图像检索技术研究进展

本文介绍了图像检索技术发展的各个阶段,重点介绍基于内容的图像检索技术和基于图理论的图像检索技术。     

一种基于反馈的JPEG图像检索研究

基于内容的图像检索研究的焦点是应用最初发源于文本文档检索的相关反馈技术来提高检索性能.但这一技术没有能够填补底层图像特征和高层语义内容之间的空白,这一空白被认为是CBIR的瓶颈,也是图像压缩和视屏检索的瓶颈.阐述了在DCT域中进行图像检索的基本方法和相关反馈的当前发展状况,并提出一个在CBIR中集成相关反馈的框架算法.     

图像检索研究进展

多媒体信息检索是当前计算机科学与信息技术的研究热点之一,图像检索是多媒体信息检索技术的一个重要组成部分。本文阐述了图像检索研究的历史、现状及未来的研究方向。     

基于兴趣区域的图像检索方法的研究

目前大多数基于内容的图像检索(CBIR)技术都依赖于图像的全局特征(例如颜色、纹理直方图等)，这样图像的空间布局特征被忽略了。由此提出的图像检索方法克服了这个问题，它是基于如下原则：用户应最有资格指定查询”内容”，而不是计算机，该方法使得用户能够选择多个”感兴趣区域”并且在检索过程中指定它们的空间布局相关性。     

基于内容的医学图像检索技术

介绍了基于内容的医学图像检索系统的意义、方法和关键技术,分析了国内外医学图像检索领域的应用现状,并在此基础上探讨了基于内容的图像检索技术在医学图像检索领域的应用前景和未来的发展方向。     

基于内容的遥感图像检索综述

随着遥感图像数量的急剧增加，基于内容的遥感图像检索系统逐渐成为了一个研究热点。系统地介绍了该领域各个方面研究的现状。首先给出了遥感图像内容检索系统的基本结构和查询策略。其次，结合遥感图像的特点，着重介绍了基于纹理、形状、结构特征相似性比较等方面的内容，针对这些方面的研究所存在的问题提出了见解，介绍了所研究成果，并对今后的工作进行了展望。     

基于纹理特征提取的图像检索技术

主要从图像纹理特征入手,研究如何有效地抽取图像纹理特征对图像进行描述,基于抽取的特征对图像进行搜索,从而提高检索效率和检索性能。     

基于纹理特征的数字图书馆文档图像检索技术

针对数字图书馆中信息资源检索效率低的问题,提出了一种新的文档图像检索算法.首先,根据文档图像自身的特点,结合人眼的视觉特性,提取文档图像中的边缘信息,在此基础上,构造有意义的纹理特征,利用纹理特征来定义文档图像的特征描述符,以描述符为线索,将文档图像的内容特征有机结合,并采用合适的相似性度量准则用于高效的检索.实验结果表明,该算法不仅具有较高的检索效率,而且也降低了传统文档图像检索算法的复杂度.     

基于内容的图像检索技术

为了提高图像资源利用率,快速、有效地查询和检索数据库中的图像,基于内容的图像检索技术（CBIR）便应运而生。本文分析和比较了基于颜色、纹理、形状等图像检索技术的主要方法,讨论了相关反馈技术、检索性能的评价等CBIR研究中的关键问题,同时指出了CBIR研究中存在的问题,以及未来的发展趋势和研究方向。     

基于感兴趣区域灰度统计量的颅脑CT图像检索

针对目前只限于特定任务的医学图像检测方法,根据颅脑CT图像的特点,给出了将感兴趣区域灰度统计量作为参数检索图像的方法.首先利用区域生长法提取CT图像中的全局感兴趣区域颅脑,采用分块的方法将全局区域划分成多个子区域,以获得局部灰度空间信息,使整幅图像的检索转变为对各子区域的识别.进一步提取每个子区域的灰度统计量平均值、均方差和三阶矩作为特征,检索时将示例图像特征与特征库中的特征按照欧几里得距离进行相似性匹配.实验结果表明,该方法可查找出在相同位置具有相似病理特征的颅脑CT图像.     

基于目标区域定位和特征融合的图像检索算法

提出了一种新的基于局部特征点的图像检索算法。首先将彩色图像转换成灰度图像,并利用Harris算子对灰度图像进行"角点"检测,根据"角点"的分布确定目标区域,然后在彩色图像目标区域中提取图像的颜色特征和空间特征表述图像内容。实验证明,该算法在查准率和查全率上要优于基于全局特征的算法。     

基于IPDSH兴趣点空间区域划分的图像检索

针对基于兴趣点的传统图像检索方法的不足,提出了一种利用兴趣点检测和空间区域划分的图像检索新方法。首先使用一种结合SIFT和Harris特性的尺度空间兴趣点检测算法(IPDSH)来检测图像的稳定兴趣点;然后利用稳定兴趣点的空间位置对图像进行环形和凸包区域划分,并计算凸包内的颜色直方图和环形区域中稳定兴趣点邻域内伪泽尼克矩;最后以两种特征的加权特征向量对图像进行检索。该方法实现简单,检索速度快,能保证检索算法对图像旋转、平移的鲁棒性,且有效减少了图像中不稳定兴趣点对检索带来的干扰,图像检索的准确度有效提高了7.0%～15.1%。     

