基于特征块匹配的图像检索技术

提出了一种基于特征块匹配的图像检索算法.首先,利用小波变换的多尺度特性检测出图像的特征点,特征点比较全面地反映了图像中的视觉兴趣点;用以特征点为中心的特征块的前三阶颜色矩来描述特征块的特征;进一步统计出两个图像中匹配的特征块数目,计算图像间的相似距离.实验表明,算法中所使用的特征块更全面、更精确地描述了图像的视觉信息,实现相似度计算的方法简单、高效.该检索算法不仅检索精度高,还具有较好的旋转、尺度及视觉角度不变性.     

形状特征和置信传播在去除SIFT特征点错误匹配中的应用

针对SIFT特征点匹配错误问题,提出一种置信传播与特征点形状特征相结合去除SIFT特征点匹配错误的算法.该算法分为4步:1)根据每个特征点的尺度信息、主方向信息以及匹配邻居特征点信息确定每个特征点邻域窗口的大小和方向,并计算每个特征点在邻域窗口内匹配邻居构成的形状特征;2)连接每个特征点与其最近的3个邻居特征点,构成置信传播网的基本框架;3)利用每对待确定特征点对的特征描述符之间的距离与其形状特征之间的距离生成置信传播网的证据函数,利用每对待确定特征点对与其邻居之间的空间关系生成置信传播网的相容函数;4)迭代计算每个特征点的置信度以及传递给邻居的消息,直至整个网络收敛,并通过最后得到的置信度确定初始匹配特征点对是否为误配.利用真实拍摄的图像和牛津几何视觉组数据库中的图像进行仿真实验,并与RANSAC算法、GTM算法以及BP_SIFT算法进行了比较,仿真结果表明,在召回率、准确率、丢失率和效率上,文中算法总体上优于上述3种算法.     

基于改进SIFT特征的双目图像匹配算法

针对SIFT（尺度不变特征变换）算法无法准确定位物体形状特征的问题,提出了一种结合了Harris角点和SIFT算法的立体匹配方法。在DOG尺度空间提取Harris算子作为图像的特征点并为每个特征点定义主方向,计算出特征点的32维特征向量描述子并用BBF算法检索同名特征点之间的欧式距离进行匹配。在降低SIFT算法的时间复杂度的同时提高了算法提取特征点的形状意义,在双目图像匹配实验中取得了较好的结果。     

基于SIFT变换的水印图像几何失真校正算法

分析了目前数字水印抗几何攻击的实现方法,对SIFT进行了改进.提出了特征点筛选算法,以增强提取特征点的鲁棒性,然后基于攻击前后图像的SIFT特征点匹配技术获取匹配点对,并基于匹配点对的尺度特征和SIFT中心距之比获得尺度失真参数以实现尺度失真的恢复.同时基于匹配点对的SIFT中心角度差确定旋转失真参数,进而完成旋转校正.实验结果表明,该算法能够有效进行水印图像几何失真参数的估计与几何失真的校正.     

基于SIFT 特征的目标多自由度mean-shift 跟踪算法

传统的mean-shift跟踪算法不能跟踪目标的旋转、缩放运动,且常常因此造成定位不准.鉴于此,将尺度不变特征变换（SIFT）特征检测融入到mean-shift跟踪过程,提出SIFT特征点的尺度变化与目标的尺度变化成正比,特征点主方向变化与目标旋转角度一致,给出了基于SIFT特征的自适应目标尺度、方向计算方法,且利用带方向、可变带宽的椭圆核改进传统的mean-shift跟踪方法.实验表明,该算法能够较好地跟踪目标的旋转、缩放运动,定位也更准确.     

基于LBP的尺度不变特征的描述和匹配算法

针对尺度不变特征变换(SIFT)算法计算复杂度高和匹配速度慢的难题,提出一种新的基于局部二进制模式(LBP)的尺度不变特征变换算法.首先采用高斯差分尺度空间检测局部极大值,利用圆形邻域统计梯度方向直方图来确定特征点的主方向,再通过坐标轴旋转避免图像旋转的计算代价;然后运用改进后的LBP算子求取特征点邻域的纹理信息,得到132比特的特征点描述子,有效地降低了描述子的计算复杂度;最后运用逻辑与运算对描述子进行特征点匹配.图像匹配实验结果表明,该算法具有尺度不变性、旋转不变性、仿射不变性和光照不变性等优良特性,在保证匹配正确率与SIFT和CS-LBP算法基本一致的情况下,运算速度优于以上2种算法,其中光照不变性明显优于SIFT算法.     

