基于显著封闭边界的图像检索算法

在分析了基于边缘的图像检索方法的缺点后，提出了一种基于显著封闭边界的图像检索新算法。它使用基于图论方法的边缘比算法从噪声图像中获取图像的显著封闭边界，然后以显著封闭边界来代表图像，每条显著封闭边界由两个特征：边缘幅度直方图和边缘角度直方图来刻画，并综合这两个特征进行图像间的相似性度量。实验结果表明，本文算法具有较高的检索准确率。     

一种基于图像显著特征点的检索算法

提出一种基于图像显著特征点的检索算法.首先给出一种具有一定自适应能力的显著特征点的提取算法,即采用改进的图像的块逆概率差模型来提取原图像的块逆概率差图像(DBIP图像).在此基础上,根据BDIP图像中像素的分布特点来提取图像的显著特征点.然后以它们为线索,把图像的形状特征和空间颜色分布特征有机结合起来进行检索.该算法不仅克服利用兴趣点检索时的缺点,而且降低传统显著点提取算法的复杂度,又包含一定的形状信息,具有较好的检索效率.实验结果表明,该算法是有效的.     

基于显著闭合边界的压缩域图像检索

提出了一种直接从压缩域提取显著闭合边界进行图像检索的算法.从压缩域直接提取块边缘,使用基于网络流理论的比率轮廓算法从块边缘图像中提取显著闭合边界,用傅立叶描述子刻画显著闭合边界,进行图像检索.实验结果表明,直接从压缩域提取显著闭合边界,无需解压,减少了计算量,提取的显著闭合边界应用在图像检索中取得了较高的准确率.     

基于组合欧拉向量与边缘方向直方图的图像检索方法

在图像数据库中,如何有效检索和查询图像是一个重要的研究内容.文中提出一种结合组合欧拉向量与边缘方向直方图( EOH)的图像检索方法.首先,从边缘图像中提取组合欧拉向量特征进行图像检索(EEXO算法),其次,为更好地区分不同形状但欧拉特征相近的图像,将EEXO算法与EOH算法相结合提出EEXOEOH图像检索算法.实验结果表明,EEXOEOH算法与其它4种算法相比,具有较好的检索效率.     

基于视觉点特征的图像检索技术研究

基于视觉点特征的图像检索是图像检索(Content Based Image Retrieval,简称CBIR)的一个子集,指利用图像中对图像的内容有显著影响的一些点特征对图像进行查询,试图在理解图像内容的基础上,检索出与示例相类似的图像。目前,CBIR技术在商标查询、罪犯比对等领域有着很重要的应用。本文主要集中在对图像的感兴趣点特征提取技术上,针对边缘方向直方图法存在的问题,提出一种基于Canny边缘提取及轮廓序列矩法,首先对图像进行预处理,然后采用Canny边缘提取方法提取图像的轮廓,最后,将该轮廓的3个矩作为最后的特征向量进行检索。实验证明,提出的算法检索效果较好。     

基于聚类主颜色和边缘直方图的图像检索方法

图像的主颜色被广泛应用于图像检索中,但主颜色不能反映图像信息的空间分布.边缘直方图是在灰度图像上提取的,丢弃了图像的颜色信息.提出了一种综合利用聚类主颜色和边缘信息进行图像检索的方法.首先利用K均值聚类算法得到图像的主颜色,然后利用大津算法分割图像,利用Sobel算子提取目标和背景之间的显著的边缘特征信息构造边缘直方图,最后综合利用聚类主颜色和边缘直方图进行检索.既可以利用主色调信息,又能利用边缘的特征信息来反映图像信息的空间分布.实验结果表明,该方法可以有效地提高检索精度.     

基于兴趣点和边缘特征的图像检索方法的研究

提出了多种图像特征相结合的图像检索新方法.该方法把兴趣点和边缘作为图像中用户关注的线索,设计了一种基于兴趣点和边缘特征的图像检索新方法.它综合考虑了图像的全局形状特征、颜色及其空间分布信息,不仅克服了单一特征无法真正表征图像的缺陷,同时保证了检索算法对图像旋转、平移的识别不变性.进行检索时,可根据兴趣点的数目自适应地改变兴趣点和边缘特征的相似性权重,增加了系统的有效性.与同类方法相比较表明,该方法有效提高了图像检索的准确率.     

改进Snake模型在医学超声图像分割中的应用

因其本身所具有的复杂性,医学超声图像的分割足一件非常困难的事情.Snake算法能够有效地利用图像局部与整体的信息,实现对边界的准确定位,因此非常适用于医学超声图像的处理.针对传统Snake模型对初始轮廓依赖性的问题,根据图像边缘附近灰度差异显著的特性,提出了获取初始轮廓点的方法--扇形法,运用方法可以获得靠近日标边界的初始轮廓点,并且得到的轮廓点是有序点集.能量最小化过程运用贪婪算法来获得图像的特征边缘点,最后采用分段多项式拟合的方法来获得连续的图像边缘.实验结果表明.所采用的方法可以获得连续、封闭的边缘曲线,能够较好的将目标从图像中提取出来.     

考虑视觉显著性的部分相似图像检索

当前流行的图像检索系统普遍采用词袋(Bag-of-Words)模型表示图像视觉内容.由于传统的视觉词袋模型忽略了局部特征间的几何关系,考虑几何约束的后处理方法明显地提高了检索准确率.这些方法认为每个局部特征点是平等的,然而在实际情况中,图像中的局部特征点对于部分相似图像检索任务的重要性是不同的,比如位于相似图像区域上的特征点要比位于背景图像区域的特征点重要.鉴于此,提出考虑图像特征点重要性的部分相似图像检索算法.首先用视觉显著性算法来计算图像每个像素点的显著性(即重要性),然后在几何验证计算图像间匹配分数中考虑匹配局部特征点的重要性,最后在广泛使用的相似图像检索数据集上对提出的算法进行验证.实验结果表明了本方法的优越性.     

基于改进的Mean shift方法的图像特征提取

针对日益重要的图像信息和逐步发展的图像数据库技术,本文提出了一种基于改进的均值飘移算法和区域生长相结合的边缘检测方法提取图像的形状特征,并通过仿真试验证明其良好的有效性,为基于内容检索的图像检索提供了一个有效算法.