基于视觉特征的图像检索重排序

主要介绍了在基于关键字的图像检索结果上,利用视觉特征对图像进行重排序。由于关键字对图像的描述存在一定的偏差,所以检索结果难免存在偏差。尽管如此,基于关键字的检索结果中依然有一定比例的图片是与用户期望相关的,利用这一相关性可以建立一个由图像视觉特征描述的用户目标概念,以此作为基准采用分段插入排序对基于关键字的图像检索结果进行重排序,此方法既提高了检索准确率,又能满足实时性要求。文中介绍的方法采用了两种视觉特征,颜色直方图和局部二值模式(LBP)。     

基于伪相关性等级的图像检索重排序算法

随着多媒体技术的不断发展,每天大量的图像被制造出来,在此情况下,基于内容的图像检索技术发展迅猛。文中提供了一个在基于文本的初始检索结果基础之上,利用伪相关等级信息检索重排序的算法。利用少量的相关性等级计算出其他未标注图像的伪相关性等级,最终根据伪相关等级进行重排序。     

基于图像建模系统中图像拼接算法研究

为解决各型航海、航空模拟器中基于图像建模系统的重建物体视觉外观真实感较差问题,研究了对于在不同角度下拍摄的不在同一平面的图像的自动拼接与融合算法.算法首先基于SIFT算子提取图像特征;接着采用近似最近邻的优先搜索算法以及极线约束条件获取精确的特征匹配点对;然后采用RANSAC算法鲁棒地估算变换矩阵;最后实现自动拼接与融合.实验结果表明,该算法拼接效果较理想,鲁棒性强,具有一定的实用价值.     

基于兴趣目标的图像检索

当前图像检索算法通常针对整体图像提取特征以完成检索任务.然而,在很多情况下用户只会关注图像的一部分,即他们的兴趣目标.此时,从整体图像提取的特征一部分是有效的,另一部分则是无效的且会对检索过程带来消极影响.为此,本文提出基于兴趣目标的图像检索方案,并借助于现有的显著性检测、图像分割、特征提取等技术实现一款有效的图像检索算法.首先采用HS （Hierarchical Saliency,分层显著性）检测算法分析用户的兴趣目标并应用SC （Saliency-based Image Cut,基于显著性的图像分割）算法将其分割,然后针对兴趣目标提取HSV （Hue、Saturation、Value,色调、饱和度、明度）颜色特征、SIFT （Scale Invariant Feature Transform,尺度不变特征变换）局部特征和CNN （Convolutional Neural Network,卷积神经网络）语义特征,最后计算其与数据库图像的相似度并根据相似度排序返回检索结果.仿真实验结果表明,本文算法在解决"这是什么东西"这类图像检索任务时明显优于现有的图像检索算法.     

图像多样性重排序技术综述

近年来互联网呈现出了爆炸式的增长,而与日常生活息息相关的图像资源变得更加重要,如何能够准确地获取所需的图像资源是当前多媒体搜索领域需要重点解决的问题。目前的大多工作围绕图像的相关性搜索重排序展开,对多样性搜索重排序的研究较少。相关性重排序是指对于返回结果来说,都是将相关的样本排在结果集的前列,但是很少考虑样本相互之间的联系,而多样性重排序是为了提高返回结果的多样性,也就是覆盖主题的多样性,以降低相关重排序中带来的信息冗余问题。文中对当前常见的几种算法评价并进行比较,并通过不同于文本重排的评价准则对性能进行评价。     

基于SIFT的图像建模算法研究

为解决飞行或航海模拟器中建模手段单一、真实感较差等问题,研究了基于SIFT的图像建模算法.该算法针对目前图像建模算法中存在的人工参入图像匹配负担较大问题,实现了基于尺度不变特征的图像自动匹配;针对重建物体视觉外观真实感较差问题,采用了图像融合算法首先对纹理图像进行处理,然后再进行纹理映射的方法.实验结果表明,算法具有较好的鲁棒性,生成的三维模型准确真实,较之以往算法具有建模简单、操作方便,真实感强的特点.     

