基于空间-法向量特征的三维模型检索

针对全局法向直方图缺少空间分布信息问题,提出了一种集成空间法向信息的直方图构造方法.在对三维模型进行姿态调整和线性细分预处理操作以后,把模型按照空间分布分割成若干个子块.对每个子块,构造局部法向量直方图来分析其表面特性.为了能够描述直方图不同分量的重要性程度,对每个分量定义特征权值,其大小由该分量对应的三维模型表面积大小所决定.最后,根据局部法向量直方图和特征权值,采用一种改进的直方图相交函数计算不同模型的相似度.对一个标准三维模型测试数据库的检索实验表明,由于考虑了模型的空间分布特征,本文方法可以得到更好的检索准确率.     

区域最大相似度图像分割算法

区域最大相似度图像分割算法利用颜色直方图描述符计算相邻区域之间相似度,不能相邻像素点之间的空间分布关系,使其描述能力需要改进.提出用LTP描述符计算相邻区域相似度,这能提高对区域特征的描述.     

基于兴趣点的图像检索方法研究

提出了基于兴趣点的多种图像特征相结合的图像检索新方法。该方法利用兴趣点周围局部区域的环形颜色直方图和Gabor小波变换提取纹理特征作为刻画图像的主要特征,并结合兴趣点的空间分布对图像进行检索。该方法不仅弥补了单一特征无法真正表征图像的缺陷,还保证了检索算法对图像旋转、平移的识别不变性。与同类方法相比,该方法有效提高了图像检索的准确率。     

基于颜色特征的图像检索技术研究

基于内容的图像检索技术已经成为近年来研究的热点。颜色是基于内容的图像检索的最重要特征之一。常用的颜色特征提取和表达方法是颜色直方图。但颜色直方图只能衡量颜色在全局分布上的差异,丢失了其空间位置信息,影响图像内容相似性的判断和图像检索效果。文章研究的方法是在颜色直方图的基础上进行改进,提出基于分块的主色矩阵检索方法,增强了直方图反映颜色空间分布的能力,使用户可以选择感兴趣区域并调整权重系数并对不同分辨率的图像进行检索前的预处理,减小计算复杂度,提高系统运行效率,节省存储空间。     

基于方向特征的二值商标图像检索方法

文中针对二值商标图像，提出一种基于方向特征的商标图像检索方法。用边界方向直方图表示目标的边界方向特征，图像的相似性度量采用直方图求交算法；用区域方向直方图表示目标的区域方向特征。图像的相似性程度用直方图的相关距离来度量。这两者结合起来得到的方向特征可以同时反映图像的整体形状和轮廓形状。实验表明，方向特征能够有效地描述图像的形状及空间分布信息，取得了令人满意的检索结果。     

距离分布直方图及其在商标图案检索中的应用

形状是描述图象的重要视觉特征,它可以通过像素点分布在空间不同的区域而表现出来,针对二值图象提出了一种基于区域的形状特征,即距离分布直方图,它的基本思想就是通过统计图象中像素点的距离区域的分布情况来获得形状特征。其中,基准点的选择和距离区域的划分是两具重要的部分,实验结果表明,距离分布直方图能够有效地刻画出二值图象的形状特征,并且具有非常好的平移。尺度和旋转不变性,将其应用于商标图案检索,其检索结果符合人眼的视觉感受。     

一种基于分布的形状特征描述子

形状特征描述在基于内容的图像检索与识别研究中具有重要地位,文中对图像检索及识别中常用的形状描述进行了介绍。提出一个新的基于区域中心分布的方案来对图像形状特征进行描述,该描述子以待识别对象的区域二值图像的中心点为圆心,将各点到圆心的距离进行规范化处理,统计落入以区域中心为圆心的各环内的点数与总像素点数n的比例,从而形成一个基于中心分布的形状特征向量。经过数学证明该描述方案提取的形状特征具有缩放、旋转和平移不变性。文中通过使用该方案提取的图像特征进行图像识别检索实验,取得了理想的实验结果,说明了它是一个有效的图像区域形状描述子。     

基于兴趣点综合特征的图像检索

针对环形区域能更好地表达像素空间分布的特点,将其引入到Gabor小波纹理特征中,提出了一种基于兴趣点环形区域颜色和纹理特征的图像检索算法。首先采用自适应平滑滤波器对图像进行滤波处理,消除噪声的影响并利用快速鲁棒特征(SURF)算子检测兴趣点;然后计算兴趣点周围局部区域内环形颜色直方图及纹理特征,将其作为图像的综合特征;最后根据图像综合特征相似度,输出相似图像。实验结果表明,该算法使平均检索准确率提高至少7％。     