一种基于CS-SIFT抗几何攻击的图像双水印算法

利用压缩感知(CS)技术及图像尺度不变特征变换(SIFT),研究了一种既能抗几何攻击又能实现盲水印的方法。第一重版权水印经过扩频,嵌入在非抽样轮廓变换(NSCT)低频子带的DWT域中;第二重认证水印通过对含第一重水印的图像压缩感知生成,并作为零水印提交IPR数据库保存。提取水印时,先通过获取的零水印信息得到SIFT特征模板,并对含水印图像完整性进行验证及篡改定位和恢复,再根据SIFT特征点的尺度特征和坐标关系,对图像进行几何校正,使水印信息的提取位置同步。实验表明,该算法透明性良好、水印容量较大,而且对于常规攻击和多种几何攻击都具有良好的鲁棒性。     

一种海量图像中低复杂度检索模型仿真

由于海量图像中的数量规模大,造成有相同图像检索特征的干扰图像过多,图像低层视觉特征和高层区分特征之间存在的差异度过小,传统的图像检索方法难以充分表达图像的可检索的差异化特征信息,造成图像检索方法鲁棒性不强,检索误差大.提出一种运用图像细微特征区分概念的低复杂度海量图像检索优化方法.针对检索图像的灰度差异,进行图像归一化处理,最大化减小海量图像相似特征对检索方向的消极影响,依据SIFT算法,通过寻求图像极值点的坐标、尺度空间及方向实现对图像细微特征的提取,根据图像颜色的直方图相交的相关理论,计算图像的特征相似度,实现检索图像与目标图像特征相似度匹配,完成对细微特征区分的海量图像检索.实验结果表明,利用改进算法进行细微特征区分的海量图像检索,能够提高检索精度.     

一种基于显著兴趣点的图像检索方法

提出一种利用显著兴趣点结合颜色矩和距离直方图进行图像检索的方法。该方法将兴趣点作为图像中用户关注的主要视觉线索,包括显著兴趣点检测、距离直方图和颜色矩的特征提取3个步骤,既利用兴趣点的局部颜色特征,又考虑兴趣点间的空间距离关系,克服了传统颜色矩没有空间位置信息的缺陷。实验结果表明,该方法实现简单,能够有效提高图像检索的效率。     

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。     

融合颜色词袋特征的视觉词汇树图像检索

针对由图像灰度空间产生的传统词袋模型SIFT特征无法体现图像的颜色信息的问题,提出了一种融合颜色特征的视觉词汇树来对图像进行描述。提取SIFT特征并建立词汇树,获取图像的SIFT表示向量。利用K-means方法对图像库中的所有图像的HSV值进行聚类,获得基于HSV空间的颜色词袋表示向量,避免了传统颜色直方图方法所带来的量化误差。将SIFT特征与颜色词袋特征进行融合,完成了图像的全局特征和局部特征的融合。然后,计算融合特征的相似度,将相似度从高到低排序,完成图像检索。为了验证本方法的有效性,选择Corel图像库对算法性能进行实验分析,从主观评价和客观评价标准分别进行评价,并与传统方法进行了对比。结果表明,特征融合的检索性能与单一特征方法相比有较大提高。特征融合方法的平均检索查准率和查全率-查准率等评价指标,对比传统方法均有不同程度提高。     

多媒体工程：2016——图像检索研究进展与发展趋势

目的 基于内容的图像检索方法利用从图像提取的特征进行检索,以较小的时空开销尽可能准确的找到与查询图片相似的图片。方法 本文从浅层特征、深层特征和特征融合3个方面对图像检索国内外研究进展和面临的挑战进行介绍,并对未来的发展趋势进行展望。结果 尺度下不变特征转换（SIFT）存在缺乏空间几何信息和颜色信息,高层语义的表达不够等问题;而CNN （convolutional neural network）特征则往往缺乏足够的底层信息。为了丰富描述符的信息,通常将SIFT与CNN等特征进行融合。融合方式主要包括：串连、核融合、图融合、索引层次融合和得分层（score-level）融合。"融合"可以有效地利用不同特征的互补性,提高检索的准确率。结论 与SIFT相比,CNN特征的通用性及几何不变性都不够强,依然是图像检索领域面临的挑战。     

