一种基于多特征融合的彩色图像检索方法

提出了一种基于特征融合的图像检索方法。利用图像的HSV直方图特征建立图像颜色直方图,并采用直方图二次式距离公式取得图像相似性度量值;利用图像的纹理特征建立256维的LBP特征向量,并利用欧式距离取得相似性度量值;通过两特征融合的方法取得图像检索中关键图和检索图之间的相似度值,使得检索取得更好的效果。实验表明,在查准率和...     

基于颜色和形状特征的彩色图像检索方法

针对基于内容的彩色图像相似性检索问题，提出了一种新的相似性彩色图像检索方法，该方法既考虑了图像的颜色特征，也考虑了图像的空间信息特征，即在对HSV颜色模型进行特殊处理的基础上，将提取的色调不变量作为图像的颜色特征，同时设计了图像状态矩阵来描述图像的形状信息和空间位置信息。在进行图像间的相似性测量时，为了结合不同的子特征进行全局的相似性检索，还采用Guassian模型对不同子特征间的距离进行了归一化处理。用不同类型的图像对这种方法进行的试验结果表明，它用于图像的相似性检索是很有效的，并具有较高的检索效率。     

颜色直方图在基于内容的遥感影像检索中的比较分析

本文主要针对颜色直方图在基于内容的图像检索中的应用效果进行实验分析和性能比较。分别在RGB和HSV 颜色空间中共构造了6 类不同量化方式的直方图,并采用特征向量相似性度量和概率相似性度量方式对其进行了遥感影像的检索实验和查准率比较,实验结果表明记为Q4096 和Q256 的两种直方图在基于x2 统计距离下的检索查准率较高,期望为基于颜色特征进行图像内容检索的应用提供参考。     

综合颜色和纹理特征的图像检索算法

基于内容的图像检索是当前多媒体信息检索的热点之一。基于内容的图像检索技术是根据对图像内容(特征)的描述和提取,在图像库中找到具有指定内容(特征)的图像。本文对图像颜色特征和纹理特征的提取、相似性度量等基于内容的图像检索的关键技术进行了分析和研究,并在此基础上,提出了一个基于颜色特征和纹理特征的图像检索算法并验证了其有效性。该算法采用HSV颜色空间的直方图作为颜色特征向量,采用灰度共生矩阵的四个纹理特征:能量、熵、惯性矩和相关性构成纹理特征向量,采用欧氏距离进行相似性度量。实验结果表明,该算法实现的系统具有良好的图像检索功能。     

基于语义相关性与拓扑关系的跨媒体检索算法

针对如何挖掘不同模态中具有相同语义的特征数据之间的内在相关性的问题,提出了一种基于语义相关性与拓扑关系（SCTR）的跨媒体检索算法。一方面,利用具有相同语义的多媒体数据之间的潜在相关性去构造多媒体语义相关超图;另一方面,挖掘多媒体数据的拓扑关系来构建多媒体近邻关系超图。通过结合多媒体数据语义相关性与拓扑关系去为每种媒体类型学习一个最优的投影矩阵,然后将多媒体数据的特征向量投影到一个共同空间,从而实现跨媒体检索。该算法在XMedia数据集上,对多项跨媒体检索任务的平均查准率为51.73%,与联合图正则化的异构度量学习（JGRHML）、跨模态相关传播（CMCP）、近邻的异构相似性度量（HSNN）、共同的表示学习（JRL）算法相比,分别提高了22.73、15.23、11.7、9.11个百分点。实验结果从多方面证明了该算法有效提高了跨媒体检索的平均查准率。     

词间相关性的CMRM图像标注方法

自动图像标注因其对图像理解和网络图像检索的重要意义,近年来已成为新的热点研究课题.在图像标注的CMRM模型基础上,提出了一种基于词间相关性的CMRM标注方法.该方法提取了标注字之间的词间相关关系,并利用图学习算法,通过将词间相关性矩阵叠加到初始标注矩阵的方法对标注结果进行了改善.利用Corel5k标注图像库中的自然场景图像进行实验.实验结果表明,该方法很好地完成了对测试集图像的自动标注,在查全率与查准率上较CMRM模型有所提高.     

