基于交叉分块直方图的图像检索方法

在基于内容的图像检索技术中,颜色是常用的图像特征。提出了一种基于交叉分块直方图的图像检索方法。首先,对图像进行交叉分块得到若干子图像;然后提取子图像的颜色直方图特征,构造特征向量;最后根据空间距离度量图像间的相似程度,确定检索输出结果。用交叉方式分块得到的子图像间相互交叉重叠,能够在获取图像颜色特征空间分布信息的同时保持图像目标的完整性,并有效抑制图像背景区域对检索结果的干扰。仿真实验结果表明,基于交叉分块直方图的图像检索方法具有优于基于均匀分块直方图的图像检索方法的性能,适用于对多种类型图像的检索。     

结合彩色边缘与LBP纹理的图像检索算法

基于图像颜色、纹理和形状单一特征的特征提取和匹配的方法很多,各有优缺点,因此,本文提出了将图像中心区域的uniform模式的LBP纹理与环形分块彩色边缘相结合的图像检索算法。常用的形状检索算法只能对连续封闭曲线才有好的检索效果,而对自然彩色图像检索效果较差,而本文将图像分成几个环形分块,对每一环形分块内的图像提取彩色边缘并形成颜色直方图用于图像形状描述。纹理采用uniform模式的LBP描述,最后采用加权法融合形状特征和纹理特征。根据实验比较,该算法能较大提高大多数类别图像检索的查准率。     

一种新的基于颜色特征的图像检索方法

提出一种利用同心圆来提取颜色特征的图像检索方法.该方法以同心圆分块策略对图像进行分块,并依据人类视觉生理和心理特性对所获取的颜色特征进行动态加权,获得图像的综合加权特征向量.对图像库的10类图像进行测试,每类取4幅组成40次查询.实验结果表明,该方法与全局直方图方法、传统分块方法相比,其平均精确度分别提高了5.01%和2.95%,且具有几何不变性.     

一种基于局部颜色特征的图像检索算法

提出一种基于局部颜色特征的图像检索算法.该算法首先对图像进行分块,提取各分块的主色作为颜色特征,然后根据图像中心的重要性,对图像各个分块的颜色特征采用不同的加权系数,使局部图像的特征矢量被增强,从而提高了图像的检索精度.与基于全局颜色直方图方法相比,基于局部颜色特征的图像检索算法具有更好的检索结果.     

基于颜色特征的改进图像检索算法

本文提出一种综合图像的颜色、灰度和空间信息提取特征向量的改进算法将图像从RGB空间转换成HSV空间,将彩色图像转换成黑白图像,并分别进行直方图量化后,进行相似度比较;改进颜色相关图的算法,提高颜色空间特征的检索效率.     

一种基于HSV颜色空间的图像检索方法

基于内容的图像检索是多媒体检索研究的前沿课题,利用颜色特征作为索引进行检索是其最重要的技术。本文提出了一种综合利用两种颜色特征进行图像检索的新方法。首先,选取符合人眼感知特性的HSV颜色空间进行非等间隔量化,然后建立全局颜色直方图表示图像的颜色分布特征。为了弥补全局颜色直方图不包含颜色空间分布关系的缺点,文中又提取了图像的另一种颜色特征,即分块的颜色矩,它的距离度量为其特征矢量的比值相似度。最后综合利用上述两个特征对图像共同检索。实验结果表明,综合利用两种特征检索图像比单一特征检索效果更好。     

基于目标区域颜色与纹理特征的图像检索

该文提出一种基于目标区域的图像检索方法。该方法首先利用色度直方图完成对图像目标区域的提取；然后以目标区域的纹理特征作为全局图像的特征向量进行图像间相似度的检索。该方法综合利用了图像的颜色及纹理特征，并根据人的视觉习惯以图像目标区域的特征作为图像的检索特征。实验表明，该方法在检索效果和检索效率上都优于利用单一特征或全局特征的检索技术。     

一种改进的基于颜色直方图的图像检索算法

使用颜色直方图进行图像检索是图像检索的常用方法,但是传统颜色直方图检索容易丢失空间信息,从而影响图像检索的查全率和查准率.针对这一问题,提出一种改进算法,该算法首先进行图像分块,然后通过对各分块颜色直方图加权的方法进行检索.实验证明,该算法可以提高图像检索结果的查全率和查准率.     

基于DCT系数和颜色直方图的图像检索

为有效描述图像的形状、纹理和颜色特征,提出一种基于DCT系数统计特征和颜色直方图的图像检索.首先,将图像中像素点颜色值在RGB颜色空间中量化到64色颜色空间,构建彩色图像的颜色直方图用于描述图像的颜色特征.然后,将图像划分为8×8子块,分别对各子块进行DCT变换.最后,根据各子块的DCT系数获得其两个统计特征,其一是计算各子块DCT系数的均值和方差,构建均值-方差直方图用于描述图像的纹理特征,另一个是根据各子块的前9个AC系数构建AC系数差值直方图用于描述图像的局部形状特征.结合颜色直方图、均值-方差直方图和AC系数差值直方图构成图像检索的特征向量.实验结果表明,算法有效描述了图像的形状、纹理和颜色特征,查全率和查准率均有提高,检索性能较优.     