基于纹理特征的图像检索

构造了具有旋转、平移和尺度不变的纹理特征,进而提出基于纹理图像检索算法.首先,根据角向矩极大原理将检索图像进行坐标校正,得到图像旋转不变的表示;然后,利用平移和尺度不变小波对检索图像进行分解,得到具有平移、旋转和尺度不变的小波分解系数;最后,采用各尺度的小波能量值刻画图像的纹理性,并针对特征向量内部进行高斯归一化,根据欧氏距离计算不同图像间的纹理相似度.基于内容的图像检索(CBIR)试验表明,该方法具有旋转、平移和尺度不变性,与其它方法相比,具有较高的检索率.     

综合利用边缘和颜色特征的图像检索

分别介绍了图像边缘和颜色特征的提取方法，及基于内容的图像检索系统的实现。试验结果表明，在图像检索时合理利用图像的边缘和颜色特征，可有效地提高系统的检索性能。     

一种基于SIFT和区域选择的图像拼接方法

提出了一种基于SIFT和区域选择相结合的图像拼接方法.该方法采用改进的尺度不变特征变换(SIFT)特征提取方法获得图像特征点,并充分利用圆形区域的旋转不变性和互信息量最大原则进行特征点匹配,避免了传统的图像配准算法计算量过大、特征点匹配不准确等问题,最后采用加权平均的方法对图像进行融合.实验表明,该方法对图像间存在的平移、旋转、明暗强度和噪声干扰等都具有良好的鲁棒性,可实现高质量的图像拼接.     

基于Radon和小波变换的图像检索

提出一种基于Radon和小波变换的图像纹理特征检索算法.对原始图像进行坐标系的方向归一化,再对方向归一化后的图像进行Radon变换.根据Radon变换投影数据的几何特性,构造了适合投影数据的具有尺度和平移不变性的小波分解,该小波分解系数具有旋转、平移和尺度不变性.采用图像中各尺度小波系数的能量值作为图像的纹理特征,以此作为纹理特征进行图像检索.基于纹理特征的试验结果表明该特征具有旋转、平移和尺度不变性,与其他算法相比具有较高的检索率.     

图像检索研究综述及系统实现

利用文献可视化分析工具对图像检索研究现状进行了综述,同时设计了一种基于位置敏感哈希算法的图像检索系统。通过位置敏感哈希算法将图像的特征向量映射到哈希桶中,从而有效地降低了计算复杂度并提高了图像检索的效率。实验结果表明,文中设计的方法在检索效率以及查全率-查准率两个测度上均获得了较好的性能。     

基于多媒体融合的图像检索系统的实现

提出一种融合了文本、语音、图像等信息特征的图像检索方案,并以MATLAB为平台构建了一种基于语音识别技术的新型图像检索系统.与基于文本或基于内容的图像检索系统相比,该系统既提高了检索性能,又使得人机交互更加便利.     

一种融合图学习与区域显著性分析的图像检索算法

 为弥合图像低层视觉特征和高层语义之间的语义鸿沟,改善图像检索的效果,机器学习算法经常被引入到图像检索问题中.通常情况下,机器学习算法是与相关反馈机制相结合,通过用户的交互操作,标定出若干正反例图像,很自然地就可以将图像检索问题转化为模式识别中的分类问题.目前融合区域显著性分析的区域图像检索算法尚没有与机器学习算法相融合.本文结合图像区域显著性分析,并针对用户参与反馈的情况,分别提出了两种图像检索解决方案.其一,在没有用户反馈以及用户只反馈正例图像的情形下,将图像检索问题转化为直推式学习问题(Transductive Learning),改进已有的基于图的半监督学习算法,提出了融合区域显著性分析的层次化图表示(Hierarchical Graph Representation)方式,用以实现标记传播;其二,在用户同时反馈正反例图像的情形下,利用用户反馈得到的正反例图像构建相似性邻接矩阵,通过流形排序算法(Manifold-Ranking)学习出用户感兴趣的查询目标概念并用相应的特征向量集合表示,并据此查询图像库返回用户语义相关的图像集合.实验结果验证了这两种检索策略的有效性.     