一种抗几何失真的彩色图像数字水印算法*

提出了一种基于SIFT(尺度特征变换)特征点校正几何参数的小波域彩色图像水印算法.该算法利用RGB彩色图像中蓝色与绿色分量的小波系数之间的关系,在蓝色水平细节和垂直细节中嵌入相同的水印;水印检测前,利用红色分量中的SIFT特征点估计几何参数,校正失真水印图像,从而可以无失真地提取水印.实验结果表明,该算法对压缩、噪声、剪裁、旋转、缩放等各类几何攻击具有很好的鲁棒性.     

基于局部对称性的特征点加工策略及应用

在基于词袋模型的图像检索框架中,图像包含的SIFT特征点往往数量比较大,特征不够强。因此图像检索系统的效率和性能往往受影响。基于SIFT特征点的性质和视觉显著性原理,提出了SIFT特征点的局部对称性度量方法,并且在图像检索框架中嵌入了基于对称性的SIFT特征点过滤方法和加权策略,以提升SIFT特征点的利用效率。在牛津大学建筑物图像集上的实验结果表明,提出的基于对称性的SIFT特征点选择策略能有效地提高图像检索的性能。     

基于彩色信息的尺度不变特征变换图像特征点提取与匹配

针对将彩色图像转化为灰度图像后再进行特征点提取与匹配会丢失彩色信息,可能导致误匹配这一问题,采用一种基于彩色信息的SIFT特征点提取及匹配算法(CSIFT)以实现彩色图像的特征点提取及匹配,结合目标的颜色特征与几何特征,以颜色不变量作为输入图像,再提取特征点并描述特征点周围的信息,通过最近邻匹配法求出图像间的匹配对。实验将该算法应用于视觉里程计中,对相机所拍的相邻两帧图像进行了特征点提取及匹配,并比较了该算法与传统SIFT算法的差异。实验结果表明该算法是有效的。     

一种基于混合特征核的图像检索方法

为了更准确地描述图像的视觉特征,提高图像检索的查准率与查全率,提出了一种基于混合特征核的图像检索方法.该方法提取图像的颜色、纹理、SIFT特征,引入高斯核函数,建立图像的混合特征核模型,在高维的核空间进行基于核的图像聚类.实验表明,该混合模型与传统多特征融合方法以及单一特征核方法相比,能够更好地表示图像的视觉特征,提高检索的查准率和查全率.     

基于深度学习的SIFT图像检索算法

深度学习作为一个新的机器学习方向,被应用到计算机视觉领域上成效显著.为了解决分布式的尺度不变特征转换（Scale-Invariant Feature Transform,SIFT）算法效率低和图像特征提取粗糙问题,提出一种基于深度学习的SIFT图像检索算法.算法思想：在Spark平台上,利用深度卷积神经网络（Convolutional Neural Network,CNN）模型进行SIFT特征抽取,再利用支持向量机（Support Vector Machine,SVM）对图像库进行无监督聚类,然后再利用自适应的图像特征度量来对检索结果进行重排序,以改善用户体验.在Corel图像集上的实验结果显示,与传统SIFT算法相比,基于深度学习的SIFT图像检索算法的查准率和查全率大约提升了30个百分点,检索效率得到了提高,检索结果图像排序也得到了优化.     

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。     

基于轮廓与SIFT特征组合的商标图像检索

针对单一特征对商标图像描述的局限性,提出了一种基于轮廓和SIFT特征组合的商标图像检索方法。该方法对二值化的商标图像进行轮廓提取,采用规则算法对其进行轮廓分解,对分解的参考点集进行Fourier变换,将得到的Fourier系数作为参考点的轮廓特征。针对商标图像的尺度空间进行极值点检测,并对检测到的极值点进行特征描述,该特征描述即为商标图像的SIFT特征描述。最后,SIFT特征与轮廓特征进行特征融合,并将融合后的组合特征作为对商标图像的特征描述。