基于小波和区域统计的纹理图象检索系统

对大型的图象数据库进行准确检索的时候 ,需要对纹理与非纹理图象进行分类 ,为了准确地提取图象中的纹理特征 ,本文在文献 [4]的基础上 ,提出了一种新的基于小波和区域统计特性的算法来对纹理和非纹理图象进行分割 ,并以此算法对一个具有 10 0 0幅真实图象的图象数据库进行了检索 ,实验结果表明本文的算法取得了较好的纹理与非纹理图象的分类检索效果     

基于矩形区域重叠分块加权的图像检索

为了有效地描述图像的颜色空间分布信息并进行图像检索,提出了一种基于矩形区域重叠分块加权的图像检索方法。该方法首先裁剪待检索图片和图像库图片,得到由图像中心到外,包含小、中、大三个矩形的图像和图像库;其次分别计算三个矩形区域的彩色直方图特征及其相似度,根据空间距离度量从小到大排序;最后引入人机交互的反馈机制,根据用户的输入参数多次反馈,在用户感兴趣的图像区域检索。仿真实验结果表明,相比于均匀分块直方图算法和环形分块算法,当检索主体信息处于边缘的图像时,提出算法的图像检索率更高。提出的算法可以有效地描述图像的颜色空间分布信息并进行图像检索。     

基于子块的三维网格模型检索

针对三维模型检索中如何准确计算模型间相似性问题,提出用子块局部相似性计算不同模型整体相似性的三维模型检索新方法.把经过线性细分和姿态调整的三维模型分割成不同的子块,构造每个子块的法向量直方图.采用从局部到整体的过程计算任意两个模型的相似度: 根据直方图相交函数计算模型对应子块的局部相似性,结合子块点密度及局部相似性,采用改进的相似函数计算得到不同模型的整体相似度.和一些相似的检索算法比较,子块方法可以得到比较好的检索准确率.     

基于小波显著特征点的图像检索技术

分析了传统关键字检索以及基于小波边界点图像检索方法的缺点,提出了以视觉特征作为图像检索的信息基础,比较了基于小波显著特征点检索技术所具有的优点,及其实现方法.首先,着重讨论了小波显著特征点的提取方法及其表示方法;其次,详细介绍了该新算法在图像检索中的具体应用及优点;最后,介绍了利用基于小波显著特征点进行图像耨检索的具体实例.     

基于底层纹理特征的图像检索

讨论了统计法中的灰度共现矩阵法和频谱法中的小波变换法来提取图像底层纹理特征,并对此进行了比较和分析,实验表明,基于小波变换的纹理特征提取方法可以有效描述图像底层纹理并取得较好检索结果。     

基于流形学习的图像检索算法研究

流形学习以发现非线性高维数据的本质维数为目标,使其更适合数据分析和高维数据的降维。图像检索中“语义鸿沟”问题指的是高维数据空间与低维的语义子空间之间的鸿沟,虽然利用相关反馈机制可以缩小这种鸿沟提高准确率,但是因为反馈图像数目较少,图像特征维数相对较高,会容易产生维数灾难问题。流形学习的引入为解决这一难题带来了新的希望,因为通过流形学习的方法学习高维图像特征数据的本征维数用于图像检索,大大提高了检索性能。基于流形学习的图像检索算法都是半监督的流形学习,充分利用了反馈信息,学习查询图像的语义子空间,有效的实现了高维数据的降维。     

基于MPEG-7的多特征图像检索方法

介绍了MPEG-7主颜色描述子、颜色布局描述子和边缘直方图描述子的提取方法和距离计算方法,提出一种综合运用主颜色描述子、颜色布局描述子和边缘直方图描述子进行图像检索的方法.实验结果证明,综合利用上述3种特征对图像进行描述及检索,可以获得比使用单一特征更好的检索效果.     

基于深度卷积特征的图像实例检索方法

针对计算机视觉领域的图像实例检索问题,提出了一种从卷积神经网络提取图像全局特征表示和目标对象区域特征表示的图像实例检索方法。该方法首先利用区域生成网络学习目标实例的区域位置坐标,并结合相关卷积网络提取的图像区域特征构建由过滤阶段和空间重排阶段组成的实例检索系统。在此基础上提出过滤阶段和空间重排两阶段查询扩展方法进一步提高系统检索性能。最后,提出了两种微调网络模型策略,更新网络前两个卷积层后所有层的权重以适应图像实例检索和位置坐标。通过在两个公用实例检索数据集(Oxford Buildings 5k和Paris Buildings 6k)上进行详尽实验验证,结果表明,提出的基于深度卷积特征的图像实例检索方法有效地提高了图像实例检索的准确率和可靠性,降低了实例检索误检率,得到的实例位置更加准确。