面向制造过程的海量数字图像高效检索算法研究

结合图像的形状特征、纹理特征和颜色特征,提出一种面向制造过程的海量图像高效检索算法.算法利用傅立叶描述子法和二维形状分布法描述图像的形状特征,利用灰度共生矩阵描述图像的纹理特征,利用颜色直方图表达图像的颜色特征.在得到图像的形状特征、纹理特征和颜色特征后,分别采用欧式距离、马氏距离和夹角余弦距离计算这三种特征的相似度,最后对三种特征的相似度进行综合,得到图像的整体相似度,实现多特征的联合检索.仿真结果表明,本算法应用于不同类型和格式的海量数字图像,具有较高的检索精度和较快的检索速度.     

多粒度颜色特征在图像检索中的应用

将商空间粒度计算理论引入到了图像检索领域,提出了一种新的图像检索方法.首先针对彩色图像在不同粒度下的表现得到不同粒度下的颜色特征,获得不同的商空间,然后根据商空间粒度合成原理对已得到的商空间进行合成,进而以合成后的属性函数来完成图像检索.与采用单一颜色特征的图像检索方法相比,采用多粒度颜色特征的图像检索方法能够在更大程度上利用图像自身所提供的信息,实验结果验证了该方法的可行性和有效性.     

基于动态BoW模型的密文JPEG图像检索

为了实现高效的密文JPEG图像检索,提出了一种基于加密图像AC系数统计直方图的动态检索方案.首先,根据密文图像的AC系数采用自适应k-均值聚类构建动态词袋(bag-of-word,BoW)模型.其次,借助BoW模型将图像块的AC系数统计特征转化为全局直方图特征.最后,由服务器根据直方图特征来判断相似性,从而提高检索效率.即使密文图像库动态更新,如密文图像的新增与删除,该检索方案也是鲁棒高效的.实验结果表明,该方案在保证检索准确度的同时大大提高了检索效率,具有实际应用价值.     

基于图像几何特征的预检索技术研究

图像特征的有效提取及表征是基于内容图像检索中的关键问题,将图像的几何特征引入图像的抽象描述中,利用四叉树结构进行特征索引,实现了动态检索基于图像空间几何特征的检索方法,与传统单特征的检索方法相比,减少了特征数据量,缩短了检索时间.     

基于颜色和纹理特征融合的图像检索

随着多媒体技术的发展,图片数据库迅速膨胀.为使用户能够在海量的图片数据库中快速准确的查找所需图片,基于内容的图像检索技术逐渐成为研究的热点.每种图像的低层视觉特征都有其自身的特点,只能表达图像的部分属性.为了更好地描述图像,提高图像检索的准确率,本文,笔者在分别讨论颜色特征和纹理特征的基础上,对基于颜色和纹理特征融合的图像检索方法进行了研究,并将其检索结果与单独利用颜色特征或纹理特征检索得到的结果进行了比较.结果表明,该方法可以弥补由单一特征描述图像导致的片面性问题,能够取得较好的检索效果.     

一种有效的结构纹理区分方法

提出了一种检索纹理图像的算法.由于纹理图像具有的多样性,处理不同的纹理图像应当采用不同的处理方法.比如,针对结构纹理图像使用小波的方法更为适合,而针对具有随机纹理的图像使用马尔科夫模型效果就更好.因此,在处理图像之前对其按照纹理的情况进行分类合并,就可以有针对性的处理各种纹理图像.我们提出的区分纹理图像的方法基于二值傅里叶谱,首先将纹理库中的图像按结构纹理和随机纹理划分,然后采用多方向小波contourlet提取图像特征来检索图像.实验表明,这种区分算法,可实质性地提高检索率.     

基于广义高斯分布的彩色图像检索

为了提高广义高斯分布(GGD)在彩色图像检索中的检索性能和图像识别能力,提出了利用局部特征和全局特征的方法,计算图像中心矩形区域的颜色特征作为局部特征和整个图像应用小波变换后应用统计方法,用广义高斯分布计算小波系数的准确分布,提取全局特征,在Corel和VIEW图像库中进行了检索实验.试验表明:该方法的检索能力优于其单...     

