基于特征自动提取的足迹图像聚类方法

足迹图像是公安在串并案的侦破过程中最为重要的线索,且每年各处公安都会收集很多犯罪现场的足迹,如何自动化地整理和归类这些足迹图像成为当前公安信息化的一个难点.面向公安实战需求,文中结合卷积神经网络和DBSCAN算法,提出了一种对足迹图像聚类的方法.首先,对足迹图像进行预处理以便满足模型训练要求;接着,通过模型预训练改进了Resnnet50和Densenet121两类卷积神经网络模型结构,提取足迹图像特征并建立特征向量库;随后,基于DBSCAN聚类算法,利用上述特征向量库实现对足迹图像的整理归类.实验结果表明,该方法具有良好的实用性和有效性.     

基于两种纹理特征聚类的图像检索

设计和实现两种不同的分形维数作为纹理特征进行聚类的方法.提取几百幅不同图像的两种纹理特征,对特征库按聚类算法建立索引结构,形成图像的分类库,通过两种不同纹理特征的检索与无聚类的特征检索相比,实验结果表明聚类方法大大缩短了检索时间.结论:作为海量图像的检索,有效的图像特征结合聚类是一个有力工具,在研究信息分类与识别等方面具有应用潜力.     

低层特征获取高层语义的图像检索

首先采用基于颜色聚类的方法将图像分割成区域,提取每个区域的Gabor小波纹理特征和灰度共生矩阵纹理特征,接着采用信息熵对特征进行选择,使用选择后的特征对图像区域进行聚类,得到每幅图像的语义特征向量;然后提出遗传模糊C均值算法对图像进行聚类。在图像检索时,查询图像和聚类中心比较,在距离最小的类中进行检索。实验表明,提出的方法可以明显提高检索效率,提高了检索的精度。     

改进k-means算法在图像标注和检索中的应用

提出一种基于改进的k-means算法的图像标注和检索方法。首先对训练图像进行分割,采用改进的k-means算法对分割后的区域进行聚类。改进的k-means算法首先采用遗传聚类算法确定聚类数k,然后对聚类中心进行选择。在图像标注时,首先通过已标注的图像求出语义概念和聚类区域的关联度,用它作为待标注图像的先验知识,然后结合区域的低层特征,对未标注的图像进行标注。在一个包含1 000幅图像的图像库进行实验,采用标注的语义关键字进行检索,结果表明,提出的方法是有效的。     

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。     

信息熵和信息瓶颈算法在图像聚类中的应用

提出基于信息熵特征选择和信息瓶颈算法的图像聚类算法,首先提取图像的Gabor小波纹理特征和灰度共生矩阵纹理特征,然后采用信息熵特征选择方法进行特征降维;图像聚类方法很多,其中较为典型的k-means聚类算法,但它过分依赖距离函数和聚类中心的选择,采用信息瓶颈算法对图像进行聚类,信息瓶颈算法不需要定义距离函数,它考虑了样本与特征的关系,不仅压缩了样本的信息,同时又考虑保留特征信息。实验结果表明,提出的方法具有良好的聚类效果。     

视觉相似性计算的艺术图像自组织方法

为解决大量数字化艺术图像常规组织和管理复杂低效问题,提出一种基于图像相似性计算的自组织方法,对艺术图像提取了颜色、纹理、空间布局和SIFT等用于相似性计算的视觉特征表示,并根据艺术图像空间布局特点设计计算模型,试验了特征的聚类效果。采用多层版本近邻传播聚类（MLAP）算法为基础,对实验图像库进行层次化聚类,构建图像的层次化浏览结构。实验结果表明,该方法在艺术图像的管理和使用上都有着良好的性能。     

SVM用于基于块划分特征提取的图像分类

在基于内容图像检索中,图像的底层视觉特征和高层语义概念之间存在着较大的语义间隔。使用机器学习方法学习图像特征,自动建立图像类的模型成为一种有效的方法。本文提出了一种用支持向量机(SVM)实现自然图像自动语义归类的方法,基于块划分聚类得到特征向量作为SVM训练样本,实现语义分类器。由于参与聚类的是某类图像所有块的特征,提取的特征更能反映某一类图像特征。实验证明这种方法是有效的。     

