基于分层密度特征的文档图像检索

为克服基于版面重建的文档图像检索方法对图像质量要求高,且局限于部分文种,以及基于版面分割的文档图像检索方法受限于版面分割技术等问题,提出了一种基于二值文档图像分层密度特征的检索方法。该方法通过倾斜校正、去除黑边等预处理得到有效文本区域,提取有效文本区域的长宽比和分层密度特征,通过特征比对进行检索。实验表明:该方法对不同分辨率以及不同的输入设备具有自适应能力,对复杂版面和批注等噪声鲁棒性好,漏检率为2%,是一种简单有效的文档图像检索方法。     

基于颜色空间特征的图像检索

针对基于内容的图像检索技术大多采用颜色特征的情况,提出一种通过提取颜色特征、灰度特征,获取图像物体的形状和空间特征,综合检索图像的方法.实验结果表明,这种方法具有一定的鲁棒性,检索结果不受图像大小、旋转和轻微的光照变化的影响,相对于传统的颜色直方图法,这种方法能明显改善检索效果.     

基于感知的大范围人造对象图像结构特征抽取

基于内容的图像检索(CBIR)系统传统上仅仅使用颜色特征和纹理特征进行图像的底层分析,不足以满足检索性能的要求.要提高基于内容图像检索的鲁棒性,需要检索系统能分析更多的图像底层特征.对于包含大范围人造对象(比如:建筑物、高塔、桥梁和其他结构对象)的图像,提出应用感知分组(perceptual grouping)规则抽取图像的结构特征,并结合使用该结构特征,对特定的图像库进行分类和客观评价.     

卷积特征图融合与显著性检测的图像检索

针对基于深度学习的图像检索提取特征往往包含了复杂的背景噪声,导致图像检索的精确率并不高的问题,提出一种特征图融合与显著性检测的方法.首先,训练用于分类的深度卷积神经网络模型.然后,并将图像卷积之后的特征图谱进行融合,得到图像的显著性区域.最后,通过计算图像显著性特征的余弦距离来进行检索.实验结果证明:相比目前主流的方法,文中方法能够有效提高检测精度,且鲁棒性较高.     

一种基于规范化形状的手绘草图检索算法

提出了一种基于仿射变换自适应的形状和骨架特征的手绘草图检索算法.首先采用一种基于傅里叶变换的降维滤波方法对对象进行规范化处理,并以此为基础提取对象轮廓和区域特征;然后提出一种仿射变换自适应骨架提取算法提取对象骨架、得到骨架树特征描述子,并提出一种骨架树匹配算法;最后结合对象轮廓区域和骨架特征来实现草图检索.实验结果表明,该方法对对象仿射变换(平移、缩放、旋转)有很强的适应性,对噪声有较强的鲁棒性.     

基于环形分割的医学图像检索

针对医学图像全局特征检索不能很好地体现局部特征,而基于分割后各区域特征的检索又过分依赖于复杂的图像分割算法,提出了环形划分图像的分割方法.在基于环形分割的条件下,分别提取医学图像的颜色和纹理等内容特征,并在此基础上,实现医学图像检索.试验表明,基于环形分割的医学图像检索能够较好地体现图像所记录的颜色空间信息,而且具有旋转偏移不变性的特点,大大提高了医学图像检索的正确率与查全率.     

基于组合特征检索策略的图像检索技术研究

图像检索是信息挖掘领域的重要方法,针对单一特征图像检索方法鲁棒性不足的问题,文章提出了一种基于组合特征检索策略的图像检索方法。首先,求取空间颜色直方图特征、局部二值阵列特征、基于轮廓的Hu矩特征,分别作为颜色特征、纹理特征、形状特征的表达;再对3种特征分别配置相应的权重,进而形成组合检索特征。实验结果表明,基于组合特征检索策略的图像检索方法明显提高了检索性能,并且具备较好的灵活性。     

基于非下采样轮廓波的图像检索

提出一种基于非下采样轮廓波的图像检索方法.首先对图像进行预处理;然后利用非下采样轮廓波的平移不变特性,将像素点分为强边缘、弱边缘和噪声点三类;最后忽略噪声点,提取强边缘和弱边缘的各个子带的均值和方差等作为特征进行检索.实验结果显示,与轮廓波等方法相比,该方法具有更高的鲁棒性、检索效率更高且特征维数低.     

基于形状特征的图像检索技术

提出一种新的基于图像形状的检索方法.首先,用Canny算子对图像进行平滑处理,提取图像边界方向直方图特征;其次,用改进的不变矩来描述图像形状的区域特征,改进后的不变矩特征不受图像的缩放、平移和旋转影响;最后,为了克服不变矩只针对对象区域而忽视图像边界的缺点,提出改进的不变矩与边界方向特征相结合的方法,使得检索取得更好的...     

基于局部色彩不变量的图像篡改检测方法

针对基于分块的图像区域复制篡改检测方法通常面临的图像特征提取计算量大、维度高、识别率低等问题,提出一种基于局部色彩不变量特征的图像区域复制篡改检测方法,将RGB彩色图像转换到对立色彩空间,通过分析和提取图像各通道上的局部密度分布特征,构建k-d树进行相似分块特征匹配以实现图像区域复制篡改检测.提出的局部色彩不变量密度特征具有维度低、计算简单等特点.实验结果表明,本文方法与其他几种典型的基于分块的方法相比,具有较低的时间复杂度和较高的检测率,且对图像篡改区域的旋转、缩放攻击具有较好的鲁棒性,特别是当图像篡改区域进行大角度旋转时与其他几种方法相比具有明显优势.     

