基于深度学习的服装图像检索方法

为实现面向大规模服装图像集的图像快速精准检索,突破当前常规检索方法的局限性,本文提出了一个新的深度学习模型：Fashion-16服装图像检索模型.采用先分类再类内检索的思想,基于VGG-16模型强大的图像特征提取能力,以卷积神经网络softmax分类器进行分类,对同一类别下采用局部敏感哈希的思想进行近似最近邻的查找,实现了针对服装类别属性的图像检索模型修正.实验结果表明,模型具有良好的稳定性、精确率及检索速度,有其实用价值与研究意义.     

基于NMI不变特征的图像检索方法

基于内容的图像检索技术是当前多媒体数据库系统和数字图书馆研究中的一个热点。基于二值图像的NMI不变特征(归一化转动惯量)提出了一种全新的基于内容的图像检索方法，其特-点是计算简单，精确度高，具有抗几何畸变性，对滤波、平滑、压缩等图像操作有一定的鲁棒性。试验结果表明，该方法具有一定实用价值，可用于图像检索。     

基于内容的图像检索技术

随着大量数字图像数据库的出现,基于内容的图像检索技术成为研究热点。该文对目前基于内容的图像检索技术的主要原理与方法进行了分析,并对以后的发展趋势进行了展望。     

基于区域熵的图像检索

提出了一种新的基于区域熵的图像检索算法RECS，不仅利用图像的子块熵来描述图像的特性，而且依据熵信息的均值和方差将图像分割为高熵子图和低熵子图两部分。综合图像区域的颜色形状特征和分两步的图像检索过程，有效提高检索准确性的同时也节省了检索时间。实验结果表明，RECS算法对前景单一和前景复杂图像的检索效果同样令人满意。     

基于内容的图像检索研究

随着多媒体技术的不断发展下,基于内容的多媒体技术应运而生.它和传统的数据库相结合.可以方便地实现多媒体数据的存储和管理,与网络搜索引擎技术相结合,用来检索互联网上丰富的多媒体信息.这里主要是研究基于内容的图像检索技术.     

基于内容的图像检索方法的探讨

该文在对图像特征分析及相似检索方法研究分析的基础上,提出了一种基于色调局部累加直方图与纹理特征结合的相似性匹配度量算法。该算法不但缩短了查询时间,而且通过实验证明,该算法有较高的检索率。     

基于图像检索的特征提取研究

实现一个多模态图像检索系统,方便普通大众更快更准地查找所需要的图像或者所对应的信息.该系统具有一定的理解能力,可以根据语义概念进行检索,可以根据图像中某个感兴趣区域进行检索,也可以根据整幅图像进行检索.     

基于内容的图像检索技术

本文分析了基于内容的图像检索的关键技术以及各个阶段的研究特点,重点分析了基于颜色和纹理特征的图像检索技术。指出了目前研究中存在的主要问题并提出了今后的研究方向。     

基于角点及空间分布的图像检索方法

本文提出了一种利用角点特征进行图像检索的新方法,该方法利用改进后的Harris算法检测角点,在此基础上结合角点信息、质心距与非角点信息进行检索。该描述方法对形状的平移、旋转、尺度具有鲁棒性。实验结果表明,该方法能够充分利用轮廓信息正确描述形状特征,且实现简单,有效提高了检索的效率。     

基于NMI不变特征的图像检索方法

基于内容的图像检索技术是当前多媒体数据库系统和数字图书馆研究中的一个热点。文章基于二值图像的NMI不变特征(归一化转动惯量)提出了一种全新的基于内容的图像检索方法,其特点是计算简单、精确度高、具有抗几何畸变性,对滤波、平滑、压缩等图像操作有一定的鲁棒性。试验结果表明,该方法具有一定使用价值,可用于图像检索。     

基于内容的图像检索综述

本文简要介绍了基于内容的图像检索，给出了基于内容的图像检索系统的一般结构。对图像检索的发展进行了概述。对基于内容的图像检索的主要研究技术进行了详细和全面的论述，并介绍了几个典型的基于内容的图像检索系统。最后，指出了目前研究中存在的一些主要问题。     

基于内容的图像检索技术研究

阐述基于内容的图像检索研究中存在的问题,并介绍其基本原理、检索方法、关键技术以及研究的进展和趋势.     