基于模糊颜色特征和模糊相似度的图像检索方法

基于内容的图像检索系统的性能主要依赖于两个关键技术:图像特征提取和图像特征匹配.文中提取了所有图像的颜色特征,并在颜色特征提取过程中采用了适当的模糊算法以得到图像的模糊颜色特征.图像特征匹配主要取决于两个图像特征向量之间的相似度,文中提出了一种新的模糊相似度衡量方法,该方法利用给定的查询图像与其k幅近邻图像之间的相似度构成查询图像的k维模糊特征向量,利用每幅被检索图像与查询图像的k幅近邻图像之间的相似度构成每幅被检索图像的k维模糊特征向量,计算查询图像的k维模糊特征向量与每幅被检索图像的k维模糊特征向量之间的模糊相似度,并将检索到的图像按照模糊相似度按从大到小的顺序反馈给用户.为了验证提出的模糊颜色特征的有效性,文中在WANG数据集上进行了一系列的实验对比;为了衡量基于不同相似度的图像检索系统的性能,文中在WANG,Corel-5k和Corel-10k数据集上分别进行了一系列的实验对比.实验结果表明,基于最大最小值的图像检索系统的性能优于基于其他3种常用相似度的图像检索系统的性能,而基于模糊相似度的图像检索系统的性能优于基于最大最小值的图像检索系统的性能.在WANG,Corel-5k和Corel-10k数据集上,基于模糊相似度的图像检索系统检索到的前20幅图像的平均查准率比基于最大最小值的图像检索系统检索到的前20幅图像的平均查准率分别高4.92％,17.11％和19.48％;基于模糊相似度的图像检索系统检索到的前100幅图像的平均查准率比基于最大最小值的图像检索系统检索到的前100幅图像的平均查准率分别高4.94％,22.61％和33.02％.     

综合分块颜色和基元共生矩阵的图像检索方法

提出了一种基于分块颜色直方图和纹理特征相结合的彩色图像检索方法。首先,该方法根据图像的背景和目标将其划分为两个区域,并对各个区域分别进行量化,提取颜色特征,计算图像之间的颜色距离;然后,用灰度共生矩阵提取图像的纹理特征并根据欧式距离来度量图像间的相似性。最后,综合利用颜色和纹理特征的加权来检索图像。经过对多种类别图像进行实验,检索结果都表明,与传统的检索方法相比,此方法能够很好的满足用户的需求,具有较高的查准率和查全率。     

一种基于轮廓特征点的图像检索方法

传统基于形状的图像检索方法检索效率较低,针对该问题,提出一种基于对象轮廓特征点的图像检索方法。利用Mean Shift算法提取感兴趣对象,以对象曲率的局部极值点作为特征点,并将对象表示为这些特征点的特征向量,定义检索对象与被检索对象特征向量间的距离匹配机制,实现对象的匹配或识别。实验结果表明,与传统方法相比,该方法具有较高的查全率和查准率。     

基于脉冲耦合神经网络的图像NMI特征提取及检索方法

为了简单有效地提取图像重要特征信息, 从而更好地提高检索图像的精度, 提出了一种基于脉冲耦合神经网络(Pulse coupled neural networks, PCNN)的图像归一化转动惯量(Normalized moment of inertia, NMI)特征提取及检索算法. 首先利用改进简化PCNN模型相似神经元同步时空特性及指数衰降机制将图像分解为具有相关性的二值系列图像, 然后提取反映原始图像目标形状、结构分布二值系列图像的一维NMI特征矢量信号, 并将其应用在图像检索中; 同时, 考虑到二值系列图像间的相关性及不同图像间NMI序列值的差异性, 引入了马氏距离结合Pearson积矩相关法的 综合相似性度量方法. 实验结果表明, 所提算法对图像特征矢量序列具有良好抗几何畸变不变特性及对图像表述的唯一性,且具有较好的图像检索效果.     

基于小波和相对矩的形状特征提取与检索方法

提出了一种基于小波和相对矩的形状特征提取与检索方法。首先，对亮度图像进行小波多尺度边缘检测，得到多尺度边界图像；然后，计算每一尺度的7个不变矩，再转化为10个相对矩，所有尺度上的相对矩组成图像的特征向量；最后，对特征向量进行高斯归一化，用欧氏距离度量图像间的相似度，构建了一个基于形状特征的网像检索系统。实验结果表明，该方法具有明显的优越性和通用性。     

基于颜色和边缘方向的图像检索方法

提出了一种新的图像特征表示方法,首先提取图像的底层颜色信息获取颜色特征值 ,通过对图像中物体的边缘检测计算像素点的边缘方向角度值,并对颜色特征值和边缘方向 角度值进行量化。然后根据相邻像素点之间量化结果的数值分析,为每个像素点建立8维特 征向量。再以中心像素点与相邻像素点间不同的位置关系为基础,为每种位置关系赋予不同 的权重,根据像素点的特征向量计算出图像中每一个像素点的特征值。最后统计图像中具有 相同特征值的像素点个数,形成特征直方图,以此作为图像检索的依据。实验表明本文方法 能够有效描述图像的颜色分布和图像中物体的空间结构,更加细致地记录图像信息,进一步 增强图像之间的区分能力。与其他方法相比,本文方法检索效果更好。     

基于多尺度HOG的草图检索

草图检索是图像处理领域中的重要研究内容。提出了一种将高斯金字塔和局部HOG特征融合的特征提取改进方法,并将其用于草图检索。采用高斯金字塔将图像分解到多尺度空间,在所有尺度上进行兴趣点提取,获得基于兴趣点的多尺度HOG特征。利用图像的多尺度HOG特征集生成视觉词典,最终形成与视觉词典相关的特征描述向量,通过相似度匹配实现草图检索。将该算法与单一尺度下的HOG算法及其他几种算法比较,实验结果表明了其可行性和有效性。     

