Fuzzy features naturally characterize the gradual transition between regions (blurry boundaries) within an image and incorporate the segmentation-related uncertainties into the retrieval algorithm. The resemblance of two images is then defined as the overall similarity between two families of fuzzy features and quantified by a similarity measure, UFM measure, which integrates properties of all the regions in the images. Compared with similarity measures based on individual regions and on all regions with crisp-valued feature representations, the UFM measure greatly reduces the influence of inaccurate segmentation and provides a very intuitive quantification. The UFM has been implemented as a part of our experimental SIMPLIcity image retrieval system. The performance of the system is illustrated using examples from an image database of about 60,000 general-purpose images     

一个基于语义的图像检索系统:VisEngine

介绍了一个基于语义的图像检索系统——VisEngine，该系统采用基于图像主要区域的图像分割方法，分别提取图像前景、背景和全局的视觉和抽象语义内容，构造相应的语义模板。接着把这些特征导入到一个面向对象的中间信息结构中，在此基础上进行多种方式的相似性匹配和检索。系统支持多种查询方式，用户交互界面自然友好。实验表明，VisEngine系统能有效地提高首次用户查询的正确性。     

Color image retrieval using multispectral random field texture model and color content features

This paper describes a color-texture-based image retrieval system for query of an image database to find similar images to a target image. The color-texture information is obtained via modeling with the multispectral simultaneous autoregressive (MSAR) random field model. The general color content characterized by ratios of sample color means is also used. The retrieval process involves segmenting the image into regions of uniform color texture using an unsupervised histogram clustering approach that utilizes the combination of MSAR and color features. The color-texture content, location, area and shape of the segmented regions are used to develop similarity measures describing the closeness of a query image to database images. These attributes are derived from the maximum fitting square and best fitting ellipse to each of the segmented regions. The proposed similarity measure combines all these attributes to rank the closeness of the images. The performance of the system is tested on two databases containing synthetic mosaics of natural textures and natural scenes, respectively.     

融合区域和全局特征提取的医学图像检索技术

针对胸部CT扫描图像库,提出了一种融合区域和全局特征提取的医学图像检索方法。为了提取局部感兴趣区域,给出了一种基于灰度层共现矩阵的区域增长算法,分割出病灶区域,再结合迭代阈值算法进行病灶边界的磨合。为了避免身体姿势问题造成的图像角度差异,利用具有旋转不变性的Zernike矩提取图像的全局特征,融合感兴趣区域的形状和分布特性以及整幅图像Zernike矩全局特征作为图像匹配准则的客观依据。实验结果表明,该算法能够比较有效地应用于基于内容的医学图像检索系统中。     

基于语义测度的图像相似性计算研究

针对图像检索中的低层视觉特征相似性度量问题,提出一种基于语义测度的图像相似性计算方法。该方法在图像区域分割的基础上,通过构建图像区域子块与语义元数据之间的统计映射关系,实现图像内容的统计语义描述,建立图像之间、图像与语义类别、语义类别之间的分层语义相似测度。通过对自然图像库的实验结果表明,该方法在相似图像检索中具有更好的性能。     

基于改进的ISODATA算法彩色图像分割

如何对彩色图像中的目标进行快速、精确的有效分割是计算机视觉和图像分析的重点和难点。提出了一种基于区域的彩色图像分割方法。该方法首先选择合适的彩色空间,提取出图像中的每个像素点的颜色、纹理、位置等综合特征,形成特征向量空间;在特征空间中,运用改进的ISODATA算法自适应地确定初始聚类数目和聚类中心,然后对图像进行聚类和区域分割,最后抽取出图像区域的特征,并与相类似的方法进行了比较实验。实验结果表明,该方法能够产生较好的分割效果及较快的分割速度,适合于基于图像区域检索系统,具有较好的应用价值。     

一种基于区域的彩色图像分割方法

提出一种基于区域的彩色图像分割方法，该方法首先选用适当的彩色空间对图像中的每个像素抽取颜色、纹理及空间位置等综合特征，形成基于像素的综合特征空间；利用模糊C均值聚类方法，在综合特征空间中进行聚类，利用模糊熵的原理获得最佳聚类的簇数目，得到初步的区域分割，最后利用连接原理对图像区域进一步分割。该方法还提供了丰富的区域特征。