基于形状的图像检索技术研究

基于形状的图像检索技术是基于内容的图像检索技术的一个重要组成部分。现有的形状特征检索技术主要集中在形状特征的提取及相似性度量、形状特征与颜色和纹理特征结合、形状特征与高层的语义特征结合的研究。在分析现有的基于形状的图像检索技术的一些关键技术的基础上,对基于小波-傅里叶特征(WFD)的形状检索方法进行了研究,并提出了一些改进算法。结合Matlab和ACCESS实现了一个基于形状的图像检索实验系统,建立了用户界面,选取与设计了4个图像测试集,使用检索性能评价方法对形状特征的检索结果进行了客观的评价。实验结果表明,利用本文所提出改进的形状特征进行检索取得了较好的检索效果。     

Exploring Semantic Association Rules Between Keyword and Visual Feature Clusters for Web Image Retrieval

The semantic gap is a big challenge in image retrieval area. Previous studies in web image retrieval have mainly focused on Relevance feedback （RF） and Latent semantic indexing （LSI） to alleviate the gap. This paper proposes an approach base on Frequent itemset mining （FIM） and Association rule （AR） techniques, which explores the semantic association rule between the two modalities that are represented by keyword and visual feature clusters. The rules are obtained oftline based on the inverted file, and utilized in query process online to realize the integration of the two modalities of web im- ages. Our approach improves the retrieval performance and is scalable well, as well as satisfies the requirement of the web users with no additional interactions. The exper- iments are carried out in our web image retrieval system named VAST （VisuAl ＆ SemanTic image search）, and the results show the effectiveness of the proposed approach.     

垃圾彩信中海量图片检索和聚类关键技术研究

本文总结了不良违规图片管理经验,详细介绍了海量图片相似检索和聚类技术的诸多关键技术,包含视觉词和嵌入码的生成、索引、结果打分等,并给出了许多工程化的实践经验。     

基于内容的图像检索技术研究

在对海量的图像数据进行检索时,传统的基于数值/字符的信息检索技术并不能满足要求.因此,基于内容的图像检索技术(CBIR:Content-Based Image Retrieval)的研究应运而生,并引起了广泛关注.本文主要讨论CBIR研究中的一些关键问题:图像的内容特征及其提取、特征之间的相似度计算、查询条件的表达、检索性能的评价、压缩域的图像检索技术等等,并指出了一些可值得深入研究的方向.     

Efficient Cloud Image Retrieval System Using Weighted-Inverted Index and Database Filtering Algorithms

With the advance of multimedia technology and communications, images and videos become the major streaming information through the Internet. How to fast retrieve desired similar images precisely from the Internet scale image/video databases is the most important retrieval control target. In this paper, a cloud based content-based image retrieval (CBIR) scheme is presented. Database-categorizing based on weighted-inverted index (DCWⅡ) and database filtering algorithm (DFA) is used to speed up the features matching process. In the DCWⅡ, the weights are assigned to discrete cosine transform (DCT) coefficients histograms and the database is categorized by weighted features. In addition, the DFA filters out the irrelevant image in the database to reduce unnecessary computation loading for features matching. Experiments show that the proposed CBIR scheme outperforms previous work in the precision-recall performance and maintains mean average precision (mAP) about 0.678 in the large-scale database comprising one million images. Our scheme also can reduce about 50% to 85% retrieval time by pre-filtering the database, which helps to improve the efficiency of retrieval systems.     

一种新的基于内容的图像检索方法

针对传统图像检索的不足,提出一种新的基于内容的图像检索方法。该方法首先构造色彩距离公式,根据色彩距离公式自动判别图片的主色调,然后利用Lucene的索引模块为图片创建索引,利用搜索模块实现图像检索。通过使用24张图片对该方法的有效性进行验证,结果表明：该方法虽然简单,但是检索的准确率较高且易于实现。