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。     

基于刻面描述的构件检索

随着软件复用实践的深入和软件构件库规模的扩大,对软件构件的表示与检索的研究正受到越来越多的重视.针对基于刻面描述的软件构件,结合模式分析中的树匹配思想,根据构件刻面描述的特点,提出了一种基于树包含(tree inclusion)的构件检索方法,并进行了理论上的分析与实验上的检验.实验结果证明了它的可行性与有效性.     

利用遗传算法和特征权重调整的图像检索

综合多种特征的图像检索可以克服使用单一特征带来的问题,如何组织这些特征使其发挥最佳作用是基于内容图像检索中的一个难点。提出了一种基于遗传算法相关反馈的图像特征权重调整方法,利用遗传算法和特征权重的调整,缩小低层特征和高层语义之间的语义鸿沟,使检索效果在很短的时间内达到最好。实验表明,该方法查全率和查准率较高,对于各种特征的组合,都能达到最佳的检索效果。     

全局及其个性化区域特征的图像检索

交通领域个性化图像检索的关键是根据业务需求通过重点监控车辆的个性化特征 在海量数据库中进行匹配,其目的是捕获与重点监控车辆相关的卡口信息。目前的图像检索算法包括基于文本的图像检索、基于内容的图像检索方法和基于语义的图像检索。针对交通领域的图像检索需求,提出了一种基于全局以及个性化感兴趣区域特征的图像检索算法。通过使用交通图像库进行检索验证,对个性化特征进行精准滤除,从而得到准确的检索结果。实验表明,此种基于全局特征结合个性化感兴趣区域特征的图像检索算法解决了CNN高层特征对个性化局部特征描述能力低、检索耗时等问题,并通过个性化局部特征提高了检索效果,使得检索率、平均准确率都达到90%,呈现出较好的检索效果,计算速度快,具有较强的鲁棒性和实用性。     

基于颜色和形状特征的图像检索方法

提出了一种基于颜色和形状特征的图像检索方法。在对HSV颜色模型量化的基础上,提取颜色直方图作为图像的颜色特征。在提取形状特征时,结合颜色量化结果,利用图像分割提取图像的形状特征,利用两特征的加权距离计算图像之间的相似度,而后进行图像检索。实验结果表明,该方法取得了较好的检索效果。     

基于镜头鉴别力分析的视频检索方法

为克服互联网中视频信息传统检索方法的不足,保证检索的准确率和高效性,针对镜头代表性强弱的问题,提出镜头鉴别力概念以及计算鉴别力大小的方法,并基于镜头鉴别力设计一种新的视频检索方法。该方法提取镜头静态特征和动态特征作为计算鉴别力大小的依据。实验结果证明,使用镜头鉴别力分析后的检索效果好于未使用镜头鉴别力分析的检索效果,在实验环境中达到94%的准确率。     

基于色彩和边缘特征的图像检索方法

为了改善基于内容的图像检索的效果和提高其检索效率,提出一种基于色彩和边缘特征的图像检索方法。首先将RGB图像分成几个子图像的形式,然后,对于每一个子图像提取其色彩特征和边缘特征,其中边缘特征的获得采用了瞬时保持（MP）边缘检测技术。将这两种特征结合在一起使用,可以实现准确快捷的图像检索。实验结果表明,该方法在检索精度和检索效率上都高于Cheng的两种方法且所用的时间分别为Cheng的方法的10%和3%,检索精度提高近20%。     

基于过渡特征识别及过滤的三维CAD模型检索

为解决过渡特征对基于图匹配的三维CAD模型检索算法的效果和效率影响问题,提出一种三维CAD模型检索中过渡特征的识别及过滤算法.首先利用基于规则判断的方法识别出B-Rep模型中存在的过渡特征;然后根据识别结果对CAD模型的属性邻接图进行重构,以消除因过渡特征的存在对模型几何及拓扑信息造成的影响;最后利用重构的属性邻接图、通过子图同构方法实现基于过渡特征过滤的三维CAD模型检索.实验结果表明,该算法能够有效地实现对多种过渡特征类型的过滤,检索结果更符合实际工程需求.     

