一种改进的K-means聚类算法的图像检索方法

分析了K-means聚类算法在图像检索中的缺点,提出了一种改进的K-means聚类算法的图像检索方法。它首先计算图像特征库里面的所有颜色直方图特征之间的欧氏距离;然后根据“两个对象距离越近,相似度越大”[1]这一原理,找到符合条件的特征向量作为K-means聚类的初始类心进行聚类;最后进行图像检索。实验结果表明,本算法具有较高的检索准确率。     

基于优化分块颜色直方图及模糊C聚类的彩色图像检索方法

将数据挖掘的聚类算法应用到基于内容的图像检索中可以有效提高检索的速度和效果。模糊聚类算法更符合图像检索本身所具有的模糊性,但这种方法存在聚类分析时间过久影响检索性能的问题,因此本文提出了一种基于优化分块颜色直方图及模糊C聚类的彩色图像检索方法。首先对图像库中的每幅图像进行分块,并提取出每一块的优化颜色特征信息;然后采用模糊C均值聚类算法对得到的颜色特征向量进行聚类,得到每个图像类的聚类中心;最后计算查询示例图像和对应图像类的图像之间的相似度,按照相似度的大小返回检索结果。实验表明,本文提出的方法不仅具有较高的查全率和查准率,而且提取的特征维数较少,聚类时间短,检索速度快。     

模糊颜色直方图在基于内容的图像检索中的应用研究

本文提出一种子模糊颜色直方图构造方法,采用模糊C 均值聚类算法对彩色图像进行颜色聚类,利用模糊理论的隶属函数,通过计算每个像素对颜色聚类中心的隶属度构造颜色直方图,将得到的模糊颜色直方图作为表示彩色图像的特征向量进行基于内容的图像检索实验,实验结果表明本文提出的方法具有较高的检索准确率和研究价值。     

基于颜色、边缘综合特征的图像检索技术研究

在基于内容的图像检索技术(CBIR)中,颜色作为图像的一种重要视觉信息,已得到广泛应用.相对于图像的几何特征而言,颜色具有一定的稳定性,对缩放、平移、旋转具有很强的鲁棒性.目前基于颜色特征的检索技术很多,但也都有各自的局限性.提出一种新的图像检索算法,基于颜色、边缘二种特征的综合来完成图像的检索.在颜色特征中采取了聚类方法优化像素点颜色量化过程.通过加权处理,将基于颜色直方图的检索技术与基于边缘直方图的检索技术相结合,实现图像检索性能的显著提高.     

通过遗传聚类算法实现基于内容的图像检索

本文介绍的算法使用了颜色直方图作为检索特征,利用遗传聚类算法对图像库的聚类结果,来实现基于内容的图像检索,此外,在算法中还融合了用户反馈技术来提高检索的准确率。     

Adaboost和信息瓶颈算法在图像检索中的应用

提出基于Adaboost特征选择和信息瓶颈算法的图像检索方法,提取图像的量化颜色直方图特征和Gabor小波纹理特征,采用Adaboost特征选择算法进行特征降维;用信息瓶颈算法对图像进行聚类,得到每个图像类的聚类中心;计算查询示例图像和对应图像类的图像之间的相似度,按照相似度的大小返回检索结果。实验表明,提出的方法可以明显提高检索效率以及检索的精度。     

AP算法在图像聚类中的应用研究

文章提出采用分块加权颜色直方图作为图像特征,将Affinity Propagation(AP)聚类算法应用到图像聚类中,并将该算法加以实现,进行算法性能研究,实验结果表明AP聚类算法应用于图像聚类能够取得较好的效果.     

利用聚类算法提高基于内容的图像检索准确率

给出了一种基于内容的图像检索算法,该算法使用了图像的颜色直方图作为图像的检索特征,并且利用了K均值聚类算法以及用户相关反馈技术来提高检索的准确率。     

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.     

一种基于颜色统计聚类的医学图像检索技术

基于颜色检索的基本思想是将图像间的距离归结为其颜色直方图间的相似性度量,从而图像检索也就转化为颜色直方图的匹配。目前基于颜色检索的算法主要集中在不同颜色空间进行全局颜色聚类或融合其他可视特征(纹理,颜色空间信息等)联合检索两个方向上。该文在具体的结肠镜图像检索系统研究中,根据医学图像的特点,提出一种在HSV空间的颜色统计聚类的检索方法,取得了良好的检索效果。