基于模板匹配的图像检索方法研究

基于内容的图像检索实际上是一种近似匹配技术[1],[2],由用户指定一幅示例图像并提取其特征,然后与数据库中的图像特征进行比较,判断其相似程度,并将结果反馈给用户。当两幅图像之间存在着较大的旋转、平移等几何变形时,特征匹配的结果往往并不准确。为了消除影像的几何变形对图像检索的影响,提出了一种先对影像进行变形纠正然后使用模板进行匹配的方法,实验证明该方法的检索精度要高于传统的特征匹配检索精度。     

基于代表色特征的图像检索

基于内容的图像检索（CBIR，Content-based Image Retrieval)在多媒体检索中得到越来越多的重视，本文提出了一种基于图像颜色特征的图像检索方法，在经过变形的HSL颜色模型空间，通过适当的聚类分析算法提取出能够代表图像颜色特征的代表色集，并引入代表色的分布特征和纹理特征，作为图像的特征矢量进行匹配检索，在试验中本方法取得了较好的试验结果。     

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.     

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...     

基于颜色直方图的图像检索

在当前图像检索研究的现状上,提出了基于颜色特征的CBIR系统.采用综合特征（图像的平均值、能量、熵和方差）检索,采用直方图相交算法和曼哈顿距离公式计算图像的相似性,获得较精确的、效率较高的检索结果.     

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。     

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...     

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.     

几何特征表达及基于几何特征的建筑物提取

通过分析高分辨率遥感图像中建筑物光谱特征存在严重的“同物异谱”和“同谱异物”等情况,发现建筑物的几何特征比其光谱特征更加典型. 在总结了建筑物的一些典型几何特征之后,进行了基于几何特征(面积特征、矩形拟合度特征、长宽比特征、走向特征)的建筑物提取实验,发现利用几何特征能够比较有效地提取到建筑物. 由于图像分割离不开光谱特征,即建筑物几何特征的计算受到其光谱特征的影响,依据几何特征的建筑物提取结果不是非常令人满意的. 高度特征是建筑物最典型的几何特征之一,因此将高度特征引入到图像分割和建筑物提取过程是提高建筑物提取精度的新方向.     

使用稠密SIFT特征表达目标的跟踪方法

提出了一种使用稠密SIFT特征进行目标跟踪的算法.该算法首先将表达目标的矩形区域分成相同大小的矩形块,计算每一个小块的SIFT特征,再对各个小块的稠密SIFT特征在中心位置进行采样,建模目标的表达.然后度量两个图像区域的不相似性,先计算两个区域对应小块的Bhattacharyya距离,再对各距离加权求和作为两个区域间的...     

压缩感知稀疏识别用于多视角图像目标分类

针对多视角条件下的图像目标分类问题,提出一种基于压缩感知特征的稀疏识别方法. 该方法以原始图像的感知数据为特征描述,将测试样本与训练样本集的压缩感知特征纳入稀疏识别的框架,并通过求解一个l1范数优化问题来获取分类结果. 实验表明,该方法不仅有效利用了压缩感知特征的信息冗余性来保证稀疏识别的性能,而且无需进行预处理就能较好地实现多视角图像的目标分类.     

Curvelet变换用于人脸特征提取与识别

针对小波变换用于人脸识别时难以充分描述人脸曲线特征的问题,提出用Curvelet变换进行人脸特征提取与识别的新方法. 将人脸图像进行Curvelet变换,提取进一步压缩的低频系数和高频各子带的Curvelet能量特征为人脸特征向量,并采用支持向量机进行特征分类与识别. 以Orl和Yale人脸库进行测试,结果表明,该方法相比小波变换法识别效果更佳,且对光照、姿态和表情变化具有良好的鲁棒性.     

基于阴影检测模型的图像拼接盲取证

拼接篡改是最常见的篡改手段之一。在拼接带有阴影的图像时,篡改者为了掩饰篡改痕迹往往会伪造拼接物的阴影。提出一种基于阴影模型的拼接图像盲取证方法。分析各种经典的阴影模型,在此基础上建立一种适用于拼接篡改取证的阴影模型。使用图像区域增长算法实现对图像阴影的自动提取和定位,并采用能量最小化方法和干扰点去除技术得到鲁棒的阴影比例因子,利用阴影比例因子的不一致性对拼接篡改图像进行盲取证。实验结果表明,该拼接取证方法对于带阴影的拼接篡改图像有较高的检测准确率,能应对各种伪造阴影手段。     

小波域内循环平移操作的图像高分辨率重建算法

为解决传统的图像插值算法因具有全局性而不能较好地处理图像边缘细节信息,且易在细节区域产生锯齿线的问题,提出了一种图像分辨率和对比度增强算法。该算法先用小波零填充算法得到高分辨率图像,并通过纠正残差过程来弥补丢失的边缘和纹理特征,然后对其进行定向循环平移操作。考虑到图像小波分解后水平、垂直、对角方向的高频分量能够反映图像这3个方向的边缘变化情况,从而利用图像不同方向的高频分量来刻画图像像素点不同方向的突变程度。根据这个突变程度来实现循环平移操作的自适应融合过程,这样可以避免过度抑制边缘细节信息。最后对重建的高分辨率图像小波分解后的高频分量使用非线性增强函数,提高图像对比度,突出边缘和轮廓信息。实验结果表明,该算法在增强图像空间分辨率和对比度的同时,保留了原图像包含的边缘和轮廓信息,不仅有较好的视觉效果,还有一定的抗噪能力。     

基于纹理特征分类与合成的鲁棒无载体信息隐藏

针对图像无载体信息隐藏算法嵌入容量与鲁棒性无法很好兼顾的问题，提出了一种基于纹理特征分类与合成的鲁棒无载体信息隐藏算法，使用空间金字塔算法提取纹理图像特征，通过监督式分类训练得到分类模型，同一类别下的不同图像块，利用位置信息进行区分，根据图像块分类和位置信息的不同构建映射字典，传递秘密信息；发送方依据秘密信息选择图像块并根据公共密钥将所有图像块组合为一幅大尺寸图像，通过可逆形变生成复杂的纹理图像并发送给接收方；接收方根据密钥将纹理图像恢复为图像块，利用分类模型识别图像块所属分类并确定位置信息，对照映射字典提取秘密信息.实验和分析表明该算法对JPEG压缩、高斯噪声、椒盐噪声等攻击具有较好的鲁棒性，同时嵌入容量可随图像类别的增加得到提高.     

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。     

基于注意力网络推理图的细粒度图像分类

针对场景图像的细粒度分类任务,结合图像视觉和文本的多模态信息提出了一种基于注意力网络推理图的细粒度图像分类方法.首先提取场景图像的全局视觉特征、局部视觉特征和文本特征,把位置信息分别嵌入局部视觉特征和文本特征后拼接成新的特征,再将这个新的特征作为图结构的节点生成一个异构图;然后设计两条元路径将异构图分解成两个同构图,并...