基于主独立内容特征的人脸图像检索方法

提出一种基于独立分量分析的内容特征，并用于人脸图像检索，得到一种基于内容的图像检索新方案.该方案首先在降维空间提取出基于高阶统计特性的主独立内容特征(PICF)，应用提取的PICF特征进行有效的人脸图像描述.为确保计算有效性和检索正确率，运用可消除独立特征顺序不确定性的基于PICF的检索方法，并在具备不同亮度、尺度、姿势和图像描述变化的ORL脸谱数据库中完成了人脸图像检索实验.计算机仿真结果验证了所提出方法的有效性.最佳检索率为100%，平均查准率达95.14％/千次.     

椭圆逼近形状轮廓的图像检索方法研究

对基于形状特征的图像检索方法进行了论述，提出了基于动态规划的彩色图像对象轮廓的提取方法。通过图像对象形状的规范化，给出了形状特征的椭圆逼近形状轮廓的图像检索方法。     

基于整数小波系数的纹理图像检索方法研究

提出了一种用整数小波系数检索纹理图像的方法，纹理图像的主要特征表现在细节部分，而高频部分的小波系数体现了图像的细节，所以从这些小波系数中提取的特征，能够表征纹理图像的主要特性；实验结果表明，用该方法检索纹理图像，能够达到较好的检索效果，并且对亮度不敏感，这一特点是传统的纹理分析方法难以达到的。     

基于颜色和纹理特征的图像检索技术研究

为改善单一特征图像检索方法的局限性和传统综合特征检索方法计算复杂度高的问题,提出一种综合特征的图像检索新方法:将Tamura纹理特征与抗几何形变的小波变换纹理分析方法相结合提取出13个纹理特征分量,在小波分解得到的低频区域中进行颜色直方图的提取,从而实现了颜色和纹理特征相结合的图像检索系统.实验表明,该方法在不明显增大计算量的情况下比单一特征的图像检索具有更好的检索效果.     

基于多特征融合的手指静脉图像检索方法

为进一步提高手指静脉图像检索的精度,提出一种基于多特征融合的手指静脉图像检索方法。从手指静脉图像中分别提取纹理特征、方向特征、静脉主干特征,使用改进的多基元直方图方法计算纹理直方图和方向直方图,将两种直方图串联作为检索特征。考虑到手指静脉血管的空间分布特性,对图像进行分块处理,基于图像块提取检索特征。该方法在两个公开手指静脉数据库上的最优检索精度分别为99.16%、99.15%。试验结果表明,该方法能够充分利用多种不同特征,有效提升手指静脉图像检索性能。     

基于双树复小波和灰度共生矩阵的纹理图像检索

传统的DWT小波变换在提取图像纹理特征时存在震荡、平移变化、混频和缺乏方向性四种缺陷。为了克服这些缺陷,本文采用双树复小波变换对图像检索中的查询图像和目标图像进行分解,提取6个方向上的纹理特征,为了弥补双树复小波变换缺少不同尺度纹理的空间分布特征的缺陷,又利用这两种图像的灰度共生矩阵提取4个统计量特征;最后用Canberra距离进行相似性度量并输出图像检索的结果。通过对Brodatz纹理图像库的各种纹理图像的检索实验表明,该方法对纹理图像有较好的检索效果。     

多分辨批量古典建筑图像深度学习检索算法

针对传统的模糊BP分类识别方法进行多分辨建筑图像检索误分率较高的问题,提出了一种基于深度学习神经网络分类和多特征融合的多分辨古典建筑图像检索算法。采用小波降噪方法对模糊图像进行降噪处理,对降噪后的图像采用LGB向量量化算法进行特征分解,采用颜色分量融合方法进行图像的信息增强处理,提取图像的灰度不变矩特征量。将提取的特征量输入BP神经网络分类器中,在检索器的隐含层采用深度学习算法进行图像特征聚类的自适应寻优,进行多特征融合处理,避免聚类中心扰动,实现了对批量多分辨古典建筑图像检索的优化。仿真结果表明,采用该算法进行多分辨古典建筑图像检索的准确性较好,抗类间属性扰动能力较强,图像输出的查全率较高,图像检索的时间开销较小。     

基于主独立内容特征的人脸图像检索方法

提出一种基于独立分量分析的内容特征,并用于人脸图像检索,得到一种基于内容的图像检索新方案.该方案首先在降维空间提取出基于高阶统计特性的主独立内容特征（PICF）,应用提取的PICF特征进行有效的人脸图像描述.为确保计算有效性和检索正确率,运用可消除独立特征顺序不确定性的基于PICF的检索方法,并在具备不同亮度、尺度、姿势和图像描述变化的ORL脸谱数据库中完成了人脸图像检索实验.计算机仿真结果验证了所提出方法的有效性.最佳检索率为100%,平均查准率达95.14%/千次.     

