综合MPEG 7中纹理和颜色特征的图像检索方法*

在基于内容的图像检索中, 颜色和纹理是图像检索使用最频繁、最重要的两个视觉特征.但是仅基于一种特征的方法只能表达图像的部分属性.为此提出了综合利用MPEG-7中建议的纹理特征的边缘直方图描述符和颜色特征的主颜色和颜色布局描述符进行检索的方法,并依据MPEG-7中的评价准则评价检索结果.实验结果表明,综合特征检索更符合人的视觉感受要求,检索效果更好.     

基于颜色和纹理特征的遥感图像检索

针对单一特征遥感图像检索的局限性和传统综合特征检索方法计算复杂度高的问题,提出了一种基于纹理特征和颜色特征的遥感图像的检索。在分析了现存遥感图像的检索方法后,得出了用颜色特征及Gabor小波提取出的纹理特征进行图像检索的总体思路。设计了一组多尺度和多方向的滤波器组,优化并选择滤波器组的各参数。首先对图像进行滤波,然后再进行纹理特征的提取,最后用颜色直方图对遥感图像进行颜色特征提取,最终将融合这两种图像特征,设计并实现一个基于颜色特征和Gabor小波纹理特征的图像检索原型系统。在进行图像检索时将纹理特征和颜色特征融合对图像库进行图像检索。由实验结果表明,所提出的方法是有效的。     

基于内容的回转窑火焰图像检索

为充分应用回转窑计算机看火所产生的火焰图像,提出一种基于内容的回转窑火焰图像的检索方法.分析和提取火焰图像中的纹理特征、颜色特征和形状特征,并进行了归一化.通过计算被检索图像和数据库中图像的特征值的相似度,得到一系列相近检索结果.分别对基于纹理特征、颜色和形状特征及综合特征的检索方法进行火焰图像数据库检索试验.结果表明,这些方法都有较高精度,其中综合特征检索为最高.该研究可为回转窑生产管理和监控提供有力支持.     

综合颜色与纹理的图像检索

提出了组合颜色和纹理特征的图像检索方法,通过对颜色进行量化然后提取颜色特征,计算图像之间的颜色距离.用Gabor变换提取图像的纹理特征然后根据L2距离计算图像的纹理距离,利用颜色特征和纹理特征的加权来求检索图像和查询图像的相似度,根据相似度的大小来进行图像的检索.实验结果表明,基于组合特征的图像检索方法优于单纯的图像检索方法.     

基于多特征融合的HSV空间彩色纹理图像检索

针对目前彩色纹理图像检索系统结构复杂且时间成本较高的问题,提出一种融合图像颜色与纹理特征的彩色纹理图像检索方法.首先,在HSV空间中分别量化H、S、V三个通道的数据并提取组合直方图的颜色特征.然后,提取V通道数据子带系数的幅值与相位两种分布参数特征作为全局纹理特征;同时,使用局部邻域差分模式(Local Neighborhood Dif-ference Pattern)算子提取V通道数据的局部纹理特征,并将所得到的颜色特征、全局纹理特征和局部纹理特征进行有机融合.最后,通过合适的相似性测度完成彩色纹理图像的检索.在VisTex和STex两个流行的彩色纹理图像数据库上进行的检索实验表明,由论文方法所得到的平均检索率较目前典型方法的最优结果分别高出0.96％和0.78％,且检索时间成本更低.因此,论文所提出的彩色纹理图像检索方法是有效的和可行的.     

一种基于颜色和纹理的图像检索方法

提出了一种基于颜色和纹理的新的图像检索方法.该方法在HSV颜色空间量化过程中,采用一种基于性隶属度的模糊量化方法,使量化结果更接近于人类感知;在提取分块主色的基础上引入一种颜色相邻矩阵,用于述颜色的相对空间分布情况,以提高对图像变形的鲁棒性;还加入图像的纹理信息,最后结合这些颜色和纹理特征行复合图像检索.实验表明,该方法能有效提高图像检索精度.     

一种基于颜色矩和多尺度纹理特征的彩色图像检索方法

特征提取是基于内容的图像检索的关键步骤,仅基于一种特征的方法只能表达图像的部分属性.由于对图像内容的描述比较片面,缺乏足够的分辨能力,在图像有较大变化的场合常不能取得理想的检索效果.提出了一种基于图像颜色和纹理的图像检索方法,颜色特征采用颜色矩,纹理特征采用小波多尺度高频子带的方差特征.采用组合特征进行图像检索,选择MPEG推荐的ANMRR方法对两种特征间的权值分配进行分析.实验表明,该方法具有很好的检索性能.     

