基于意象认知模型的汽车草图设计技术研究

产品意象认知模型阐明了消费者情感需求与产品造型之间的关系.运用专家访谈、影响汽车外观造型特征的眼部跟踪观察实验、影响产品意象认知的造型特征提取实验、关键造型特征与产品意象认知关系之量化实验等多实验的方法，建立了基于特征匹配的产品意象认知模型.基于该意象认知模型，开发了汽车草图设计原型系统，消费者只要输入意象词汇，就可以得到一组具有该意象的草图设计方案；设计师在计算机中描绘简单的造型特征，系统就可以自动给出该草图相应的意象.     

基于内容的医学图像检索技术

介绍了基于内容的医学图像检索系统的意义、方法和关键技术,分析了国内外医学图像检索领域的应用现状,并在此基础上探讨了基于内容的图像检索技术在医学图像检索领域的应用前景和未来的发展方向。     

图像检索技术综述

图像检索是很多研究中的关键技术，图像检索是一种近似检索，与检索文本相比，检索图像要困难得多,根据不同的图像索引对现有的各种图像检索技术进行了分析和比较，包括基于注释的图像检索、基于特征的图像检索以及基于知识的图像检索，提出了图像检索技术的发展趋势和研究方向。     

基于内容的图像检索技术综述

基于内容的图像检索技术(CBIR)是近些年来图像检索领域的研究热点,其发展经历了最初的以图像数字特征为索引,到引入图像语义学习技术使得CBIR更贴近人类语义以方便用户查询,再到如今融合多种图像信息以进一步提高检索效率。本文在对已有文献进行综述的基础上,结合近几年的研究成果,讨论CBIR的最新技术动态,分析CBIR的发展趋势并指出几个未来的研究方向。     

基于内容的图像检索技术

为了提高图像资源利用率,快速、有效地查询和检索数据库中的图像,基于内容的图像检索技术（CBIR）便应运而生。本文分析和比较了基于颜色、纹理、形状等图像检索技术的主要方法,讨论了相关反馈技术、检索性能的评价等CBIR研究中的关键问题,同时指出了CBIR研究中存在的问题,以及未来的发展趋势和研究方向。     

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．     

基于内容图像检索技术的超声图像

对超声图像数据库的基于内容图像检索技术进行了深入地研究与探索,给出了基于内容图像检索的基本系统结构、超声图像数据库构建模型及基于傅里叶变换幅度频谱的超声图像检索方法,由于该方法同时适用于压缩域的特征提取,为JPEG、MPEG格式图像的基于内容图像检索提供了方法.     

图像检索技术研究进展

本文介绍了图像检索技术发展的各个阶段,重点介绍基于内容的图像检索技术和基于图理论的图像检索技术。     

图像检索技术研究与发展

介绍了数字图像处理中的新技术——图像检索技术的原理、方法和发展,对网络图像检索的常用方法以及基于文本的图像检索和基于内容的图像检索方法进行了分析,并对典型的图像检索系统的应用性能进行了讨论,提出了未来图像检索技术的最新发展方向．     

图像检索研究进展

多媒体信息检索是当前计算机科学与信息技术的研究热点之一,图像检索是多媒体信息检索技术的一个重要组成部分。本文阐述了图像检索研究的历史、现状及未来的研究方向。     

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。     

基于流形学习的图像检索算法研究

流形学习以发现非线性高维数据的本质维数为目标,使其更适合数据分析和高维数据的降维。图像检索中“语义鸿沟”问题指的是高维数据空间与低维的语义子空间之间的鸿沟,虽然利用相关反馈机制可以缩小这种鸿沟提高准确率,但是因为反馈图像数目较少,图像特征维数相对较高,会容易产生维数灾难问题。流形学习的引入为解决这一难题带来了新的希望,因为通过流形学习的方法学习高维图像特征数据的本征维数用于图像检索,大大提高了检索性能。基于流形学习的图像检索算法都是半监督的流形学习,充分利用了反馈信息,学习查询图像的语义子空间,有效的实现了高维数据的降维。     

