基于信息熵和Gabor滤波器的图像检索

采用颜色和纹理的多特征提取,将图像按照一定的规则进行分块,对各个分块分别进行各种特征向量的提取.采用HSV颜色空间把颜色特征量化到72个颜色空间得到72柄的一维直方图,计算图像信息熵;纹理特征采用Gabor滤波器.该种分块方法能够很好的利用图像内容的空间信息,综合颜色和纹理特征能够有效地提高查全率和差准率.     

基于颜色信息熵和多尺度纹理特征的图像检索

颜色特征采用分块的HSV颜色空间的信息熵,纹理特征采用小波多尺度高频子带方差特征,结合遗传算法的图像检索方法。采用组合特征进行图像检索,改善了颜色特征缺乏空间信息的缺点,利用遗传算法能够自适应地搜索最优解,减少了在相关反馈的检索过程中,用户的选择操作。通过比较实验,具有很好的检索性能。     

基于区域加权信息熵和改进遗传算法的图像检索

采用信息熵性能评价指标从概率的角度描述因权值变化而引起的图像信息熵分布的变化,可以根据用户关注的范围确定重点加权区域,通过改进的猴王遗传算法来确定权值选择,能够自动的确定感兴趣的区域。区域加权信息熵能够提取图像的颜色以及空间特性,并且保留了香农熵的数学特性。实验表明,区域加权信息熵实验结果的准确率高于单纯的颜色特征提取算法。