综合颜色空间特征和纹理特征的图像检索

基于内容的图像检索一直是图像检索领域的研究热点。提出一种综合颜色空间特征和纹理特征的检索算法。首先将彩色图像转换到HSV颜色空间,进行非等间隔量化,提取颜色特征和颜色空间位置信息,再在灰度图像里利用中心块图像分形编码的方法,获取分形编码参数作为图像的纹理特征。在对特征进行内部和外部高斯归一化后,综合颜色空间特征和纹理特征,利用人工鱼群算法进行检索。实验结果表明,算法性能良好,在检索准确率和速率上取得了良好的效果。     

综合颜色和纹理特征的图像检索

提出一种综合颜色和纹理特征的图像检索算法.使用圆环法分割图像所提取的颜色特征,不仅包含了图像的空间信息,突出了用户的感兴趣区域,而且消除了固定分块法对图像旋转比较敏感的缺点.采用改进的共生矩阵算法提取纹理特征.最后对颜色和纹理特征进行综合.实验结果表明,提出的综合算法具有更高的查准率.     

基于感兴趣区域的彩色图像检索

随着图像信息的大规模应用,图像检索具有越来越重要的应用价值.基于内容的图像检索成为今年来的研究重点.提出一种基于感兴趣区域(ROT)和颜色一纹理特征的联合彩色图像检索新方法.采用此方法,将图像经由对图像进行小波变换,得到小波变换域的颜色局部能量,进而得到图像分割后各区域颜色和纹理综合特征,并采用用户定义感兴趣区域即ROI(Region-of-Interest)对相似度进行修正.实验结果证明,该方法能够快速有效地得到图像特征和图像中的感兴趣物体,取得很好的检索效果.     

综合利用纹理和中心特征的图像检索

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。本文介绍了基于纹理特征的特征提取方法和中心特征的提取方法，并进而提出了一种综合利用上述两个特征共同进行检索的方法。对真实图像库的检索实验表明，综合特征检索比单一特征检索更符合人的视觉特性，检索效果更好。     

基于分形理论的SAR图像分割

SAR(合成孔径雷达)图像包含有相干斑噪声,传统方法不能很好对其进行分割,文章将SAR图像的特点和分形理论相结合,提出了一种新的SAR图像分割方法。该方法首先对原始SAR图像每个像元为中心取两种不同窗口,计算在该两种窗口下基于区域自选的分形维数并求均值,将其作为分形纹理特征。然后根据SAR图像噪声在小波域中的分布特点对SAR图像进行滤波,最后以SAR图像分形纹理特征和滤波后的灰度组成特征向量对SAR图像进行分割。实验结果分析表明,该方法是一种有效的SAR图像分割方法。     

基于改进双树复小波和灰度-梯度共生矩阵的纹理图像检索算法

针对双树复小波变换缺少不同尺度纹理的空间分布特征的缺陷,提出了一种改进双树复小波和灰度-梯度共生矩阵相融合的纹理图像检索新算法。首先,该算法将图像进行非均匀分块,并对分块的图像进行双树复小波变换,以此增加不同尺度下的空间信息;其次,利用灰度-梯度共生矩阵提取4个统计量特征;然后, 融合 两种方法提取的纹理特征以得到图像检索的纹理特征;最后,用Canberra距离进行相似性度量并输出图像检索的结果。实验结果表明,该方法对纹理图像有较好的检索效果。     

Combining intra-image and inter-class semantics for consumer image retrieval

Unconstrained consumer photos pose great challenge for content-based image retrieval. Unlike professional images or domain-specific images, consumer photos vary significantly. More often than not, the objects in the photos are ill-posed, occluded, and cluttered with poor lighting, focus and exposure. In this paper, we propose a cascading framework for combining intra-image and inter-class similarities in image retrieval, motivated from probabilistic Bayesian principles. Support vector machines are employed to learn local view-based semantics based on just-in-time fusion of color and texture features. A new detection-driven block-based segmentation algorithm is designed to extract semantic features from images. The detection-based indexes also serve as input for support vector learning of image classifiers to generate class-relative indexes. During image retrieval, both intra-image and inter-class similarities are combined to rank images. Experiments using query-by-example on 2400 genuine heterogeneous consumer photos with 16 semantic queries show that the combined matching approach is better than matching with single index. It also outperformed the method of combining color and texture features by 55% in average precision.     