一种改进卷积神经网络的教学图像检索方法

针对卷积神经网络在提取图像特征时所造成的特征信息损失以及降低高维度图像特征数据等问题,提出了一种改进卷积神经网络的图像检索优化方法。该方法首先利用融合的卷积层提取图像特征,并在融合的卷积层之间添加全连接层以减少特征信息的丢失;然后采用主成分分析法对高维的特征数据进行有效的降维处理;最后采用余弦相似度的方法进行相似度匹配,以实现相似图像的检索。采用当前经典的LeNet-L、LeNet-5等方法同文中方法在图像检索性能评价指标上进行对比实验。实验结果表明,所提出的检索方法比文中其他检索方法在查全率和平均查准率方面提高了3%27.3%。     

基于小波散射网络下的图像检索

小波散射卷积神经网络由于其优越的性能而被迅速、广泛地运用到图像、音频等领域.本文利用这种新型的网络结构提取图像的特征，结合相似度度量方法，实现该特征提取在图像检索方面的应用.此外，将小波散射网络得到的特征系数，以其均值和方差作为新的特征，实现大规模图像检索的降维.最后，利用实验算法对比验证了上述降维方法的可行性和优越性.     

基于0，1序列模式的图像检索算法的改进

对使用0,1序列模式进行图像检索的方法进行了研究,在减少提取特征时间方面对原算法进行了改进.     

基于流形学习的图像特征提取算法

特征提取是模式识别领域一个重要的研究分支,已被应用于多个领域,图像的特征提取是完成图像识别和检索等工作的首要任务,基于学习方法的图像特征提取取得了良好效果,然而,线性学习方法提取图像特征仍然存在局限性,如人脸图像、姿态、光照及表情变化使图像表现出复杂的非线性特性,最近提出的流形学习被认为是进行非线性特征提取的有效方法,...     

基于加权颜色直方图和颜色对的图像检索系统

提出了基于加权颜色直方图的图像检索算法以及基于颤色对的图像检索算法，该算法分别利用图像的加权颜色直方图和颜色对作为图像特征，通过图像的相似性计算实现图像匹配．用Visual C^ 实现了基于加权颜色直方图和颜色对的图像检索系统，阐述了该系统的组成结构．同时给出图像检索实例．并对该系统的检索效果和性能进行了详细分析．实验结果表明该系统具有较好的检索效果和性能．     

基于矩形代数和公共模式方法的相似图像检索

指出了图像检索中公共模式方法(common pattern method,CPM)所建立的type-i公共子图无法精确描述区域间的空间拓扑关系.研究采用矩形代数表示CPM中区域间的空间拓扑关系,得到了拓扑表达更精确的相似性图像检索算法(SRRA).该算法将对象抽象为最小边界矩形,采用矩形代数描述对象间的二维空间关系,构建基于矩形代数的相似图,并从中寻找最大相似对象集合.实验结果表明,SRRA不仅在效率上优于基于CPM的算法,且检索效果更符合用户要求.     

iCome:基于多义性的图像检索系统

近年来,多媒体技术的发展使得图像的数量飞速增长,图像检索技术也越来越引起研究者的重视。经过研究人们发现语义鸿沟是导致图像检索系统效果不好的关键因素。以往的系统未能有效解决这一问题。因为多义性是产生语义鸿沟的一个关键因素,所以从多义性的角度构建了iCome图像检索系统。该系统考虑输出空间的多义性实现了基于文本标注的图像检索,考虑输入空间的多义性并结合用户反馈实现了基于内容的图像检索。     

一种基于视觉注意模型的图像检索方法

借鉴心理学中人眼视觉注意力模型,提出了一种新的基于显著区域的图像检索方法。利用局部结合整体的方式,既考虑图像显著区域中稳定所具有的稳定特征,同时充分利用区域间相互位置关系反映图像的整体构成,并结合二者进行检索,从而克服了传统检索中不能解决的图像旋转、平移、亮度变化等缺点。实验表明,利用显著区域进行检索有利于消除图像背景对检索结果的影响,与传统基于全局的检索方法相比,本文提出的方法具有更好的检索性能。     

融合复小波特征和局部二值模式的纹理聚类

为了解决图像检索中聚类问题,对图像作双树旋转复小波变换,再对变换后的系数通过广义高斯模型建模后,计算Kullback-Leibler距离;对图像采用局部二值模式,计算图像之间的对数似然距离.将这2种距离采用事先计算得到的加权因子进行融合得到新的距离.在此距离的基础上构建邻接矩阵,对邻接矩阵采用谱聚类的方法进行聚类运算.实验证明,由于双树旋转复小波变换和局部二值模式之间存在互补性,在聚类过程中将2种特征距离结合起来,能够有效地提高聚类的正确性.     

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Gabor滤波器和深度学习的图像检索方法

针对图像数据库日渐庞大的问题,研究了将特征提取与深度学习相结合进行图像检索的方法,提出了基于Gabor小波变换和受限玻尔兹曼机(RBM)的特征提取和降维模型.将整幅图像划分成局部图像块,利用Gabor滤波器组提取图像特征,通过RBM对特征进行学习和编码,从而实现图像特征的降维处理.采用基于深度信念网络(DBN)和Softmax分类器的图像检索算法,利用Corel图像库进行新方法的图像检索实验,并与其他两种方法进行比较.结果表明,本文方法在准确率、查全率和检索时间上均具有较好的性能,能得到更好的图像检索结果.