基于IPDSH兴趣点空间区域划分的图像检索

针对基于兴趣点的传统图像检索方法的不足,提出了一种利用兴趣点检测和空间区域划分的图像检索新方法。首先使用一种结合SIFT和Harris特性的尺度空间兴趣点检测算法(IPDSH)来检测图像的稳定兴趣点;然后利用稳定兴趣点的空间位置对图像进行环形和凸包区域划分,并计算凸包内的颜色直方图和环形区域中稳定兴趣点邻域内伪泽尼克矩;最后以两种特征的加权特征向量对图像进行检索。该方法实现简单,检索速度快,能保证检索算法对图像旋转、平移的鲁棒性,且有效减少了图像中不稳定兴趣点对检索带来的干扰,图像检索的准确度有效提高了7.0%～15.1%。     

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。     

基于加权颜色直方图和颜色对的图像检索系统

提出了基于加权颜色直方图的图像检索算法以及基于颤色对的图像检索算法，该算法分别利用图像的加权颜色直方图和颜色对作为图像特征，通过图像的相似性计算实现图像匹配．用Visual C^ 实现了基于加权颜色直方图和颜色对的图像检索系统，阐述了该系统的组成结构．同时给出图像检索实例．并对该系统的检索效果和性能进行了详细分析．实验结果表明该系统具有较好的检索效果和性能．     

基于显著点颜色-空间分布特征的图像检索算法

提出了一种基于显著点的颜色和空间分布特征的图像检索算法。首先使用Harris颜色点检测器提 取图像的显著点;再以显著点为主线,设计了一种基于显著点的环形颜色直方图方法,将显著点的局部颜色特征与 空间分布结构有效结合;最后利用信息熵表示图像颜色的空间分布信息,既考虑了图像的空间分布特征,又降低了 运算复杂度。实验结果表明,该方法实现简单,在检索精度上明显优于基于全局特征的图像检索算法。     

基于信息熵的图像检索

在分析了现有的基于颜色、形状、纹理等基于内容的图像检索算法的基础上，提出了一种新的基于信息熵的图像检索算法，即利用图像的信息熵来描述图像的特性，结合网格描述符及图像颜色信息，采用图像单元熵构成的熵矩阵特征值矢量作为图像的特征描述，并提出了利用特征矢量进行图像检索的检索算法．实验结果表明，该算法具有尺度不变性、旋转不变性，并且对于颜色直方图不同但有视觉一致性的图像也有较好的检索效果．     

基于相关聚合直方图的CBIR

在颜色直方图的基础上,结合图像的颜色、形状和纹理特征,提出了一种基于相关聚合直方图的图像检索算法．该算法通过集合聚合度的概念,在图像的颜色统计信息中融人了多粒度的空间聚合信息,具有对图像平移、旋转与尺度变化不敏感及检索性能受数据库大小变化影响较少等特点．为了验证算法的有效性,对该算法进行了性能比较实验．实验数据表明,该算法具有较好的检索性能．     

基于SIFT特征和颜色融合的图像检索方法

根据图像检索方法中颜色直方图存在的问题,提出了一种改进的基于分块和主颜色的颜色直方图提取算法;根据SIFT特征存在的问题,提出了一种改进的基于harris角点的SIFT特征提取算法。最后运用两种改进算法提出了一种融合颜色直方图和SIFT特征的图像检索算法。实验结果表明,本算法在功能及性能上优于其他算法,并具很好的鲁棒性。     

结合稳定兴趣点和Gabor小波的图像检索

提出了一种基于稳定兴趣点和纹理特征的图像检索算法．该算法首先利用优化的Hessian检测器检测图像中的稳定兴趣点,并计算稳定兴趣点的环形邻域的伪泽尼克矩;然后,利用Gabor小波变换提取图像的纹理特征;最后,用不同图像伪泽尼克矩和纹理之间的差异来衡量图像的相似度,实现图像检索．实验结果表明,与其他基于兴趣点或者纹理特征的检索方法相比,该算法能够降低不稳定兴趣点的影响,有效提高了图像检索的准确率和查全率．     

ISODATA高效迭代算法在基于内容的图像检索中的应用

颜色直方图作为颜色特征描述了图像颜色的统计分布特征,具有平移和旋转不变性,提出一种迭代自组织聚类分析算法可以用来实现基于颜色直方图的图像检索.该算法将ISODATA算法引入图像检索领域,实现了通过聚类算法来优化图像检索的目的.实验结果表明,该算法的应用大大提高了图像检索的速度以及图像命中率.     

基于局部主色和边缘特征的图像检索

在基于内容图像检索技术中,经典颜色直方图方法具有一定的局限性,为此提出一种综合图像局部主色和边缘特征的图像检索方法.通过使用HSV颜色模型对图像进行量化,设计了一种重叠方式的图像分块方法,然后加权各分块区域主色,得到颜色特征,再利用Sobel算子提取图像边缘,用二维边缘直方图描述边缘特征,最后将颜色特征和边缘特征通过加权处理,得到图像总的相似度,实现图像检索.实验表明:综合两种特征的检索方法比单一特征的检索方法效果更好.     

基于分块主色的图象检索

传统的基于颜色直方图特征的图象检索方法简单且易于实现,但其直方图求交运算量过大,而且丢失了颜色的空间分布信息。本文给出了一种基于分块主色的图象检索方法。该方法将图象分成相等的九个子块,依次统计每个子块的颜色直方图,用户可根据各子块的的不同重要程度而改变各子块的权值,最后给出了这种基于分块主色的检索方法中图象相似度的计算方法。实验表明,该方法一方面利用主颜色减少了直方图相交运算量;另一方面通过对图象分块保留了颜色的空间信息并能够有效地将目标从背景中区分出来,从而有效地提高了检索速度和检索精度。     

基于空间和颜色自相关的直方图目标检测方法

在传统的颜色相关直方图基础上,提出了一种基于空间和颜色自相关的直方图目标检测算法(Spatial and Color Co-occurrence Histogramms,SCCH),该方法采用符合人眼感知的HSV颜色空间,并对其进行非均匀量化,使其更加符合人类生理机制;SCCH算法强调颜色过渡区域的重要性,选取边缘点作为计算对象,同时利用颜色自相关直方图,减少计算量,大大提高了检测效率。     

基于颜色和空间特征的图像检索

提出一种新的基于颜色和空间特征的图像检索算法.首先,将检索图像转换为HSV颜色空间并进行量化,提取环形颜色空间信息熵作为颜色空间分布特征.其次,计算每个像素点的多邻域量化颜色值的一、二阶中心矩,利用各阶统计矩的信息熵来表征图像颜色的局部空间特征.最后,对特征向量进行高斯归一化,采用特征向量的L1-norm距离计算彩色图像的相似度并进行图像检索.结果表明,该方法比CDE和Geostat算法具有较好的检索效果.     

基于目标区域定位和特征融合的图像检索算法

提出了一种新的基于局部特征点的图像检索算法。首先将彩色图像转换成灰度图像,并利用Harris算子对灰度图像进行"角点"检测,根据"角点"的分布确定目标区域,然后在彩色图像目标区域中提取图像的颜色特征和空间特征表述图像内容。实验证明,该算法在查准率和查全率上要优于基于全局特征的算法。