基于距离分布信息熵的商标图像检索

提出了一种基于距离分布信息熵的图像检索方法,该方法首先对图像的目标区域进行区域划分,然后提取区域的信息熵作为特征来描述图像形状,最后使用欧式距离度量熵矢量之间的相似性。实验结果表明,距离分布信息熵能有效地刻画出二值图象的形状特征,并且具有良好的平移、旋转及尺度不变性,检索结果符合人眼的视觉感受。     

密度分布特征及其在二值图像检索中的应用

图像的形状是描述图像的重要视觉和语义特征,可通过图像中像素点的区域分布表现出来。为了对二值图像进行有效检索,提出了一种基于区域的形状特征——密度分布特征,用来进行二值图像检索。该方法在经过形心定位和子图像区域划分后,可得到2个M维特征向量,其中第1个表示各个子图像区域的目标像素的相对密度,第2个表示各个子图像区域的目标像素在极坐标方向上的相对密度的一阶数值差分。在进行相似性度量时,首先采用Gaussian模型对用这2个特征向量计算得到的距离分别进行归一化处理;然后综合两个特征向量的距离计算总的相似度。实验结果表明,密度分布特征不仅能够有效地刻画二值图像的形状,具有非常好的平移、尺度和旋转不变性,而且检索结果优于Hu不变矩。     

中心投影变换及其在二值图像检索中的应用

图像的形状是描述图像的重要视觉和语义特征,可通过图像中像素点的区域分布表现出来。本文针对二值图像,运用中心投影变换,使二维的图像模式转化为基于角度的一维模式,该一维模式表示图像在等角距的各个方向上的投影,在此基础上实现二值图像的检索。实验结果表明,中心投影是图像的一个全局特征,中心投影交换能有效地刻画二值图像的形状信息,检索结果及排列顺序与主观判断很一致。     

一种基于分布的形状特征描述子

形状特征描述在基于内容的图像检索与识别研究中具有重要地位,文中对图像检索及识别中常用的形状描述进行了介绍。提出一个新的基于区域中心分布的方案来对图像形状特征进行描述,该描述子以待识别对象的区域二值图像的中心点为圆心,将各点到圆心的距离进行规范化处理,统计落入以区域中心为圆心的各环内的点数与总像素点数n的比例,从而形成一个基于中心分布的形状特征向量。经过数学证明该描述方案提取的形状特征具有缩放、旋转和平移不变性。文中通过使用该方案提取的图像特征进行图像识别检索实验,取得了理想的实验结果,说明了它是一个有效的图像区域形状描述子。     

一种基于分布的形状特征描述子

形状特征描述在基于内容的图像检索与识别研究中具有重要地位，文中对图像检索及识别中常用的形状描述进行了介绍。提出一个新的基于区域中心分布的方案来对图像形状特征进行描述，该描述子以待识别对象的区域二值图像的中心点为圆心，将各点到圆心的距离进行规范化处理，统计落入以区域中心为圆心的各环内的点数与总像素点数n的比例，从而形成一个基于中心分布的形状特征向量。经过数学证明该描述方案提取的形状特征具有缩放、旋转和平移不变性。文中通过使用该方案提取的图像特征进行图像识别检索实验，取得了理想的实验结果，说明了它是一个有效的图像区域形状描述子。     

基于方向特征的二值商标图像检索方法

文中针对二值商标图像，提出一种基于方向特征的商标图像检索方法。用边界方向直方图表示目标的边界方向特征，图像的相似性度量采用直方图求交算法；用区域方向直方图表示目标的区域方向特征。图像的相似性程度用直方图的相关距离来度量。这两者结合起来得到的方向特征可以同时反映图像的整体形状和轮廓形状。实验表明，方向特征能够有效地描述图像的形状及空间分布信息，取得了令人满意的检索结果。     

视频帧/图像中图标识别算法

针对图像/视频中提取的图标图像,提出一种基于距离变换的识别和检索算法。为减少颜色畸变带来的影响,先将图像转换为二值图标图像进行后续处理。二值图像可以通过像素点的不同空间位置分布来表现,据此提出一种基于像素点位置信息的识别检索算法,其基本思想是首先对灰度图像进行大小归一化,然后二值化得到二值图标图像;主轴旋转后利用基于形态学极限腐蚀的距离变换将二值图像中像素点的位置信息转换为不同的灰度信息,通过比较其直方图特征实现对图标的识别。实验结果表明该算法速度快、识别率高,并且具有很好的平移、尺度和旋转不变性。     

利用形状与空间位置特征检索二值商标图象

为了充分利用商标图象的内部信息，以提高商标图象的检索精度，提出了一种综合利用商标形状特征与共内部空间位置关系持征来检索二值商标图象的方法，由于二值商标属于人工图象，大多数二值商标都是由一些边界分明的几何形状体构成，因此可把二值商标图象看作是由一些具有显著形状特征的区域构成的集合体，对这些集合体首先利用矩特征进行形状的相似性度量，然后利用投影分类的方法匹配空间位置关系，该方法基于这一思想，既考虑了商标涔部各组成部分的形状特征，又兼顾了它们之间的空间位置关系，将整个检索过程分为初级检索与检索求精两个阶段，由于该方法保证了整体与局部的一致性，因此具有很好的检索精度，与仅仅利用图象的形状特征进行检索的实验结果相比，其检索结果更加符合人的视觉感受。     