一种结合正交分解及BoVW的图像安全检索方法

当前云平台下加密域图像检索存在特定加密算法而不能满足不同应用需求,并且需依靠底层图像特征进行检索,从而导致精度较低,为此提出了一种结合正交分解和视觉词袋模型(BoVW)的图像安全检索方法.引入正交分解框架,将图像数据域分为加密域和检索域,使得加密操作和特征提取操作相互独立,避免加密和特征提取操作相互影响.在加密域用户可以根据需要选择合适的加密方法;在检索域引入视觉词袋模型框架,将图像表示为视觉单词直方图,降低底层特征与高层语义之间存在的语义鸿沟,提高检索精度.实验结果显示,与当前加密域图像检索技术相比,该方法具有更高的安全性和检索精准度,能在云环境下更好地保护图像数据的隐私,且实用性较好.     

小波变换在彩色图像检索中的应用

传统的直方图检索技术计算量大,检索时间长,而小波变换在图像检索率并不能满足真颜色图像的直观效果的要求,因此,提出逐步缩小检索范围的方法,结合颜色特征和纹理特征,先截取图像中心位置的矩形区域,利用各个等级颜色的使用率,把图像进行分类,找到与查询图像最接近的子图像库,然后在子库中的各个图像进行小波变换,提取特征,进行检索,实验表明,该方法能有效缩短检索时间,提高了检索率。     

基于底层特征的视像检索

在因特网（Internet）上基于关键词利用谷歌（Google）、百度（Baidu）等搜索引擎检索所需信息有它的局限性,还远不能满足在海量视像中快速检索所需资料的要求.因此视像检索就成为目前国内外信息检索领域的一个热点研究课题.本文通过从视像中提取的颜色、纹理等图像底层特征进行视像概念检测,并采用NIST为TRECVID评估提供的数据对本系统的性能进行了评测,结果表明,采用颜色和纹理相结合的办法可以有效地提高系统的检索效率.     

基于内容的图象检索技术

本文对基于内的图象检索理论进行了深入的研究，给出了图象检索的基本过程，常用方法，匹配算法和提高检索效率的方法。     

嵌套网络模型下的相似图像检索方法

对深度学习领域的稠密卷积网络（dense convolutional network,DenseNet）进行改进,提出了一种嵌套网络模型下的相似图像检索方法。该方法主要通过嵌入压缩和激励网络（squeeze-and-excitation network,SENet）,调整原DenseNet网络结构,优化特征提取模块,从而提高图像检索的准确率。在整个深度学习的过程中,给图像特征通道设置合理的权值,抑制图像中的无效特征,能够进一步提高图像的检索速度。实验结果表明,所提算法能够加强图像有效特征的传递,无论从精度和速度方面均可得到较好的图像检索结果。     

利用多维空间同源连续性的图像检索

对两个同源的事物,从一个事物逐渐变化到另一个事物的过程存在连续性. 该文依据多维空间仿生信息学理论,结合图像特征数据的提取与多维空间的点同源连续性规律,提出一种同源相似度和图像仿生距离相结合的相似性度量方法,实现高效的图像检索. 用COREL图像库进行测试,表明所提出的方法可有效提高检索效率.     

基于对象形状特征的图象检索

本文介绍了基于内容的图象检索技术,特别研究了基于对象形状的图象检索理论和方法,包括：形状特征描述,特征提取方法和基于对象形状的图象查询方法;并实现了形状特征的自动提取与图象检索。     

基于颜色聚类的JPEG图像索引与检索

针对JPEG压缩图像,根据感知相似性,提出一种基于颜色聚类带相关反馈的快速压缩域索引和检索方法.该方法直接在YCbCr空间上进行,可提高图像特征提取的速度、节省存储空间.实验结果证明了本方法的有效性.     

基于块匹配的综合图像检索技术

提出了一种基于文本、语义和特征块匹配相结合的综合图像检索方法．首先,将图像入库时进行人工标注;然后运用SVM机器学习框架,建立先验知识库,提取图像的语义特征;然后利用Harris算子检测出图像的特征点,进一步统计出两个图像中匹配的特征块数目,计算图像间的相似距离．实验结果表明,这种综合检索方法能更全面、更精确地描述了图...