Reducing the Dimensions of Texture Features for Image Retrieval Using Multi-layer Neural Networks

This paper presents neural network-based dimension reduction of texture features in content-based image retrieval. In particular, we highlight the usefulness of hetero-associative neural networks to this task, and also propose a scheme to combine the hetero-associative and auto-associative functions. A multichannel Gabor-filtering approach is used to derive 30-dimensional texture features from a set of homogeneous texture images. Multi-layer feedforward neural networks are then trained to reduce the number of feature dimensions. Our results show that the methods lead to a reduction of up to 30% while keeping or even improving the performance of similarity ranking. This has the benefit of alleviating the ill-effects of the high dimensionality of features in current image indexing methods and resulting in significant speeding up retrieval rates. Results using principal component analysis are also provided for comparison. Receiveed: 6 July 1998?,Received in revised form: 6 November 1998?Accepted: 15 December 1998     

An object-based image retrieval system for digital libraries

A novel approach to clustering for image segmentation and a new object-based image retrieval method are proposed. The clustering is achieved using the Fisher discriminant as an objective function. The objective function is improved by adding a spatial constraint that encourages neighboring pixels to take on the same class label. A six-dimensional feature vector is used for clustering by way of the combination of color and busyness features for each pixel. After clustering, the dominant segments in each class are chosen based on area and used to extract features for image retrieval. The color content is represented using a histogram, and Haar wavelets are used to represent the texture feature of each segment. The image retrieval is segment-based; the user can select a query segment to perform the retrieval and assign weights to the image features. The distance between two images is calculated using the distance between features of the constituent segments. Each image is ranked based on this distance with respect to the query image segment. The algorithm is applied to a pilot database of natural images and is shown to improve upon the conventional classification and retrieval methods. The proposed segmentation leads to a higher number of relevant images retrieved, 83.5% on average compared to 72.8 and 68.7% for the k-means clustering and the global retrieval methods, respectively.     

基于U-Net融合的保留纹理的图像去噪方法

图像的噪声阻碍了高级视觉任务对图像的理解,且去除图像的噪声是一个具有挑战性的任务.现有的基于卷积神经网络的图像去噪方法在去除噪声的同时,对图像纹理会引入一定程度的破坏,导致去噪后图像无法保留图像的纹理.为了解决这个问题,本文提出一种用二分支U-Net网络来融合特征和保留纹理的图像去噪方法.首先选取一种去噪方法的两个不同去噪参数的预训练模型分别得到同一张噪声图像的不同去噪结果,其中一个结果中去噪效果比纹理保留效果好,另一个结果中纹理保留比去噪效果好.然后将这两个去噪图像作为卷积神经网络的输入,利用两个编码器分别提取图像的特征,并同时放入融合模块融合图像的特征,最后利用解码器重建出无噪声图像.实验结果表明,与现有的方法相比本文的方法更有效,在去除噪声的同时能保留更多的图像纹理信息.     

基于小波分形特征提取的图象分割方法

提出了一种基于小波分解和分形纹理特征计算的图象分割方法,首先考虑对图象进行小波变换,然后对不同通道的子图象提取纹理的分形特征和能量特征,最后用直方图阈值分割方法实现图象的分割,实验表明,该方法对模拟纹理图象以及多少谱遥感图象的分割都取得了满意的效果。     

基于SVM综合利用颜色和纹理特征的图像分类和检索

基于内容的图像检索和分类在多媒体数据库管理中得到了越来越多的重视。在体统的基于内容的图像检索方法中，语义间隔（semantic gap）常常会导致检索的效果不佳，利用支持向量机（SVM）可以很好的解决图像中的语义间隔。本文介绍了我们设计的基于SVM分别利用颜色特征和纹理特征的两种分类方法，在此基础上，我们提出了一种综合利用上述两个特征共同进行分类的方法。实验结果表明。综合特征要比单一特征分类效果更好。     

一种用于图象检索的综合模糊直方图方法

随着多媒体技术的迅速发展,如今虽然在高带宽计算机网络上已能共享传播图象数据,但这也使得信息交换中的可视数据量急剧增加,同时给研究者们提出了有效检索图象的难题,为了能够快速准确地检索图象,提出了一种用综合模糊直方图进行图象检索的方法,该方法综合使用了颜色和纹理特征,首先将图象分块处理,得到了图象在HSI空间的颜色模糊直方图,然后用纹理特征对颜色模糊直方图进行扩展,从而得到综合模糊直方图,同时还给出了抽取图象颜色和纹理特征的方法和建立图象综合模糊方图的计算过程,并用上述方法对一个200幅彩色图象的图象库进行检索,实验结果表明,使用综合模糊直方图能有效地提高图象检索的准确度。