基于颜色和梯度方向共生直方图的图像检索

为有效融合图像的形状、颜色等特征,提出一种基元梯度方向共生直方图和颜色直方图的彩色图像检索算法。首先将图像划分为4×4互不重叠的基元,并根据基元的梯度平均幅值把基元分为视觉均衡基元和视觉非均衡基元;接着计算视觉均衡基元的平均颜色值,并将其在HSV空间中量化到72色颜色空间,构建视觉均衡基元颜色直方图作为彩色图像的局部颜色描述子;然后将图像中各像素点颜色值在HSV空间量化到72色颜色空间,获得图像的全局颜色直方图;最后在视觉非均衡基元中构建梯度方向共生直方图描述图像的形状特征。融合局部颜色描述子、全局颜色直方图和形状特征构成彩色图像检索特征矢量。实验结果表明,所提算法能够准确描述彩色图像的颜色和形状特征,具有很好的旋转不变性和尺度不变性。相似性度量非常有效,查全率和查准率均有较大提高。     

利用颜色进行模式分类与图象检索的方法及应用

本文论述了利用颜色进行模式分类与图象检索的基本概念和一般方法。颜色是图象的一个重要视觉特征。用计算机描述和处理图象颜色首先要选择合适的颜色空间（模型），并提取图像的主要颜色特征。彩色图象模式分类可分三个级别：象素级，区域级及图象级，图象检索主要利用颜色的直方图特征及其各种距离度量来实现。     

基于空间特征的图像检索

提出一种新的基于空间特征的图像特征描述子SCH,利用基于颜色向量角和欧几里得距离的MCVAE算法共同检测原始彩色图像边缘,同时利用一种新的“最大最小分量颜色不变量模型”对原始图像量化,对边缘像素建立边缘相关矩阵;对非边缘像素使用颜色直方图描述局部颜色分布信息;然后,利用新的sin相似性度量法则衡量图像特征间的相似度。实验采用VC++6.0开发了基于内容的图像检索原型系统“SttImageRetrieval”,基于Oracle 9i数据库建立了一个综合型图像数据库“IMAGEDB”。实验分析结果证明,利用SCH描述子的检索准确度明显高于仅基于颜色统计特征的检索结果。     

基于颜色和形状特征的彩色图像显示与检索技术

提出了一种有效用于抽取特征、索引和检索彩色图像的技术途径,通过提取图像的颜色不变量,建立相应的色度直方图（hue histogram）来表示图像的颜色分布特征,为了描述图像中对象的位置及方向特征,首先计算图像的色度轮廓并对其进行Radon变换,然后计算相应的“空间直方图”,由此,得到了一种基于图像的颜色分布特征和形状特征的新的图像表示方法,为了计量图像的全局相似度,基于“累积距离”和“基于向量的距离”定义了两种图像的距离度量,并分别讨论了距离度量的选取与归一化、不同子特征的组合等CBIR所涉及的关键问题,实验结果表明,文中提出的方法能获得满意的检索性能,其检索结果能较好地接近于人的视觉感和结果。     

简化SIFT算法及其在商标图像检索中的应用

针对商标图像形状简单、颜色单一的特点,提出了一种基于简化SIFT特征的商标图像检索新方法。采用DoG算子在多尺度空间检测图像的关键点,并利用圆环域结构替代SIFT原来的方形结构,对SIFT特征描述符的生成方式进行改进,使其具有计算简单、抗几何畸变性、抗旋转性等优点;然后在关键点匹配过程中,采用RANSAC算法去除错误匹配,从而提高匹配的稳定性与精确性。实验结果表明,该方法比原SIFT方法具有更快的计算速度和更高的匹配精度,能很好地应用在商标图像检索系统中。     

基于纹理分割的形状特征相似的商标检索技术

提出了一种新的商标图像检索方法,它基于图像的纹理分析进行自动分割,得到分块图像的形状大致信息,然后把纹理、形状这些相关特征进行组合,从而产生一个用于商标图像检索的特征向量.实验证明从纹理分割区域生成的图像特征对于商标图像检索非常有效,具有较强的识别能力.     

Comparing images using joint histograms

Color histograms are widely used for content-based image retrieval due to their efficiency and robustness. However, a color histogram only records an image's overall color composition, so images with very different appearances can have similar color histograms. This problem is especially critical in large image databases, where many images have similar color histograms. In this paper, we propose an alternative to color histograms called a joint histogram, which incorporates additional information without sacrificing the robustness of color histograms. We create a joint histogram by selecting a set of local pixel features and constructing a multidimensional histogram. Each entry in a joint histogram contains the number of pixels in the image that are described by a particular combination of feature values. We describe a number of different joint histograms, and evaluate their performance for image retrieval on a database with over 210,000 images. On our benchmarks, joint histograms outperform color histograms by an order of magnitude.