利用成对几何直方图改进基于轮廓的图像检索

图像形状特征的提取和描述方法是基于形状的图像检索的重要研究内容.针对已有的基于形状的图像检索中目标形状描述方法的不足来进行了改进.为此,引入了用于描述目标轮廓的成对几何特征(pairwise attributes)即有向相对角和有向相对位置.然后应用到基于轮廓的图像检索中去,来描述图像的形状.实验结果发现用该成对几何特征所描述的形状属性来检索数据库中的图像具有较高的效率.     

基于轮廓的形状射线描述模型

提出一种新的基于轮廓的形状描述和匹配方法。提取物体的轮廓并在轮廓上进行等间隔采样,利用参考点到采样点的距离、采样点处的轮廓方向及采样点间的空间关系来直观地表达目标的形状特征;通过在不同尺度、方向和位置进行最大表决来获得形状匹配的尺度、旋转和平移不变性;提出了结合局部和整体特征的相似度评分机制来实现目标的匹配和检测。实验表明,形状的射线描述模型不仅能对具有清晰轮廓的目标进行有效的检索和匹配,也可在复杂的图像背景中检测目标。     

轮廓检测的图像检索方法

在图像检索领域中,形状特征是图像的最重要视觉特征之一,利用形状特征进行检索可提高检索的准确性,但形状边界的自动提取一直是图像处理领域多年的难题。为了提高图像精度和准确性,提出一种基于轮廓检测的图像检索方法,首先用色彩聚类的方法对图像进行预处理,对有意义的聚类区域进行边缘追踪,然后采用基于Snake轮廓检测的算法完成图像分割,提取底层形状特征并用傅立叶描述子加以描述,进行相似度匹配。引入支持向量机的相关反馈算法来提高检索精度。实验结果表明了方法的有效性。     

利用傅里叶变换边缘曲线法进行W型轮廓的快速匹配

W型轮廓标靶是一种用于汽车四轮定位的定位标靶,在一幅定位图像中能够快速地检索出与其一致的目标轮廓非常重要。传统的Hu矩、成对几何直方图算法运算速度慢,鲁棒性差。而一些适用于商标图像检索的傅里叶描述子却可以很好地适用于快速轮廓匹配,但是由于在一幅图像中进行目标轮廓的检索引入了过多的轮廓干扰,因此利用形状图像的傅里叶变换提取出轮廓的频谱特征,通过检查目标轮廓对模板轮廓频谱特征的干扰性大小来进行轮廓的相似性度量,并进行算法简化,从而达到轮廓快速匹配的目的。并且其抗干扰能力强,轮廓查找效率高。这说明利用傅里叶变换边缘曲线法进行轮廓形状匹配具有很好的适用性。     

一种基于形状特征的图像检索方法

本文主要提出了一个在形状轮廓的傅立叶描述子基础上，进行基于形状特征的图像检索的理论方法。该方法首先对图像进行预处理，利用多闽值颜色分割法提取出图像的前景对象，再采用轮廓跟踪法得到该对象的形状轮廓特征，并采用傅立叶描述子对轮廓加以描述。最后利用欧几里得距离进行相似性比较。为了验证方法的有效性，本文建立了一个基于形状检索系统的框架，实现结果和算法分析表明，该理论方法的算法复杂度为0（n^2logn），对基于形状检索的图像检索系统是有效和合理的。     

结合轮廓与形状特征的仿射形状匹配

目的 针对仿射变换下形状匹配中存在的描述子对形状的描述能力不足,以及描述子计算耗时大的问题,改进基于所有图像点投影的方法,提出一种利用轮廓计算投影面积的仿射形状匹配算法。方法 该算法分为粗匹配和精匹配两个阶段。粗匹配阶段以CSS角点作为备选特征点,首先统计轮廓投影面积分布作为特征点描述子;然后利用动态规划蚁群算法匹配两幅图片公共特征点序列,并将匹配好的特征点序列记为对应的新特征点;最后采用该新特征点划分目标曲线,得到对应的轮廓曲线;这一阶段的目的是对形状的筛选以及寻找一致的轮廓特征点,同时完成轮廓曲线的划分。精匹配阶段,采用小波仿射不变描述子,对粗匹配阶段匹配代价最小的5%的目标进行对应曲线匹配,得到精匹配阶段的匹配代价,从而实现对仿射目标的识别;精匹配弥补了描述子对轮廓细节描述不足的问题。结果 算法的平均检索速度比传统基于形状投影分布描述子提高44.3%,在MPEG-7图像库上的检索效果为98.65%,在MPEG-7仿射图像库上的查准率与查全率综合评价指标比传统的基于形状投影分布描述子高3.1%,比形状上下文高25%。结论 本文算法匹配效果好,效率高,抗噪性强,解决了仿射描述子计算速度慢、描述能力不足的问题,能有效地应用于仿射形状匹配与检索领域。     