基于分级mean shift的图像分割算法

实验发现传统mean shift算法进行分割时常会产生连接通道问题,使得几个分类簇之间无法完全分开.针对该问题,提出一种改进的分级mean shift图像分割算法,在初次迭代获得的聚类中心基础上采用不同的带宽矩阵进行多次聚类,从而获得不同级的聚类中心集合,并建立一个归属树结构,最终通过叶节点与根节点的归属关系进行归类从而完成图像分割.实验证明改进算法可以更好地保留图像的局部信息,同时具有较好的适用性.     

基于信息瓶颈算法的图像语义标注

首先采用改进的k均值无监督图像分割算法将图像分割成不同的区域,提出信息瓶颈聚类方法对分割后的区域进行聚类,建立图像语义概念和聚类区域之间的相互关系.然后对未标注的图像进行分割,在给出分割区域的条件下,计算每个语义概念的条件概率,使用条件概率最大的语义关键字实现图像语义的自动标注.对一个包含500幅图像的图像库进行实验,结果表明,本文方法比其它方法更有效.     

基于内容查询的图像数据库数据模型

数据模型是实现基于内容查询的图像数据库的基础.构造了一个按内容检索的面向对象图像数据模型OOIDM(Object-oriented image data model),该模型能够很好地描述图像数据库系统中的图像数据、语义特征、图像特征以及支持空间推理.     

一个图像数据库检索系统的结构设计和快速检索方法

本文介绍了图像数据库区别于常规数据库的特点,并以数字化图书馆的数据库子系统Basestar为例,介绍了图像数据库检索系统的结构和检索方法。Basestar采用综合了颜色、形状、纹理三种特征矢量的综合性检索方法,本文详细介绍了这种方法,并论述了在此方法基础上,根据三角形不等式准则改进而成的检索方法的原理和实现。实验证明Basestar 系统具有较好的检索效果,检索结果证明快速检索方法是有效的。     

基于全卷积神经网络与低秩稀疏分解的显著性检测

为了准确检测复杂背景下的显著区域,提出一种全卷积神经网络与低秩稀疏分解相结合的显著性检测方法,将图像分解为代表背景的低秩矩阵和对应显著区域的稀疏噪声,结合利用全卷积神经网络学习得到的高层语义先验知识,检测图像中的显著区域.首先,对原图像进行超像素聚类,并提取每个超像素的颜色、纹理和边缘特征,据此构成特征矩阵;然后,在MSRA数据库中,基于梯度下降法学习得到特征变换矩阵,利用全卷积神经网络学习得到高层语义先验知识;接着,利用特征变换矩阵和高层语义先验知识矩阵对特征矩阵进行变换;最后,利用鲁棒主成分分析算法对变换后的矩阵进行低秩稀疏分解,并根据分解得到的稀疏噪声计算显著图.在公开数据集上进行实验验证,并与当前流行的方法进行对比,实验结果表明,本文方法能够准确地检测感兴趣区域,是一种有效的自然图像目标检测与分割的预处理方法.     

Web环境下基于内容查询的图像数据库研究

文章介绍了如何利用ISAPI开发基于Web的图像数据库管理系统。通过实例详细讨论了ISAPI对表单的处理、图像的特征提取等关键性技术,并运用了ActiveX技术加强图像数据库的管理功能,为在Web环境下实现基于内容的图像查询(QBIC)提供了解决方案。     

Query by image and video content: a colored-based stochastic model approach

For efficient image retrieval, the image database should be processed to extract a representing feature vector for each member image in the database. A reliable and robust statistical image indexing technique based on a stochastic model of an image color content has been developed. Based on the developed stochastic model, a compact 12-dimensional feature vector was defined to tag images in the database system. The entries of the defined feature vector are the mean, variance, and skewness of the image color histogram distributions as well as correlation factors between color components of the RGB color space. It was shown using statistical analysis that the feature vector provides sufficient knowledge about the histogram distribution. The reliability and robustness of the proposed technique against common intensity artifacts and noise was validated through several experiments conducted for that purpose. The proposed technique outperforms traditional and other histogram based techniques in terms of feature vector size and properties, as well as performance.     

