一种基于兴趣点颜色及空间分布的图像检索方法

提出了一种利用兴趣点进行图像检索的新方法．该方法把兴趣点作为图像中用户关注的视点线索,设计了一种基于兴趣点的环形颜色直方图,既利用了兴趣点的局部颜色特征,又考虑了兴趣点的空间分布结构,在保证检索算法对图像旋转、平移鲁棒性的前提下,克服了传统颜色直方图没有位置信息的缺陷．实验结果表明,该方法实现简单,有效提高了图像检索的效率．     

基于主色调的图像布局特征提取及相似性匹配算法

在基于内容的图像检索中,图像特征的提取和特征匹配是图像检索的核心.为了克服普通颜色特征不考虑颜色空间分布的缺点,提出了一种基于主色调的空间布局特征提取方法,并在此基础上提出了基于布局特征和颜色特征的图像相似性匹配算法-双特征匹配算法.仿真实验表明,该算法对一些布局特征明显的图像类型有很好的检索效果.     

基于颜色和空间特征的图像检索

提出一种新的基于颜色和空间特征的图像检索算法.首先,将检索图像转换为HSV颜色空间并进行量化,提取环形颜色空间信息熵作为颜色空间分布特征.其次,计算每个像素点的多邻域量化颜色值的一、二阶中心矩,利用各阶统计矩的信息熵来表征图像颜色的局部空间特征.最后,对特征向量进行高斯归一化,采用特征向量的L1-norm距离计算彩色图像的相似度并进行图像检索.结果表明,该方法比CDE和Geostat算法具有较好的检索效果.     

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SIFT特征和颜色融合的图像检索方法

根据图像检索方法中颜色直方图存在的问题,提出了一种改进的基于分块和主颜色的颜色直方图提取算法;根据SIFT特征存在的问题,提出了一种改进的基于harris角点的SIFT特征提取算法。最后运用两种改进算法提出了一种融合颜色直方图和SIFT特征的图像检索算法。实验结果表明,本算法在功能及性能上优于其他算法,并具很好的鲁棒性。     

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HIS颜色空间颜色对的图像检索系统

提出了一种在HIS空间中进行的基于颜色对的图像检索算法.为突出颜色在画面中的位置在内容检索上的作用,算法在HIS颜色空间的上对各颜色分量进行量化,用颜色对来描述图像的颜色特征,定义了基于颜色对的相似度度量,利用图像颜色特征进行相似度匹配和检索.实验结果表明,该算法能比较快速、有效地针对图像内容进行检索.     

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%。     

ISODATA高效迭代算法在基于内容的图像检索中的应用

颜色直方图作为颜色特征描述了图像颜色的统计分布特征,具有平移和旋转不变性,提出一种迭代自组织聚类分析算法可以用来实现基于颜色直方图的图像检索.该算法将ISODATA算法引入图像检索领域,实现了通过聚类算法来优化图像检索的目的.实验结果表明,该算法的应用大大提高了图像检索的速度以及图像命中率.     

一种基于局部颜色特征的图像检索方法

提出一种基于局部颜色特征的图像检索算法.该算法首先采用一种新的方法对图像进行分块,提取图像中心区域的主颜色和其他区域的平均颜色作为颜色特征,然后根据图像中心的重要性,对图像各个分块采用不同的加权系数,使局部图像的特征矢量被增强,从而提高了图像的检索精度.实验结果表明,这种基于局部颜色特征的图像检索算法适合于画面明显按分块变化的图像.     

基于空间分布特性和局部复杂度的显著目标检测算法

目前的视觉注意显著区域检测算法,主要依赖像素间的相互对比,缺乏从全局角度对显著目标的分析理解。依据显著目标是显眼、紧凑和完整的思路,提出一种基于目标空间分布特性和局部复杂度的无监督视觉注意显著目标自动提取算法。首先根据局部区域与其多个尺度邻域的对比,得到亮度显著图;然后利用颜色信息的显眼性、空间分布和区域一致性得到颜色显著图;同时通过对方向的空间分布和局部复杂度进行多尺度分析得到方向显著图;最后通过显著值的空间分布和面积增强因子相结合的融合策略得到输入图像的显著图,根据显著区域确定感兴趣区域位置,在基础上完成目标检测。将此方法应用于各类具有不同特点的彩色图像进行仿真实验,得到较好的检测结果,表明该算法是切实可行。     

基于分块主色的图象检索

传统的基于颜色直方图特征的图象检索方法简单且易于实现,但其直方图求交运算量过大,而且丢失了颜色的空间分布信息。本文给出了一种基于分块主色的图象检索方法。该方法将图象分成相等的九个子块,依次统计每个子块的颜色直方图,用户可根据各子块的的不同重要程度而改变各子块的权值,最后给出了这种基于分块主色的检索方法中图象相似度的计算方法。实验表明,该方法一方面利用主颜色减少了直方图相交运算量;另一方面通过对图象分块保留了颜色的空间信息并能够有效地将目标从背景中区分出来,从而有效地提高了检索速度和检索精度。     

使用兴趣点局部分布特征及多示例学习的图像检索方法

提出了一种基于兴趣点的图像检索新方法.在尺度空间中检测兴趣点,依据兴趣点的分布将图像划分成一系列等面积的扇形子区域并提取图像特征.该特征既反映了兴趣点的局部特性,又考虑了兴趣点的空间分布结构,同时对图像旋转、缩放和平移具有不变性.在相关反馈阶段,将图像看作是由各子区域内兴趣点局部特征构成的多示例包,根据用户选择的实例图像生成正包和反包,采用多示例学习算法获得体现图像语义的目标概念.本方法缩小了用户查询中的歧义性,在Corel图像库中进行的实验表明,与其他基于兴趣点的图像检索方法相比,平均检索准确率提高7%以上,可以更准确地查找到用户所需图像.     

基于颜色一致向量的图像检索方法

大量图像信息的产生使得基于内容的图像检索技术成为研究热点。由于颜色特征具有稳定性和计算简单的特点,本文首先介绍了利用全局颜色直方图进行图像检索的基本思想,然后分析了它的局限性,并给出了改进的方法：特征提取采用结合空间信息的颜色一致向量方法。在特征度量时,依据所设计的评价实验,对这两种方法进行了比较,并给出了实验结果和图像检索性能的评价。实验表明,所述的图像检索方法具有较好的查全率和查准率。     

基于缩略图和EMD的无分割空间彩色图像检索方法

提出了一种没有引入任何分割过程的空间彩色图像检索方法。首先结合人眼视觉感知特性,在CIELab颜色空间提取查询图像的缩略图,然后使用EMD方法进行图像缩略图间的匹配。在匹配过程中基于acontrario方法提出了一种无监督的匹配原则。实验结果表明,此算法不仅检索过程简单,鲁棒性强,而且检索效率明显高于基于区域分割的图像检索方法。     

一种基于视觉注意模型的图像检索方法

借鉴心理学中人眼视觉注意力模型,提出了一种新的基于显著区域的图像检索方法。利用局部结合整体的方式,既考虑图像显著区域中稳定所具有的稳定特征,同时充分利用区域间相互位置关系反映图像的整体构成,并结合二者进行检索,从而克服了传统检索中不能解决的图像旋转、平移、亮度变化等缺点。实验表明,利用显著区域进行检索有利于消除图像背景对检索结果的影响,与传统基于全局的检索方法相比,本文提出的方法具有更好的检索性能。