基于角点及空间分布的图像检索方法

本文提出了一种利用角点特征进行图像检索的新方法,该方法利用改进后的Harris算法检测角点,在此基础上结合角点信息、质心距与非角点信息进行检索。该描述方法对形状的平移、旋转、尺度具有鲁棒性。实验结果表明,该方法能够充分利用轮廓信息正确描述形状特征,且实现简单,有效提高了检索的效率。     

一种融合语义的图像检索技术研究

针对基于内容的图像检索系统检索效率不高的情况,从目标图像外轮廓特征的提取、图像外轮廓特征的描述方式、图像轮廓的语义描述方式和相似度测定4个方面对基于内容的图像检索的研究状况进行了分析和研究。综合图像的外轮廓特征及轮廓的语义描述来实现对图像数据库的检索。实验结果表明,该方法提高了图像检索的精度和效度。     

一种融合语义的图像检索技术研究

针对基于内容的图像检索系统检索效率不高的情况,从目标图像外轮廓特征的提取、图像外轮廓特征的描述方式、图像轮廓的语义描述方式和相似度测定4个方面对基于内容的图像检索的研究状况进行了分析和研究.综合图像的外轮廓特征及轮廓的语义描述来实现对图像数据库的检索.实验结果表明,该方法提高了图像检索的精度和效度.     

利用轮廓分解和局部描述的二值图像检索

提出一种面向二值图像检索的形状分解和局部描述方法.对二值图像进行物体轮廓的提取,采用特定的方法对轮廓进行分解,得到轮廓的参考点集.利用轮廓的法线求取每一个参考点的对应弧线段,计算弧线段的特征并作为对应参考点的特征向量,从而原图像就被表示为特征空间中的特征点集.最后,采用点匹配的方法来计算图像之间的距离,实现二值图像的检索.实验结果表明,与目前已有的方法相比该方法具有较高的检索精度.     

激光激发下拉曼光谱相对辐射定标模型研究

为了提高变压器油中气体检测性能,提出基于激光激发下拉曼光谱的相对辐射定标模型,采用激光成像技术进行拉曼光谱图像成像处理,提取拉曼光谱图像的边缘轮廓特征量,采用多尺度小波降噪方法进行激光激发下拉曼光谱图像降噪滤波,在邻域内采用颜色梯度分解方法进行拉曼光谱图像区域融合性增强处理,根据激光激发下拉曼光谱图像RGB值与邻域均值实现拉曼光谱相对辐射标定和检测,提高拉曼光谱图像的相对辐射定标能力。仿真结果表明,采用该方法进行激光激发下拉曼光谱相对辐射定标的准确性较高,识别精度较高,图像信息增强性能较好。     

基于概率分布图的运动目标轮廓快速提取方法

以对图像分析起重要作用的目标轮廓提取技术为重点,研究并提出一种基于概率分布图的目标轮廓快速提取方法,该方法先从视频中检测到前景目标并建立目标概率模型,再根据建立的模型计算目标概率分布图,用该分布图提取出目标轮廓。对2330幅包含运动目标的视频帧进行测试,结果表明,该方法简单有效,处理速度快,提取的轮廓准确、清晰,对目标形变具有很好的鲁棒性。     

