基于内容图像检索中的特征性能评价

在基于内容的图像检索中，不同图像特征反映了图像各个侧面的内在特性，因此，在使用图像特征进行检索时存在多种相似性度量方法．特征以及特征间相似性度量方法的选取是当前CBIR研究的一个重要课题．评估了CBIR系统中使用的图像特征在不同相似性度量方法下及多种特征在不同图像库上的检索性能，为CBIR系统的设计和实现提供一定的依据．通过实验发现，图像特征的检索性能不仅同相似性度量方法有关系，同时与图像库也有密切的关系．     

基于主色选择的CBIR检索

基于内容和图像检索（CBIR）是多媒体检索研究的前沿课题，利用颜色特征作为索引进行图像检索是最重要的战术，在提取图像主要颜色特征的基础上，进一步提取了相应的主色空间分布信息-主色矩特征，作为图像库的索引，在改进加权二次型相似性度量方法的基础上，提出了相应的主色多特征相似性度量方法，由于用户对图像中不同的主色具有不同的检索要求，提出了主色调选择的用户模型，用于更精确的图像检索，实现了WWW发布方式的CBIR原型系统，实验结果表明加入主色选择使得图像检索的效果更好。     

基于图像主色特征的CBIR

CBIR（Content Based Image Retrieval）是当前多媒体检索的热点。颜色特征是图像检索的重要特征。为了提高颜色特征的检索效果，在提取图像主色特征的基础上，进一步提取了相应的主色空间分布信息－主色矩特征，并建立了图像主色特征的描述模型。在改进加权二次型相似性度量方法的基础上，提出主色多特征相似性度量方法，并对几种不同的相似性度量方案进行了对比，其中DCME方法在WWW发布方式的CBIR原型系统上取得了较好的实验结果。     

图像检索中的相似性判别及索引方法综述

基于内容的图像检索(CBIR)是对传统信息检索领域的扩展.它采用图像视觉内容的相似性判别进行查询.CBIR涉及到很多科学领域的课题.本文则仅主要综述CBIR技术中的相似性度量方法,索引方式,以及检索性能的评价.最后,分析了该领域现存的问题、最新研究动态及发展方向.     

图像检索中的相似性度量方法

相似性度量方法是基于内容的图像检索（CBIR）系统研究的一个重要方面．本文对心理学中相似性的分类以及人类相似性判别的基本模型进行了说明。对图像在视觉特征以及语义特征上的相似性度量方式及研究的现状做了较为详尽的综述,并进行了比较说明。     

九宫格空间框架的图书图像检索

图书图像检索是基于内容的图像检索(CBIR)的一个重要应用.尺度不变特征变换(SIFT)与方向梯度直方图(HOG)在CBIR和物体识别等领域有着广泛应用.根据图书图像的特点,把图书图像按照九宫格进行空间划分,并以SIFT特征为基础对每个分块子图像进行特征描述,然后结合HOG特征组成联合特征描述,联合特征对图书图像的描述力较强而且数据量较小.采用“倒数比”的方式进行联合特征相似性度量能够有效防止子图像发生突变而造成的巨大误差.在规模为50000幅的图书图像库上的实验结果表明,检索的精度和耗时都在可接受范围内.     

混合微结构分析方法及其在图像检索中的应用

为解决图像检索领域现有的特征提取方法信息保留不足,检索方法单一,以及时效性不强等问题,对一些独特的图像分析方法进行讨论.方法:利用一种新的图像特征侦测方法生成图像特征库,然后利用该方法提取检索图像内容特征,经过相似性度量准则度量后,最终以度量排序结果进行图像检索.结果:实验结果表明,与多种流行的图像检索方法相比,无论是在查准率还是在查全率方面该方法都具备较好的性能.结论:所述图像检索方法利用一种新的各向异性的微结构分析方法实现了对图像特征的描述,有效提高了图像检索能力,具有很强的实用性.     

基于内容的图像检索技术探索

基于内容的图像检索(CBIR)是目前国内外的一个研究热点,文章介绍了基于内容图像检索的关键技术、系统体系结构等核心内容,论述了图像检索涉及到的图像特征提取和相似性度量等技术,并就各种特征提取方法进行综合分析、比较。最后指出了目前CBIR的研究现状、存在问题及发展方向。     

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。     

结合改进CNN和双线性模型的CBIR方法

针对现有基于内容的图像检索（Content-Based Image Retrieval,CBIR）方法中图像特征维度较大等问题,提出一种结合改进卷积神经网络（Convolutional Neural Network,CNN）和双线性模型的CBIR方法。采用一种低维度池化方法代替传统CNN中的池化过程,以此降低图像特征映射的维度。基于双线性模型的思想,使用两个特征提取器进行特征提取,并在每个图像位置上对两个特征进行内积,以形成最终的图像描述符。通过计算图像间的曼哈顿距离度量来评估相似性,获得相关图像及其排序。实验结果表明,该方法能够准确检索出相关图像,并具有较低的检索时间和内存消耗。     

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%。     

基于纹理特征的图像检索方法的研究与实现

在研究与分析了纹理特征提取算法的基础上,设计并实现了一个图像检索实验系统。该系统相似性度量采用欧氏距离方法,特征提取算法为共生矩阵,并且利用UIUC图像库中五类536幅蝴蝶图像和Caltech101图像库中的barrel,dalmatian和sunflower三类等图像数据库验证了共生矩阵提取纹理特征的检索方法,并对不同测试图库所得到的实验结果进行比较。从实验结果可以看出,对于具有明显的纹理特征的图像数据库利用共生矩阵提取算法还是具有较好的检索性能,可以得到较好的检索效果。     