基于细节层次与最小生成树的三维地形识别与检索

图像、视频、音频和图形等均是多媒体数据流中的信息载体,对上述数据所蕴涵的内容进行分析,可以极大地方便人们对它们的使用与管理.基于内容的图像(视频)和音频检索已经取得了不少进展,但是对于图形,特别是3D图形进行识别与检索的有效方法还很少见.提出了对相似3D物体识别与检索的算法,在这个算法中,首先使用细节层次模型对3D物体进行三角面片约减,然后提取3D物体的特征.由于所提取的特征维数很大,最小生成树(minimum spanning tree,简称MST)被用来对每一个3D物体的特征进行约减,基于约减后的特征,实现了基于支持向量机的3D物体识别与检索方法.这个算法被使用到3D丘陵与山地的地形识别中,取得了良好效果.     

基于特征的文档图像检索

提出一种综合利用文档图像的段落特征和局部像素分布相对差特征进行文档图像检索的方法。给出段落特征和局部像素分布相对差特征的定义、提取方法以及基于这2个特征结合使用的检索方法。段落特征这一全局特征以及局部像素分布相对差特征这一局部特征相结合能够较好地表征和区分文档图像,检索方法将两者充分结合取得较好的效果。     

Region-based image retrieval with high-level semantics using decision tree learning

Semantic-based image retrieval has attracted great interest in recent years. This paper proposes a region-based image retrieval system with high-level semantic learning. The key features of the system are: (1) it supports both query by keyword and query by region of interest. The system segments an image into different regions and extracts low-level features of each region. From these features, high-level concepts are obtained using a proposed decision tree-based learning algorithm named DT-ST. During retrieval, a set of images whose semantic concept matches the query is returned. Experiments on a standard real-world image database confirm that the proposed system significantly improves the retrieval performance, compared with a conventional content-based image retrieval system. (2) The proposed decision tree induction method DT-ST for image semantic learning is different from other decision tree induction algorithms in that it makes use of the semantic templates to discretize continuous-valued region features and avoids the difficult image feature discretization problem. Furthermore, it introduces a hybrid tree simplification method to handle the noise and tree fragmentation problems, thereby improving the classification performance of the tree. Experimental results indicate that DT-ST outperforms two well-established decision tree induction algorithms ID3 and C4.5 in image semantic learning.     

基于空间上下文加权词汇树的图像检索方法

基于词汇树的词袋模型(Bag-of-Words)表示算法是目前图像检索领域中的主流算法.针对传统词汇树方法中空间上下文信息缺失的问题,提出一种基于空间上下文加权词汇树的图像检索方法.该方法在词汇树框架下,首先生成SIFT点的空间上下文信息描述.然后利用SIFT点间的空间上下文相似度对SIFT间的匹配得分进行加权,得到图像间的相似度.最后,通过相似度排序完成图像检索.实验结果表明,该方法能够大幅度提高图像检索的性能,同时,对大规模图像库有较好的适用性.     

Non-negative locality-constrained vocabulary tree for finger vein image retrieval

Finger vein image retrieval is a biometric identification technology that has recently attracted a lot of attention. It has the potential to reduce the search space and has attracted a considerable amount of research effort recently. It is a challenging problem owing to the large number of images in biometric databases and the lack of efficient retrieval schemes. We apply a hierarchical vocabulary tree modelbased image retrieval approach because of its good scalability and high efficiency.However, there is a large accumulative quantization error in the vocabulary tree (VT)model thatmay degrade the retrieval precision. To solve this problem, we improve the vector quantization coding in the VT model by introducing a non-negative locality-constrained constraint: the non-negative locality-constrained vocabulary tree-based image retrieval model. The proposed method can effectively improve coding performance and the discriminative power of local features. Extensive experiments on a large fused finger vein database demonstrate the superiority of our encoding method. Experimental results also show that our retrieval strategy achieves better performance than other state-of-theart methods, while maintaining low time complexity.     

基于内容的MRI脑肿瘤图像特征提取及检索方法

医学图像检索中特征提取方法对检索的效果、性能具有重要影响,针对这个问题,设计了一个基于内容的医学图像检索系统.为了给医学图像检索系统的临床应用提供参考价值,该系统以哈佛大学医学院开发的脑肿瘤MRI医学图像数据库为背景,比较了颜色相关图、颜色矩、灰度共生矩阵、金字塔小波变换和树型小波变换这5个特征提取技术对MRI脑肿瘤医学图像的检索性能.实验结果表明树型小波变换和金字塔小波变换的检索效果较好.     