基NMI变特征的图像检索方法

基于内容的图像检索技术是当前多媒体数据库系统和数字图书馆研究中的一个热点。文章基于二值图像的NMI不变特征(归一化转动惯量)提出了一种全新的基于内容的像检索方法，其特点是计算简单、精确度高、具有抗几何畸变性，对滤波、平滑、压缩等图像操作有一定的鲁棒性。试验结果表明，该方法具有一定使用价值，可用于图像检索。     

基于t-SNE卷积编码的图像检索方法

为了提高基于内容图像检索系统的速度和精度,提出了一种基于t-SNE卷积编码的图像检索方法。该方法首先采用一个高精度卷积神经网络模型提取图像特征,然后通过定量分析模型不同层特征的检索性能,选择出最佳特征。其次将选择出的最佳特征使用t-SNE方法进行编码,降低特征维度的同时进一步减少图像特征中的噪声。最后,利用降维后的编码特征,实现基于内容的图像检索系统。实验结果表明：随着特征维度的降低,卷积编码方法不但不会降低检索精度,反而在某些情况下会提高检索精度。采用16维卷积编码特征,就可以超过传统方法128维编码特征的检索精度。而一旦特征维度降低8倍,可以使得特征的存储空间缩小8倍,图像检索效率大幅提高。因此,该方法可以有效提高基于内容图像检索系统的速度和精度。     

基于卷积神经网络和流形排序的图像检索算法

针对基于内容的图像检索(CBIR)中低层视觉特征与用户对图像理解的高层语义不一致以及传统的距离度量方式难以真实反映图像之间相似程度等问题,提出了一种基于卷积神经网络(CNN)和流形排序的图像检索算法。首先,将图像输入CNN,通过多层神经网络对图像的监督学习,提取网络中全连接层的图像特征;其次,对图像特征进行归一化处理,然后用高效流形排序(EMR)算法对查询图像所返回的结果进行排序;最后,根据排序的结果返回最相似的图像。在corel数据集上,深度图像特征比基于场景描述的图像特征的平均查准率(mAP)提高了53.74%,流形排序比余弦距离度量方式的mAP提高了18.34%。实验结果表明,所提算法能够有效地提高图像检索的准确率。     

基于内容的图像检索综述

综述了基于内容图像检索领域中特征提取技术，多维索引与图像分类技术的研究成果，介绍了几个有特色的基于内容图像检索系统，最后提出了这一领域尚存在的问题和未来发展方向。     

基于边缘颜色分布的图像检索方法

提出了一种新的基于边缘颜色分布的图像检索算法。该算法将不同类型边缘附近的颜色分布作为刻画图像内容的主要特征,设计了一种紧凑的2D边缘颜色直方图来对图像的边缘颜色分布特征进行描述，既利用了局部颜色特征，又考虑了不同类型边缘的空间分布信息，克服了传统颜色直方图不能反映空间信息的缺陷。实验结果表明，该算法与其他同类方法相比，有效地提高了检索性能。     

一种基于颜色基元共生矩阵的图像检索方法

提出一种结合图像颜色连通区域信息及其纹理特征的图像检索新方法。对图像进行分块,确定图像中的颜色连通区域集,提取图像中各颜色连通区域对应的4种颜色基元共生矩阵特征,针对该特征设计的图像相似性度量函数实现基于内容的图像检索。实验结果表明,该方法能有效地结合图像的纹理信息及其颜色构成和分布信息,具有良好的检索效果和性能。     

基于仿生形象思维方法的图像检索算法的改进

基于仿生形象思维方法的图像检索算法主要是模仿人脑的形象思维对图像认知,从全新角度提取图像特征而设计的一种新算法。此算法把每幅图像都映射成高维空间一个点,通过计算点和点之间的判别函数得到图像之间的关系。该文利用最直接地描述图像内容的视觉特征,即颜色复杂度来提取图像特征,对基于仿生形象思维方法的图像检索算法做进一步研究与改进。实验结果表明该方法比文献[1]基于仿生形象思维方法的图像检索算法的特征提取方法效果有一定的提高。     

基于内容的图像检索关键技术的改进策略

随着随着多媒体技术和计算机网络的飞速发展,基于内容的图像检索（CBIR）技术成为一个研究热点。文中介绍了CBIR的系统构成和关键技术,对CBIR的各种特征提取方法进行了综合分析、比较,指出了目前研究存在的问题,提出了改进和提高CBIR性能的方法,指明了今后的研究方向。