利用差分矩阵进行基于内容的图像检索

随着大容量图像数据库的广泛应用,基于内容的图像检索(CBIR)技术成为对其进行管理和检索的有效手段。文中提出了一种基于灰度变化进行基于内容的图像检索的方法,利用差分概念提取出图像的差分矩阵,再从中提取特征进行度量。给出了对自然图像库检索的实验结果,实验表明,采用该方法比空间颜色直方图与共生矩阵等方法能取得更好的检索效果。与颜色空间直方图和灰度共生矩阵的比较实验证明差分矩阵的方法在速度和结果上都有比较好的效果。     

基于内容的图像检索的相似度测量方法

图像特征匹配是基于内容的图像检索（Content based image retrieval,CBIR） 实现的一个关键环节,而图像特征的匹配主要依赖于图像特征之间的相似度测量。为了提高CBIR的检索性能,本文提出了一种有效的相似度测量方法——基于图像k近邻的相似度测量（Similarity measure based on k-nearest neighbors of images, SBkNN）方法。在该方法中,查询图像与被检索图像的相似度通过计算这两幅图像属于同一语义（无论是哪种语义）种类的联合概率来衡量,而此概率可分别通过分析这两幅图像与各自近邻图像的距离得到。最后利用Corel5k数据集对本文所提出的SBkNN方法和传统的相似度测量方法进行了对比。实验结果表明,在CBIR中使用本文提出的SBkNN方法,有效地提高了CBIR的检索性能。     

利用差分矩阵进行基于内容的图像检索

随着大容量图像数据库的广泛应用,基于内容的图像检索(CBIR)技术成为对其进行管理和检索的有效手段.文中提出了一种基于灰度变化进行基于内容的图像检索的方法,利用差分概念提取出图像的差分矩阵,再从中提取特征进行度量.给出了对自然图像库检索的实验结果,实验表明,采用该方法比空间颜色直方图与共生矩阵等方法能取得更好的检索效果.与颜色空间直方图和灰度共生矩阵的比较实验证明差分矩阵的方法在速度和结果上都有比较好的效果.     

基于索引和相关反馈的图像检索研究

在基于图像内容的图像检索(CBIR)系统中,搜索引擎检索图像类似于按照相似标准来查询图像,它应该有足够快的速度并且有较高的检索准确率.索引用来提高系统响应,而相关反馈用于帮助提高检索准确率.在本文中,主要说明基于人感知的相似性度量,以及讨论综合相关反馈的索引方案.该索引方案通过分析特征熵而得出的主从键,而相关反馈是根据Mann-Whitnev检验而提出的,该检验通常用来识别来自同一搜索集中相关图像和不相关图像之间不同特征,并利用不同特征的特点提高检索性能.相关反馈方案针对两不同相似标准来执行,检验判定了这个方法的有效性.最后,把索引机制和相关反馈机制结合起来建立搜索引擎.     

融合颜色和纹理特征的图像检索算法研究

鉴于单一图像特征在表达图像内容上的不完整性,提出将颜色和纹理特征相融合的检索方法。合并特征前先对单个特征的相似性计算进行特征归一化处理,检索过程中,引入相关和非相关两个图像库,根据检索结果中得到的与相关图像库中相关图像的数目调整特征权重,以提高检索精度。结果表明本文提出的方法具有良好的检索性能。     

基于NSCT的旋转不变纹理图像检索算法

针对图像检索中常见的旋转问题,提出了一种基于非抽样Contourlet变换(NSCT)的旋转不变检索算法。以NSCT域各子带系数的均值和标准方差构成基本特征向量。在相同尺 度上,利用各子带的均值和标准方差之和对特征分量由小到大排序,同时根据旋转不变性调整排序后特征向量对应的方向序列,构造方向序列权值、特征分量权值。用加权欧氏距 离进行相似性度量以提高检索性能。采用Brodatz库生成实验库,实验结果表明本文方法取得了较好的检索效果。     

综合距离和相关性的图像检索算法

在基于内容的图像检索中,大多数都是采用距离来测试两幅图像的相似性.提出了一种新的计算相关系数的方法并结合这种方法和距离来判断两幅图像的相似性,将其应用于CBIR(content-based image retrieval)系统.在对所提出的算法进行的实验中,用了10 000幅图像来测试了所提出的算法,实验结果表明:在同一个CBIR系统中,引入相关性能够提高图像的检索精度,解决了只用距离来判断两幅图像相似性的不足,对于基于低级特征的图像检索系统是一个很好的改进.     

基于纹理-形状-中心特征的图像检索

随着多媒体技术的发展,大容量的图像库得到了广泛的应用,基于内容的图像检索(CBIR)在多媒体图像库管理和检索中得到了越来越多的重视。传统的图像检索主要依赖颜色、纹理、形状、空间关系等单一视觉特征,检索效果往往不够理想。针对这一实际问题,首先分别介绍了基于纹理、基于形状与基于中心特征的三种图像检索方法,并在此基础上提出了综合利用以上三种特征共同进行检索的方法。通过对真实图像库的检索试验表明,综合三种特征的检索比单一特征检索更符合人的视觉感受要求,因而检索效果更好。