基于颜色分布特征的图像检索

颜色直方图是基于内容的图像检索（CBIR）中的一种重要特征，然而其完全丢弃了图像颜色的空间分布信息，为了有效地利用图像颜色的空间分布信息，提出采用颜色分布熵（CDE）描述图像颜色的分布特征，并根据人的视觉特性及信息熵的特性，提出了进一步的改进算法。同以往的方法进行比较结果表明，该方法在图像的相似性检索时是很有效的，并具有较高的检索效率。     

基于兴趣点凸包的图像检索方法

提出了一种基于兴趣点确定感兴趣区域的图像检索方法。在尺度归一化图像中检测兴趣点,然后对兴趣点求取凸包确定感兴趣区域,并用颜色直方图和Zernike矩作为特征进行检索,在保证图像检索对图像旋转、平移、缩放鲁棒性的前提下,将图像检索上升到物体层,克服了传统方法的不足。对1000幅图像进行的大量实验表明,该方法与其他基于兴趣点的方法相比,平均检索准确率提高了13%,可以更准确地查找到用户所需图像。     

基于HSV颜色空间的图像检索系统

基于内容的图像检索包括多种底层特征,其中基于颜色的图像检索系统具有良好的鲁棒性和实用性,系统通过将待检索图片进行色彩空间转换、直方图统计、图像库检索等过程检索出匹配的图片。实验结果表明,该系统的检索准确率较高。     

基于改进布谷鸟搜索算法的相关反馈图像检索

由于视觉低层特征与高层语义间存在"语义鸿沟",基于内容的检索算法难以找到满足用户要求的图像,为了提高图像检索准确率,提出一种基于布谷鸟搜索算法的相关反馈图像检索方法(MCS)。首先分别提取图像的颜色、纹理、形状特征。然后根据用户的反馈信息,采用布谷鸟搜索算法动态调整特征的权值,从而建立满足用户实际偏好的图像相似度模型。最后采用仿真实验测试MCS的有效性。结果表明,相对于遗传算法、粒子群算法以及传统图像检索算法,MCS算法不仅提高了图像检索准确度,同时加快了图像检索效率,更好地满足图像检索要求。     

基于兴趣点局部分布特征的图像检索方法

提出了一种基于兴趣点颜色和空间分布特征的图像检索方法。该方法把图像内容看作为由若干兴趣点组成的集合,首先利用小波系数的空间方向树特性来检测兴趣点,然后利用基于兴趣点的环形颜色直方图和空间离散度来描述图像的特征,最后用加权特征距离来估计图像内容的相似度。同时,通过利用环形颜色直方图和空间离散度作为图像特征保证了该算法能够对图像的尺度变化、旋转变化和平移变化具有很好的抑制能力。在含有1000幅图像的数据库上所做的一系列实验表明,该算法与其它基于兴趣点的方法相比,能够更准确和高效地查找出用户所需的图像,明显地提高了检索精度。     

基于视觉特征的图像检索重排序

主要介绍了在基于关键字的图像检索结果上,利用视觉特征对图像进行重排序。由于关键字对图像的描述存在一定的偏差,所以检索结果难免存在偏差。尽管如此,基于关键字的检索结果中依然有一定比例的图片是与用户期望相关的,利用这一相关性可以建立一个由图像视觉特征描述的用户目标概念,以此作为基准采用分段插入排序对基于关键字的图像检索结果进行重排序,此方法既提高了检索准确率,又能满足实时性要求。文中介绍的方法采用了两种视觉特征,颜色直方图和局部二值模式(LBP)。     

基于内容的图像检索系统

基于内容的检索，是指直接利用图像的各种特征进行检索。通过比较图像间这些特征的接近程度，可从数据库中查找到视觉上最相近的图像或视频片段。文中介绍了一种基于内容的图像检索系统，检索算法综合了图像的纹理、边缘和颜色特征。分别介绍了图像的纹理、边缘和颜色特征的提取方法，以及基于内容的图像检索系统的实现，并给出了试验结果。     

一种基于加权颜色聚合向量的图像检索方法

以图像颜色聚合向量为基础,并结合图像显著特征,提出了一种基于加权颜色聚合向量的图像检索方法.首先,提取图像的显著性图,并进行归一化处理,得到加权矩阵;然后,对图像进行颜色聚合向量提取,并根据加权矩阵进行加权处理;最后通过计算两幅图像之间的加权颜色聚合向量相似度,进行图像检索.该方法既系统兼顾了图像的颜色分布特征和高层视觉特征,又具有较高的计算速度;实验结果证明,该算法的检索精度明显高于传统的基于颜色统计特征的检索精度.     