基于图像分块目标区域的检索技术研究

为了解决图像检索中视觉感知缺失所造成的检索率偏低问题,提出了一种基于目标区域检索算法.借鉴方块编码的方法将图像进行二值化处理,从而转化为位平面图,在此基础上,提取图像的背景区域和目标区域,为提取图像的空间分布信息,采用环形分割的方法提取图像的环形分布直方图作为内容特征用于检索.该算法既利用了图像的灰度信息和人眼对纹理的视觉敏感特性,又充分考虑了图像的空间分布对检索效率的影响,试验表明该算法和以往算法相比具有较高的检索效率.     

基于底层纹理特征的图像检索

讨论了统计法中的灰度共现矩阵法和频谱法中的小波变换法来提取图像底层纹理特征,并对此进行了比较和分析,实验表明,基于小波变换的纹理特征提取方法可以有效描述图像底层纹理并取得较好检索结果。     

基于小波显著特征点的图像检索技术

分析了传统关键字检索以及基于小波边界点图像检索方法的缺点,提出了以视觉特征作为图像检索的信息基础,比较了基于小波显著特征点检索技术所具有的优点,及其实现方法.首先,着重讨论了小波显著特征点的提取方法及其表示方法;其次,详细介绍了该新算法在图像检索中的具体应用及优点;最后,介绍了利用基于小波显著特征点进行图像耨检索的具体实例.     

基于构件的协同检索模型

在分析已有检索工具和理论的基础上,提出基于构件的协同检索的框架模型.对检索模型的信息收集、整理、分析、展示等功能进行模块设计,使用构件技术使检索模型具有较大的扩展性;利用协同技术实现用户指定的构件间的自动整合.通过定义一个架构让使用者能够根据自己的需求,设计相应的处理模块.通过对检索请求的理解和对数据内容的分析,利用合适的构件对用户的查询计划、意图、兴趣方向进行推理,自动进行信息搜集过滤,将用户感兴趣的、对用户有用的信息提交给用户.     

基于MPEG-7的多特征图像检索方法

介绍了MPEG-7主颜色描述子、颜色布局描述子和边缘直方图描述子的提取方法和距离计算方法,提出一种综合运用主颜色描述子、颜色布局描述子和边缘直方图描述子进行图像检索的方法.实验结果证明,综合利用上述3种特征对图像进行描述及检索,可以获得比使用单一特征更好的检索效果.     

基于深度卷积特征的图像实例检索方法

针对计算机视觉领域的图像实例检索问题,提出了一种从卷积神经网络提取图像全局特征表示和目标对象区域特征表示的图像实例检索方法。该方法首先利用区域生成网络学习目标实例的区域位置坐标,并结合相关卷积网络提取的图像区域特征构建由过滤阶段和空间重排阶段组成的实例检索系统。在此基础上提出过滤阶段和空间重排两阶段查询扩展方法进一步提高系统检索性能。最后,提出了两种微调网络模型策略,更新网络前两个卷积层后所有层的权重以适应图像实例检索和位置坐标。通过在两个公用实例检索数据集(Oxford Buildings 5k和Paris Buildings 6k)上进行详尽实验验证,结果表明,提出的基于深度卷积特征的图像实例检索方法有效地提高了图像实例检索的准确率和可靠性,降低了实例检索误检率,得到的实例位置更加准确。     

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%。     

基于纹理特征的数字图书馆文档图像检索技术

针对数字图书馆中信息资源检索效率低的问题,提出了一种新的文档图像检索算法.首先,根据文档图像自身的特点,结合人眼的视觉特性,提取文档图像中的边缘信息,在此基础上,构造有意义的纹理特征,利用纹理特征来定义文档图像的特征描述符,以描述符为线索,将文档图像的内容特征有机结合,并采用合适的相似性度量准则用于高效的检索.实验结果表明,该算法不仅具有较高的检索效率,而且也降低了传统文档图像检索算法的复杂度.