自由差分运算与直交型Snake模型

自由差分运算能够突破传统微分算子的模板运算模式,把对图像这种二维信号的微分计算转化成一维的方式进行,使计算方向可以根据实际问题灵活选择．直交型Snake模型基于任意曲线可由多边形进行逼近的思想．借助自由差分运算,把本应沿曲线法线方向计算的灰度梯度转化成在多边形各边的直交线上分析灰度的相对变化或绝对变化．在曲线的演化过程中,该模型以目标曲线的特征为指导,以基本多边形为依托,通过在直交线上进行差分操作,从而把轮廓变化的信息和图像灰度变化的信息联系在一起,使得所提取的轮廓曲线的特征不断地逼近目标曲线的特征．与已有的Snake模型相比,直交型Snake模型通过强调高层视觉和底层信息之间的相互联系在曲线演化过程中的作用,使得信息的处理流程处于闭环状态．在对畸形物体的轮廓提取实验中,获得了比较理想的结果．     

一种新的基于局部轮廓特征的目标检测方法

针对复杂场景中背景复杂、目标周围噪声多及目标只占图像中较小部分而难于检测的问题,提出一种新的基于局部轮廓特征的检测目标方法.该方法首先利用改进的全局概率边界算法 (Globalized probability of boundary, gPb) 算法提取图像的轮廓,然后应用最大类间方差法 (Otsu)进行自动阈值处理得到图像的显著性轮廓; 再提取显著性轮廓的k邻近大致直线轮廓段(k connected roughly straight contour segments, kAS),并以kAS作为局部特征,用于复杂场景中的目标检测.该算法结合 gPb 算法和 Otsu 提取轮廓的显著性轮廓,去除了目标附近的大量噪声边界,有效地提高了检测效率.同时,在检测阶段,测试集与 训练集中提取的不相关特征数目也得到较大减少,从而提高了检测的精度.多组实验结果均表明本文方法的有效性.     

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。     

一种可调整步长的适应性图像目标轮廓采样方法

为了更有效地获得三维医学图像，提出了一种可调整步长的适应性图像目标轮廓采样方法。直接获取自临床的层阃间距相对较大的医学图像数据，首先经由图像预处理和图像目标轮廓插值等前期数据预处理操作，然后采用本文提出的一种可调整步长的适应性图像目标轮廓采样方法对图像目标轮廓线上的点进行适应性采样，最后给出了图像目标的三雏表面显示效果图。实验结果证实了方法的可靠性和有效性。该采样方法既保持了图像目标轮廓的尖锐特征和拓扑结构，又较好地实现了数据压缩。     

Self-organizing neural networks for image segmentation based on multiphase active contour

Image segmentation is a process of segregating foreground object from background object in an image. This paper proposes a method to perform image segmentation for the color and textured images with a two-step approach. In the first step, self-organizing neurons based on neural networks are used for clustering the input image, and in the second step, multiphase active contour model is used to get various segments of an image. The contours are initialized in the active contour model with the help of the self-organizing maps obtained as a result of first step. From the results, it is inferred that the proposed method provides better segmentation result for all types of images.

     

Affine and projective active contour models

We investigate the evolution of active contours in terms of progressive modification of an initial contour following the chosen Lie group of object-to-image transformations. Because of non-fronto-parallel viewing of an object or due to relative motion between the camera and the object, the resultant image may undergo affine or projective object-to-image transformations. In a recent paper we have shown that in the case of object tracking, frame-to-frame deformations of an initial curve obtained through Euler-Lagrange descent equations of a curve functional can be used to enact a desired Lie group of plane transformations [A.-R. Mansouri, D.P. Mukherjee, S.T. Acton, Constraining active contour evolution via Lie groups of transformation, IEEE Trans. Image Process. 13 (2004) 853-863]. In this work, we propose an energy functional that encodes the Lie group transformation parameters, which in turn guide shape distortion due to oblique viewing. Additional constraints, such as transformation smoothness, are imposed on the active contour by modifying the energy functional. The functional is minimized using numerical schemes similar to the conjugate gradient technique, and the convergence properties are discussed. The success of the technique for affine and projective scenes is demonstrated with both synthetic and real image examples and compared with the related approaches.     

基于多特征的目标轮廓跟踪*

文章中以核密度方法分别建立了图像颜色与纹理特征的概率密度模型,并用贝叶斯模型估计后验概率作为像素能量。构造的新曲线区域能量泛函分别统计内部能量与外部能量之和,以最小能量曲线对应跟踪目标的曲线。通过计算梯度下降流推进曲线演化,减少曲线能量直至收敛到目标曲线。实验结果证明所提算法能在连续视频帧中准确地提取刚体以及非刚体目标的外部轮廓。