Structural feature indexing for retrieval of partially visible shapes

Efficient and robust information retrieval from large image databases is an essential functionality for the reuse, manipulation, and editing of multimedia documents. Structural feature indexing is a potential approach to efficient shape retrieval from large image databases, but the indexing is sensitive to noise, scales of observation, and local shape deformations. It has now been confirmed that efficiency of classification and robustness against noise and local shape transformations can be improved by the feature indexing approach incorporating shape feature generation techniques (Nishida, Comput. Vision Image Understanding 73 (1) (1999) 121-136). In this paper, based on this approach, an efficient, robust method is presented for retrieval of model shapes that have parts similar to the query shape presented to the image database. The effectiveness is confirmed by experimental trials with a large database of boundary contours obtained from real images, and is validated by systematically designed experiments with a large number of synthetic data.     

基于Gabor特征与加权协同表示的人脸识别算法

针对基于稀疏表示分类方法的训练样本于与类别标签信息提取不足,特别是在训练样本和待测样本都受到噪声污染的情况下将会明显下降及算法复杂度较高的问题,提出以Gabor特征以及加权协同为基础的人脸识别算法;最初需要对人脸图像内所包含的各个尺度以及方向的Gabor特征完成提取,在稀疏表示中引入Gabor特征,将降维后的Gabor特征矩阵作为超完备字典,再用稀疏表示增强加权协同表示得到该字典下的的稀疏表示系数,然后利用增强系数与训练样本的标签矩阵完成对测试样本进行分类识别,从而得到Gabor特征以及加权的协同表示分类方法,在Yale人脸数据库、Extended Yale B和AR人脸数据库上以及在FERET人脸数据库对人脸姿态变化的实验表明新算法具有更好的识别率和较短的计算时间.     

中国矿物数据库中图像数据最优存储和显示方法的探讨

图像数据是中国矿物数据库的核心部分,其存储和显示方式直接影响着整个数据库的运行速度和性能。文章通过对中国矿物数据库中几种图像数据的存储、显示实现方式的比较,得出了最优的存储和显示方案,并给出了实现图像显示的程序代码,在此基础上又进一步探讨了其他的图像显示方法。     

基于稀疏表示的KCCA方法及在表情识别中的应用

在面部表情识别中,由于图像特征中存在与情感语义无关的信息及噪声干扰等因素,在一定程度上影响表情识别的准确性。传统的基于核典型相关分析的识别方法难以有效克服这些因素的影响。为尽可能排除这些影响表情识别的因素,提出一种基于稀疏表示的核典型相关分析方法,并将其应用于表情识别中。该方法的基本思想是应用稀疏学习方法来自动选择表情特征矩阵中的关键特征谱成分进行表情特征与情感语义特征之间的相关性建模,然后通过建立的模型完成对待测表情图像的语义特征估计,并用于表情的分类识别。为验证所提方法较传统的基于核典型相关分析方法的优越性,选取国际标准表情数据库JAFFE进行实验,实验结果证实了所提方法的有效性。     

基于多尺度压缩感知金字塔的极化干涉SAR图像分类

提出了一种新的基于多尺度压缩感知(Compressed sensing, CS)金字塔的分类方法, 用于合成孔径雷达(Synthetic aperture radar, SAR)图像的分类. 首先通过原始图像上的小波平滑和特征提取构建多尺度极化干涉特征空间, 然后利用压缩感知提取每一个尺度上图像子块的观测域特征并在数据域重建稀疏特征, 最后组合多尺度的稀疏特征生成最终用于分类的多尺度金字塔表达. 针对稀疏编码和一般金字塔算法的局限性, 提出了基于压缩感知和多尺度金字塔的方法, 利用观测矩阵降低特征维数的优势的同时, 对SAR图像的纹理特征进行不同尺度的分析. 在国内首批极化干涉SAR数据上的实验证明了上述算法的有效性.