一种基于分布的形状特征描述子

形状特征描述在基于内容的图像检索与识别研究中具有重要地位，文中对图像检索及识别中常用的形状描述进行了介绍。提出一个新的基于区域中心分布的方案来对图像形状特征进行描述，该描述子以待识别对象的区域二值图像的中心点为圆心，将各点到圆心的距离进行规范化处理，统计落入以区域中心为圆心的各环内的点数与总像素点数n的比例，从而形成一个基于中心分布的形状特征向量。经过数学证明该描述方案提取的形状特征具有缩放、旋转和平移不变性。文中通过使用该方案提取的图像特征进行图像识别检索实验，取得了理想的实验结果，说明了它是一个有效的图像区域形状描述子。     

基于全局颜色的图像检索算法与实现

本文描述了基于全局颜色的图像检索算法及其实现算法。也讨论了颜色空间划分方法、全局颜色直方图特征提取方法和基于全局颜色直方图特征的检索算法。这种算法检索速度快、准确率高。并给了一个具体检索实例。     

基于支持向量机的图像语义分类

图像的低层可视特征与高层语义特征之间存在着一道鸿沟,人们不能直接理解由计算机自动生成的低层特征.另外,基于内容的图像分类和检索的性能极大地依赖于可视特征的提取和描述.出于这些考虑,提出了新的图像纹理、边缘描述子提取方法,并将它们表示为直方图.在此基础上,集成纹理、边缘和颜色直方图作为图像的特征向量,用支持向量机(SVM)实现图像的语义分类.实验结果表明,集成的图像特征表示在图像分类实验中取得了很好的效果,具有比其他特征表示(如Gabor纹理、颜色直方图)更好的性能.     

基于多尺度支撑域描述子的多光谱图像匹配算法

针对现有多光谱图像匹配算法鲁棒性不强的问题,提出一种新的基于多尺度支撑域描述子的多光谱图像匹配算法。该算法首先提取Harris角点作为特征点;然后分别统计特征点不同尺度邻域内的边缘方向直方图,组合构成特征描述子;以欧氏距离为相似度准则,使用比值法获得初始匹配结果;最后提出了一种基于RANSAC算法的外点去除算法。实验结果表明,该算法可有效匹配多光谱图像,且与已有算法相比鲁棒性更强,获取的正确匹配对更多。     

基于LBP值对空间统计特征的纹理描述符

针对基于内容图像检索应用背景下局部二值模式(LBP)描述符缺乏空间描述能力及所需特征矢量维数较长的不足, 提出一种基于LBP值对空间统计特征构建的改进纹理描述符(ILBP)。ILBP描述符首先利用LBP微模式编码方法将原始图像转换为LBP伪灰度图像, 然后再提取出多个关于LBP值对空间分布关系统计值构成描述图像特征的特征矢量。在基于内容的图像检索原型测试平台上完成大量实验。实验结果表明, 与LBP及其各类变种描述符相比, ILBP描述符在进一步增强LBP描述符描述能力的同时大幅度压缩特征矢量维数, 具有更好的查询正确率和查询效率。     

字典重建和空间分布关系约束下的特征选择与图像拼接

目的 针对大型图像检索领域中,复杂图像中SIFT特征描述子的冗余和高维问题,提出了一种基于字典重建和空间分布关系约束的特征选择的方法,来消除冗余特征并保留最具表现力的、保留原始空间结构性的SIFT特征描述子。方法 首先,实验发现了特征选择和字典学习方法在稀疏表示方面的内在联系,将特征选择问题转化为字典重构任务;其次,在SIFT特征选择问题中,为了保证特征空间中特征的鲁棒性,设计了新型的字典学习模型,并采用模拟退火算法进行迭代求解;最后,在字典学习的过程中,加入熵理论来约束特征的空间分布,使学习到的特征描述子能最大限度保持原始SIFT特征空间的空间拓扑关系。结果 在公开数据集Holiday大型场景图片检索数据库上,通过与国际公认的特征选择方法进行实验对比,本文提出的特征选择方法在节省内存空间和提高时间效率（30%~ 50%）的同时,还能保证所筛选的特征描述子的检索准确率比同类特征提高8%~ 14.1%;在国际通用的大型场景图片拼接数据库IPM上,验证本文方法在图像拼接应用中特征提取和特征匹配上的有效性,实验表明本文方法能节省（50% ~70%）图像拼接时间。结论 与已有的方法比较,本文的特征选择方法既不依赖训练数据集,也不丢失重要的空间结构和纹理信息,在大型图像检索、图像拼接领域和3D检索领域中,能够精简特征,提高特征匹配效率和准确率。     

Spatial Color Indexing Using Rotation,Translation, and Scale Invariant Anglograms

As color plays an essential role in image composition, many color indexing techniques have been studied for content-based image retrieval. This paper examines the use of a computational geometry-based spatial color indexing methodology for effective and efficient image retrieval. In this scheme, an image is evenly divided into a number of M * N non-overlapping blocks, and each individual block is abstracted as a unique feature point labeled with its spatial location and dominant colors. For each set of feature points labeled with the identical color, we construct a Delaunay triangulation and then compute the feature point histogram by discretizing and counting the angles produced by this triangulation. The concatenation of all these feature point histograms serves as the image index, the so-called color anglogram. An important contribution of this work is to encode the spatial color information using geometric triangulation, which is rotation, translation, and scale invariant. We have compared the proposed approach with two of the best performing of recent spatial color indexing schemes, Color-WISE and the color correlogram approaches, respectively, at image block and pixel levels of different granularity. Various experimental results demonstrate the efficacy of our techniques.     