工艺设计实例推理的神经索引模型的研究

提出了一种基于神经网络的工艺实例推理索引模型，与现存大多数实例推理系统不同，该方法用神经网络实现实例的动态分类和索引，实例层次分类的３层结构和基于特征的聚类模板概念，为实现基于符号处理的实例推理求解模式向基于向神经计算模式识别求解模式映射提供了条件。     

基于内容的图像及视频检索

基于内容的图像及视频检索是当前计算机视觉、多媒体数据库管理等研究领域的热点之一。较系统地介绍了该研究领域的现状。对于静态图像 ,主要介绍了基于颜色、纹理、形状、区域或目标等低级图像特征信息的检索以及基于交互式反馈的检索方法 ;对于视频序列 ,则介绍了镜头检测、镜头内容表示、场景的语义描述等技术。最后指出了该研究领域存在的难点及今后的工作。     

基于形状相似的三维模型检索方法研究

在基于内容的三维模型检索方法中,基于形状的检索方法由于其视觉上的直观性和效果上的稳定性,得到了广泛的研究,本文提出了一种基于模型视觉投影图相似的形状检索方法,对任意模型通过坐标规范化,方向投影,提取其二维投影图像的Fourier描述符和Zernike矩描述符作为模型特征,在数据库中进行匹配检索.解决了该类方法中的投影图最优匹配的问题,并在检索效果和效率上取得了很好的结果.     

能量矩与颜色聚类相结合的图像检索方法

检索效率和准确率是基于内容的图像检索技术的重要指标.首先采用一种改进的软聚类算法在颜色空间进行聚类预处理.在此基础上,提出一种快速有效的提取基于离散余弦变换的能量矩特征方法,对聚类结果进行基于能量矩特征的二次检索.实验结果表明,聚类预处理能大大地缩小图像的搜索范围,以达到快速、准确检索图像的目的,同时提出的分块能量矩对图像旋转、尺寸变化及噪声有较强的鲁棒性.     

一种基于局部运动特征的视频检索方法

在基于运动内容的视频检索中 ,视频中的局部物体运动常是用户关心的重点。在利用全局运动模型参数对运动估计的基础上 ,提出了一种从一般视频序列中提取局部物体运动矢量的方法 ,并以局部运动矢量场的方向直方图作为检索特征 ,实现了一个基于局部运动信息的视频检索系统。实验表明 :基于局部运动信息的检索机制使该系统能够较好地检索到符合人们主观理解的运动视频内容     

Similarity Search Algorithm over Data Supply Chain Based on Key Points

In this paper, we target a similarity search among data supply chains, which plays an essential role in optimizing the supply chain and extending its value. This problem is very challenging for application-oriented data supply chains because the high complexity of the data supply chain makes the computation of similarity extremely complex and inefficient. In this paper, we propose a feature space representation model based on key points,which can extract the key features from the subsequences of the original data supply chain and simplify it into a feature vector form. Then, we formulate the similarity computation of the subsequences based on the multiscale features. Further, we propose an improved hierarchical clustering algorithm for a similarity search over the data supply chains. The main idea is to separate the subsequences into disjoint groups such that each group meets one specific clustering criteria; thus, the cluster containing the query object is the similarity search result. The experimental results show that the proposed approach is both effective and efficient for data supply chain retrieval.     

基于特征显著性的均值漂移鲁棒目标跟踪

在均值漂移算法框架下,提出基于目标显著性的特征融合与在线模板更新策略,实现复杂动态环境下的鲁棒跟踪.通过目标区域与背景区域的特征对比定义了特征显著性测度.提出了基于特征显著性的色彩空间选择以及基于Gabor小波稀疏编码的纹理特征提取算法.通过特征显著性加权实现参考直方图模板的初始化,并在此基础上针对遮挡现象与目标自身形变的区别设计了在线模板更新策略.实验结果表明,本文方法与其他跟踪算法相比具有较强的鲁棒性和较高的准确性.
     

A Novel Cross-Media Layered Semantic Mining Model

This paper presents a cross-media semantic mining model （CSMM） based on object semantic. This model obtains object-level semantic information in terms of maximum probability principle. Then semantic templates are trained and constructed with STTS （Semantic Template Training System）, which are taken as the bridge to realize the transition from various low-level media feature to object semantic. Furthermore, we put forward a kind of double layers metadata structure to efficaciously store and manage mined low-level feature and high-level semantic. This model has broad application in lots of domains such as intelligent retrieval engine, medical diagnoses, multimedia design and so on.     

基于序列图像的粒子滤波跟踪算法

基于序列图像的目标跟踪方法研究已成为当前计算机视觉领域的一个重要研究内容.构建一个准确、实时和鲁棒的跟踪系统是该领域的研究重点.本文提出了一种改进的基于粒子滤波器算法的快速目标跟踪方法.通过提取序列图像中目标的HSI颜色空间直方图作为目标模板,建立系统的状态转移模型和观测模型,应用重采样技术,最后利用粒子的加权和估计最终目标位置和形状.通过软件仿真实验,本文提出的算法较传统的目标跟踪算法具有更好的实时性,准确性和鲁棒性.