一种基于多特征融合的图像检索方法

基于单特征的图像检索系统一般性能较低.提出了一种基于多特征融合的图像检索方法.通过对HSV颜色空间的非等间隔量化,提取一维颜色特征向量及其累加直方图.基于灰度共生矩阵(GLCM)进行纹理特征的提取.将两类特征结合,设计了一种基于多特征融合的图像检索方法.利用相似性度量方法分别对颜色特征和纹理特征以及融合后的特征进行了图像检索实验.结果表明,基于颜色和纹理特征相融合的多特征融合方法具有更好的图像检索性能.     

基于颜色和空间特征的图像检索

提出一种新的基于颜色和空间特征的图像检索算法。首先,将检索图像转换为HSV颜色空间并进行量化,提取环形颜色空间信息熵作为颜色空间分布特征。其次,计算每个像素点的多邻域的量化颜色值的一、二阶中心矩,利用各阶统计矩的信息熵来表征图像颜色的局部空间特征。最后,对特征向量进行高斯归一化,采用特征向量的L1-norm距离计算彩色图像的相似度并进行图像检索。试验结果表明该方法比CDE和Geostat算法具有较好的检索效果。     

基于综合特征的彩色图像检索算法

针对单一特征不足以准确描述图像的问题,提出了一种综合颜色和形状特征的图像检索算法.该算法对HSV颜色空间进行特殊处理并量化编码,提取各像素点及其多邻域颜色矩的归一化直方图作为颜色特征;对图像进行整数小波变换后的低频分量分块并编码,提取一步转移概率矩阵作为形状特征;综合利用颜色、形状两个特征计算图像间的相似度,并进行彩色图像检索.仿真实验结果表明,该算法能够准确和高效地查找出用户所需内容的彩色图像,且具有较好的查准率和查全率.     

基于综合特征的彩色图像检索

本文综合利用颜色和形状特征进行基于内容的彩色图像检索.利用边缘方向自相关图表示图像的形状特征.对于颜色特征,计算图像颜色的局部累加直方图,同时提取分块的颜色矩弥补其不包含颜色空间分布关系的缺点.并利用Guassian模型对各特征的距离进行归一化,综合上述三个归一化距离,进行全局相似度量,且用权值调整的相关反馈方法进一步提高检索精度.与局部累加颜色直方图和局部颜色矩的方法相比较,本文提出的方法获得了更好的检索结果.     

基于多特征融合的图像检索方法

提出了一种综合颜色直方图和彩色共生矩阵相结合的彩色图像检索方法.首先,对彩色图像进行量化,并利用直方图计算图像之间的欧式距离;然后,利用彩色共生矩阵提取图像的纹理特征并计算图像之间的欧式距离;最后,利用综合加权的颜色特征和纹理特征实现图像检索.实验结果表明,与直方图和灰度共生矩阵相比,该方法能较好地满足用户需求,具有较高的检索性能.     

基于多特征融合的图像检索方法

提出了一种综合颜色直方图和彩色共生矩阵相结合的彩色图像检索方法.首先,对彩色图像进行量化,并利用直方图计算图像之间的欧式距离;然后,利用彩色共生矩阵提取图像的纹理特征并计算图像之间的欧式距离;最后,利用综合加权的颜色特征和纹理特征实现图像检索.实验结果表明,与直方图和灰度共生矩阵相比,该方法能较好地满足用户需求,具有较高的检索性能.     

基于分块颜色矩和纹理特征的图像检索方法

基于内容的图像检索技术是当今研究的热点领域之一.为了克服全局直方图检索方法不包含颜色的空间分布信息的不足,提出了一种采用固定块图像分割方法提取图像局部颜色矩的图像检索算法.在此基础之上,对检索结果进行基于纹理特征的二次检索.实验表明,圆环形分割块颜色矩算法不仅记录了颜色的空间信息,而且具有旋转、平移不变性的特点.综合利用图像颜色、纹理的检索方法能够大大提高检索结果的准确性.     

综合颜色块的直方图图像检索算法

为了进一步提高基于颜色直方图的图像检索算法的效率,本文提出一种寻找图像中最大颜色块、提取其局部直方图,并与原直方图综合的新算法.该算法在保留原算法的同时,添加了色彩的空间分布特征,从而降低检索结果对颜色的绝对依赖.仿真实验结果表明,本文算法具有较好的查准率和查全率,对色块明显的图像检索效果尤其显著.     

一种基于纹理特征的图像检索算法

本文介绍了一种基于纹理特征中心加权的图像检索算法.计算差分矩阵进行纹理的相似度比较,并且根据图像中心的重要性,对图像不同像素的差分值采用不同的加权系数,越靠近图像中心加权系数越大.最后,与差分直方图进行比较,实验表明,本文算法具有比较好的检索结果.     

基于颜色和纹理特征的森林火灾图像识别

为了降低火焰状干扰源存在时森林火灾的误报率,提高火灾预警的快速性,根据火焰独特的颜色和纹理特征,提出了以分块的LBP直方图特征结合LPQ直方图特征的火焰识别算法。首先利用YCbCr颜色空间的规则进行颜色检测,得到疑似火焰区域;再使用LBP、LPQ分别从空域、频域提取纹理,图像空域和频域的纹理特征结合后,得到特征向量;最后将特征向量输入SVM分类器进行测试和火焰识别。实验结果表明:此融合算法鲁棒性强、检测率高,存在火焰状干扰源时,测试集的火焰识别准确率可达94.55%;与深度学习算法对比,该算法在保证较高正确率的同时,预测耗时大幅度减少,预测耗时是DBN的1/4、是CNN的1/50,提高了火灾预警的快速性,为快速准确的林火预警提供了算法依据。