基于颜色自相关图和互信息的图像检索算法

颜色特征是重要的图像视觉特征,颜色相关图则是当前基于内容的图像检索中常用的特征描述符,但现有基于颜色相关图的图像检索算法存在计算复杂度高、检索精确度低的问题。为此,提出基于颜色自相关图和互信息的图像检索算法。给出一种新的颜色特征描述符——颜色互信息,通过计算颜色相关图特征矩阵中每个颜色与其周围颜色的平均互信息,得到不同颜色之间的全局及空间分布特性,并作为新的颜色特征矢量,以降低计算复杂度。同时采用外部特征矢量归一化方法结合颜色互信息与颜色自相关算法,以提高检索精确度。实验结果表明,该算法可有效降低计算复杂度,提高实时响应性能和检索精度。     

像素聚类改进二进制描述子鲁棒性

目标：本文通过挖掘图像局部区域特征信息,提出了一种鲁棒性更高的二进制描述子。针对BRIEF关于旋转和视角变化鲁棒性差的问题,本文通过图像补丁分层处理、增加关键点图像补丁个数来捕获更多的局部特征信息,对BRIEF描述子改进。方法：首先,根据灰度序列对补丁内所有像素点分类,像素的一个聚类形成了一个亚补丁,然后在每个亚图像补丁上进行类似BRIEF的随机测试。其次,由于原图像补丁大小、尺度大小影响补丁的像素点成分,从而影响像素聚类的效果,所以在原图像关键点周围分割出多个不同大小的图像补丁,或是将原图像补丁根据尺度金字塔确定几个尺度大小不同的补丁,然后再对图像补丁进行分层、测试。所构建的描述子不仅包含了补丁像素的灰度比较信息,而且包含了灰度排序信息和像素群聚信息,提高了描述子的鲁棒性。结果：通过性能对比实验,发现所提的描述子的性能提高了,而且好于对比的浮点描述子。结论：所以挖掘图像补丁的特征信息能提高二进制描述子的鲁棒性。     

噪声不敏感的柱状图特征描述符及其在图像检索中的应用

基于内容的图像检索方法往往将图片的内容表示成柱状图,根据图片柱状图之间的相似性进行图片的检索。数码图片中包含的噪声使得柱状图变得平滑,从而使图片之间变得更为相似,这增加了返回结果中包含的图片数量。为了进一步提高图片检索的性能,提出了一种对噪声不敏感的柱状图特征描述符,并应用该特征描述符进行图像之间的相似性匹配。首先将图片中的噪声描述为平稳附加高斯白噪声,并给出了相应的柱状图表示;然后通过随机变量的原点矩定义了柱状图的特征描述符,并分析了如何应用特征描述符恢复原始图片的柱状图。在算法的性能验证过程中,将提出的方法与4种相关算法进行比较,应用两个真实的图片数据库的图像检索实验验证了所提方法的有效性。     

综合结构和纹理特征的场景识别

当前在计算机视觉领域,场景识别尽管取得了较大进展,但其对于计算机视觉而言,仍然是一个极具挑战的问题.此前的场景识别方法,有些需要预先手动地对训练图像进行语义标注,并且大部分场景识别方法均基于"特征袋"模型,需要对提取的大量特征进行聚类,计算量和内存消耗均很大,且初始聚类中心及聚类数目的选择对识别效果有较大影响.为此本文提出一种不基于"特征袋"模型的无监督场景识别方法.先通过亚采样构建多幅不同分辨率的图像,在多级分辨率图像上,分别提取结构和纹理特征,用本文提出的梯度方向直方图描述方法表示图像的结构特征,用Gabor滤波器组和Schmid滤波集对图像的滤波响应表示图像的纹理特征,并将结构和纹理特征作为相互独立的两个特征通道,最后综合这两个特征通道,通过SVM分类,实现对场景的自动识别.分别在Oliva,Li Fei-Fei和Lazebnik等的8类、13类和15类场景图像库上进行测试实验,实验结果表明,梯度方向直方图描述方法比经典的SIFT描述方法,有着更好的场景识别性能;综合结构和纹理特征的场景识别方法,在通用的三个场景图像库上取得了很好的识别效果.