基于兴趣点检测的视觉关键词提取新方法研究

基于内容的图像检索的一个突出问题是提取整幅图像的全局特征,而用户通常只关注一幅图像中的局部区域。对于如今海量的数据库,提取图像的全局特征使得数据库的信息量变得非常大。这样,从巨大的图像特征库中查找匹配的图像特征时检索准确率将大大降低。针对用户感兴趣的局部区域,提出视觉关键词的概念。一幅图像用若干个视觉关键词替代,这样一幅图像的特征量将大大减小。视觉关键词是用户感兴趣的图像区域,这样使得检索更加具有针对性。实验结果表明检索准确率有明显提高。     

综合利用颜色和纹理特征的图像检索

基于特征的图像检索在多媒体数据库管理和多媒体通信传输中得到越来越多的重视。本文介绍了我们设计的分别基于颜色特征和基于纹理特征的两种图像检索算法。在利用单一特征检索的基础上,我们提出了一种综合利用上述两个特征共同进行检索的方法。对真实图像数据库的检索实验表明,综合特征检索要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。     

一种新的图像检索方法

常规基于内容图像检索的方法是提取图像的颜色、纹理等物理特征,运用相似性度量准则从图像库中查询相似的图像。为了提高图像检索的正确率,这里提出改进的方法。具体方法是:提取图像的物理特征,并将特征作为支持向量机(SVM)的输入向量,对图像进行分类,然后利用分类结果,对检索图像进行相似性匹配,从同类图像中找出相似的图像。实验结果显示,该方法的检索结果优于常规方法。     

基于融合特征的现勘图像检索结果优化算法

刑侦现勘图像数据库是具有保密性高、图像内容罕见等极具行业特色的图像数据库.针对现勘图像内容复杂、目标物体不明确的特点,提出了DCT-DCT波纹理特征,并与HSV颜色直方图特征、GIST特征相融合构成融合特征.与常用的图像特征相比,DCT-DCT波纹理特征能够得到较高的检索效率,而融合特征的平均检索查准率高于构成其本身的三种特征的平均检索查准率.最后,将语义分析技术引入到检索过程中,提出基于检索结果优化的现勘图像检索算法,利用支持向量机（Support Vector Machine,SVM）分类器对查询图像进行语义提取,并对初次检索的结果进行语义分析,根据初检结果中语义类别的占比选择二次检索方案,该算法能在按例查询的基础上进一步提高平均检索查准率.     

综合语义与颜色特征的图像检索技术研究

针对多媒体搜索引擎系统中的图像检索技术，本文提出了应用图像的高层语义特征和底层颜色特征作为图像检索的综合指标，将图像文本和视觉信息融合起来，给出了一种综合语义和颜色特征的图像检索系统的体系架构．以填补多媒体底层特征和高层语义之间的差异，并在此基础上提出了相关算法，使图像检索能够满足用户的需求．提高图像检索的效率和精度。     

基于全局和局部颜色特征的图像检索方法

提出了一种基于图像全局和局部颜色特征的图像检索方法.首先在符合视觉感知特性的Lab颜色空间中提取全局颜色特征;再对图像进行图像子块划分,同时利用具有人眼视觉特性的高斯加权系数对其进行加权,然后利用二值化得到的颜色位图作为局部颜色特征,并进一步加入了方向性的考虑,对图像子块进行垂直和水平投影,最后合理地融合了全局和局部颜色特征的相似性进行图像检索.对Corel图像数据库的实验结果表明,此算法具有良好的检索效率.     

流形学习和相关反馈相融合的医学图像检索

图像检索是医学图像辅助诊断的基础,为了提高医学图像检索的正确率,提出一种流形学习和相关反馈相融合的医学图像检索算法(LLE-MF)。首先根据方块编码的思想提取颜色分量的信息熵,并利用邻域灰度共生矩阵提取纹理特征;然后采用非线性流形学习对颜色和纹理特征进行组合、降维处理,并采用欧式距离相似度量模型对图像初步进行检索,最后最小二乘支持向量机对初步检索结果进行相关反馈,并进行仿真测试。结果表明,相对于其它医学检索算法,LLE-MF不仅提高了医学图像的检索准确率,同时提高了医学图像的检索效率,可以准确地找到用户所需的图像.     

基于极性复指数变换的图像伪造检测算法

为解决当前图像伪造检测方法在识别复制内容区域时忽略了颜色信息和不同颜色分量之间的相关性,使其对伪造内容的定位与检测准确度不理想的问题,设计了基于改进的加速稳健特征(SURF)描述符与多元极性复指数变换的图像伪造检测算法。引入高斯低通滤波器,对彩色图像完成过滤,以消除噪声,再计算滤波图像的颜色不变性,用其替代SURF描述符中的灰度分量,对SURF方法予以改进,获取新的Hessian矩阵,充分检测彩色图像中的兴趣点;随后,利用这些兴趣点来构建一组连通的Delaunay三角网。基于四元极性复指数变换,充分考虑不同颜色分量之间的相关性,有效提取三角网的局部视觉特征;计算视觉特征之间的欧式距离,根据预设阈值,对三角网实施配准;最后,引入随机样本一致性,剔除错误匹配的三角网,并定义后处理方法,检测出复制伪造区域。测试数据显示：相对已有的复制-粘贴伪造检测方法,在多种几何变换条件下,所提方法具有更高的伪造检测准确性。     

Efficient Content-Based Image Retrieval Methods Using Color and Texture

In this paper, we propose efficient content-based image retrieval methods using the automatic extraction of the low-level visual features as image content. Two new feature extraction methods are presented. The first one is an advanced color feature extraction derived from the modification of Stricker's method. The second one is a texture feature extraction using some DCT coefficients which represent some dominant directions and gray level variations of the image. In the experiment with an image database of 200 natural images, the proposed methods show higher performance than other methods. They can be combined into an efficient hierarchical retrieval method.