基于灰度梯度共生矩阵的桌面灰尘检测算法

针对桌面灰尘检测在光照变化时有灰尘与无灰尘图像相似度区分界限不明显的问题，提出一种基于兰氏距离改进的图像相似度算法。该算法融合指数函数性质，将模板图与有灰尘和无灰尘图像之间的兰氏距离转换为（0，1］区间的相似度值，同时扩大相似度差值。为增强灰尘纹理特征信息，将灰度图进行拉普拉斯算子卷积，再用共生矩阵特征提取算法提取特征参数并将其组合成一维向量。用改进后的相似度算法计算模板图与待检测图的特征参数向量相似度，根据向量相似度判断桌面是否具有灰尘。实验结果表明在300~900 lux光照范围内，无灰尘图像之间的相似度高于90.01%，有灰尘与无灰尘图像之间的相似度低于62.57%。两种相似度的均值能够作为阈值，在光照变化时有效地判断桌面是否具有灰尘。     

基于边缘方向直方图相关性匹配的图像检索

针对基于边缘方向自相关图的图像检索算法的优缺点,提出了一种基于边缘方向直方图相关性匹配的图像检索算法。使用自适应中值滤波器滤除图像中的椒盐噪声。利用Sobel算子提取图像边缘,通过计算边缘梯度幅值、角度统计后得边缘方向直方图,并对直方图进行等级化排列构成特征向量。最后使用斯皮尔曼等级相关计算图像特征向量间的相关系数作为衡量图像间相似性的指标。实验结果表明：该算法的平均查准率、查全率较基于边缘方向自相关图算法分别提升10.5%,9.7%,平均检索耗时减少了7.5%。实验验证了算法的有效性,可将算法应用到中大规模图像检索系统中以提升检索效果,提高系统速度。     

基于空间特征的图像检索

提出一种新的基于空间特征的图像特征描述子SCH,利用基于颜色向量角和欧几里得距离的MCVAE算法共同检测原始彩色图像边缘,同时利用一种新的“最大最小分量颜色不变量模型”对原始图像量化,对边缘像素建立边缘相关矩阵;对非边缘像素使用颜色直方图描述局部颜色分布信息;然后,利用新的sin相似性度量法则衡量图像特征间的相似度。实验采用VC++6.0开发了基于内容的图像检索原型系统“SttImageRetrieval”,基于Oracle 9i数据库建立了一个综合型图像数据库“IMAGEDB”。实验分析结果证明,利用SCH描述子的检索准确度明显高于仅基于颜色统计特征的检索结果。     

基于分块主色法的图像无序激增数据检索仿真

针对传统图像信息检索方法存在检索效果不佳的问题,提出基于分块主色法的图像无序激增数据检索方法。方法首先按照图像内容将图像进行分块处理,并对每个分块进行HSV非均匀量化,得到图像的颜色特征;然后根据图像小块的颜色特征分布情况,对小块的颜色特征进行加权值计算;最终以小块加权的颜色值为目标特征,进行相似度估计,并计算图像之间的欧几里德距离,将距离值最小的图像视为检索结果。经过仿真验证,采用颜色特征进行图像信息检索效果较好,经过特征加权可以使图像检索更准确,且检索耗时短,由此可以说明所提方法具有较好的检索性能。     

基于黎曼流形稀疏编码的图像检索算法

针对视觉词袋（Bag-of-visual-words,BOVW）模型直方图量化误差大的缺点,提出基于稀疏编码的图像检索算法.由于大多数图像特征属于非线性流形结构,传统稀疏编码使用向量空间对其度量必然导致不准确的稀疏表示.考虑到图像特征空间的流形结构,选择对称正定矩阵作为特征描述子,构建黎曼流形空间.利用核技术将黎曼流形结构映射到再生核希尔伯特空间,非线性流形转换为线性稀疏编码,获得图像更准确的稀疏表示.实验在Corel1000和Caltech101两个数据集上进行,与已有的图像检索算法对比,提出的图像检索算法不仅提高了检索准确率,而且获得了更好的检索性能.     

Extraction of major object features using VQ clustering for content-based image retrieval

An image representation method using vector quantization (VQ) on color and texture is proposed in this paper. The proposed method is also used to retrieve similar images from database systems. The basic idea is a transformation from the raw pixel data to a small set of image regions, which are coherent in color and texture space. A scheme is provided for object-based image retrieval. Features for image retrieval are the three color features (hue, saturation, and value) from the HSV color model and five textural features (ASM, contrast, correlation, variance, and entropy) from the gray-level co-occurrence matrices. Once the features are extracted from an image, eight-dimensional feature vectors represent each pixel in the image. The VQ algorithm is used to rapidly cluster those feature vectors into groups. A representative feature table based on the dominant groups is obtained and used to retrieve similar images according to the object within the image. This method can retrieve similar images even in cases where objects are translated, scaled, and rotated.