跨域图像检索综述

受成像载体、成像光谱和成像条件等的影响,跨域图像在不同领域的应用日益增多,跨域图像检索已成为了许多领域研究的热点和前言。然而图像的跨域检索面临着图像视觉偏差的问题,通过传统同域图像检索的方法无法有效地得到结果。通过文献调研,系统梳理了近年来跨域图像检索领域的代表性方法。对跨域图像检索任务作出了简要说明并指出了关键问题;根据图像域的不同转换阶段,将跨域图像检索方法分为两类：基于特征空间迁移和基于图像域迁移的跨域图像检索方法,并对两类方法进行了系统总结和分析;整理了跨域图像检索在不同领域的数据集,对比了各类方法的性能;总结了现有跨域检索方法并对未来的研究方向进行了展望。     

Tertiary hash tree-based index structure for high dimensional multimedia data

Dominant features for the content-based image retrieval usually have high-dimensionality. So far, many researches have been done to index such values to support fast retrieval. Still, many existing indexing schemes are suffering from performance degradation due to the curse of dimensionality problem. As an alternative, heuristic algorithms have been proposed to calculate the answer with ??high probability?? at the cost of accuracy. In this paper, we propose a new hash tree-based indexing structure called tertiary hash tree for indexing high-dimensional feature data. Tertiary hash tree provides several advantages compared to the traditional extendible hash structure in terms of resource usage and search performance. Through extensive experiments, we show that our proposed index structure achieves outstanding performance.     

基于改进双树复小波和灰度-梯度共生矩阵的纹理图像检索算法

针对双树复小波变换缺少不同尺度纹理的空间分布特征的缺陷,提出了一种改进双树复小波和灰度-梯度共生矩阵相融合的纹理图像检索新算法。首先,该算法将图像进行非均匀分块,并对分块的图像进行双树复小波变换,以此增加不同尺度下的空间信息;其次,利用灰度-梯度共生矩阵提取4个统计量特征;然后, 融合 两种方法提取的纹理特征以得到图像检索的纹理特征;最后,用Canberra距离进行相似性度量并输出图像检索的结果。实验结果表明,该方法对纹理图像有较好的检索效果。     

基于边缘和颜色特征的图像检索技术

提出了一种综合运用边缘和颜色特征进行图像检索的方法.该方法首先利用Matlab实现基于数学形态学的多结构元的边缘提取,并通过圆环划分法在HSV空间上量化得到颜色直方图,然后根据边缘和颜色特征的不同特性,采用不同的分块方法提取图像特征,突出了目标重要性的同时又兼顾了颜色的旋转不变性.本文根据该方法设计并实现了一个基于边缘和颜色特征的图像检索系统.实验结果表明,综合运用边缘和颜色特征进行图像检索,可显著提高图像检索系统的查全率和查准率.     

基于多特征融合和相关反馈的图像检索

鉴于单一视觉特征不能很好地表达图像内容,提出一种融合图像颜色、形状、纹理特征的图像检索方法。最后采用支持向量机（SVM）的相关反馈算法提高图像检索的准确度,缩小低层特征和高层语义之间的语义鸿沟。实验结果说明提出的方法具有良好的检索性能。     

基于整体区域相似的互动式图象检索模型

高效的基于内容的图象检索在许多领域得到了广泛的应用 ,基于内容的图象检索研究领域已经建立了一些系统 ,但在实际使用中 ,这些系统均有如下欠缺 :(1)这些系统均期望以相同的方法来处理各种不同类型的图象检索 ;(2 )这些系统在设计时 ,均缺乏从使用者的需求出发 .实际上 ,由于不同的检索方式是针对不同类型的图象 ,为此 ,提出了一个基于整体区域相似匹配的图象互动式检索系统 ,该系统是一个基于小波变换的特征提取和图象整体区域相似的、语义分类和互动方法的图象检索系统 .与其他检索方法相比较 ,此方法允许自适应查找和互动 ,因此可缩小查找范围 ,以提高检索效率 .实验结果表明 ,该系统比其他一些系统精确和高效