基于多图学习的情感图像检索研究

构建了一个统一的多图学习框架,来验证在不同类别情感图像中,使用不同级别特征在情感图像检索上的性能表现。首先,提取每个图像在不同层级上的共有特征,其中,从元素级别提取的一般特征作为底层特征;可解释的属性特征作为中层特征;而情感图像的语义感念描述作为高层特征。其次,为每种类型的特征构建一个图模型来验证情感图像检索的性能。最后,将多个图模型合并在一个规范化的框架内来学习每个图模型的优化权重。通过在5个不同数据集上得到的实验结果验证了所提方法的有效性。     

基于语义绑定的分层视觉词汇库的图像检索

提出了一种解析复杂图像语义的模型——分层语义模型,给出了解析复杂语义和构造模型的方法.提出了基于分层语义模型的语义绑定的分层视觉词汇库的概念,给出了构造词汇库的具体方法和步骤,同时对词汇库细节问题给出了解决的方法.将提出的分层视觉词汇库应用于基于内容和语义的图像检索中,并给出了构建图像检索系统的方法和检索图像的步骤.该模型在图像检索中可同时满足基于图像内容的检索方式和基于图像语义的检索方式.实验结果表明,该方法比基于SIFT(Scale Invariant Feature Transform)特征向量的图像检索方法具有更好的性能.     

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.     

多特征组合和用户反馈的图像检索算法

针对单一特征只能描述图像内容部分信息的缺陷,为获得更高准确率的图像检索结果,设计一种基于多特征组合和用户反馈相融合的图像检索算法.首先提取图像的多种特征,将其组合形成图像检索的特征向量,并采用欧氏距离计算图像间的相似度,实现图像初步检索;然后通过用户对图像初步检索结果进行评价和反馈,并采用机器学习算法根据反馈结果对图像初步检索结果进行调整,实现图像的精确检索;最后采用图像库检索的标准数据进行仿真测试.测试结果表明,该算法获得了稳定的图像检索结果,图像检索准确率明显高于其他算法.     

一种基于度量距离学习的图像检索方法

CBIR系统由于受图像低层特征的限制,制约了它的检索效果。机器学习和统计方法是一种有效的提高检索性能的方法,但通常需要大量的训练样本才能达到满意的检索精度。提出一种理想的距离度量函数,在对图像进行简单分类并提供少量训练样本的基础上,通过类的距离度量矩阵M的学习来考虑分量之间的相关性。这个度量导入二次最佳化问题的解,将训练样本类结构的倾斜最小化。试验结果表明,该方法能在学习样本极少的情况下提高检索的性能。     

基于叙词查询的图像标注方法

为了能更好地反映图像标注之间的关系,将叙词查询的概念引人到传统的基于查询的图像标注领域,通过已标注图像的关键词建立标注之间的关系,从而构建了基于叙词查询的图像自动标注方法.最后在Corel图像数据库中对所提出方法的有效性进行了验证.     

区域相关融合纹理特征FDPC图书馆文档图像检索

为实现数字图书馆馆藏资源的检索效率和检测精度的提升,提出基于快速纹理密度极值的聚类算法(FDPC)的图像检索策略.首先,对图书馆图像资源检索问题进行基于内容的检索框架构建,然后采用直方均衡以及中值滤波策略实现图像资源的背景处理和噪声过滤,并通过二值化对图书馆馆藏图像资源进行处理,获得检索框架图像输入的预处理操作;其次,利用极值密度聚类算法(DPC)对图像的分类问题进行研究,同时为了增强算法的聚类效果,基于动态距离截断策略对其进行改进,获得DPC算法性能的有效提高;最后,基于图书馆标准测试库(Corel)对所提算法的性能进行实验验证,试验结果表明所提方法具有更高的检索效率和检索精度.     

基于连续肯德尔相关系数学习相似度函数的图像检索方法

提出了一种基于连续肯德尔相关系数学习图像间相似度函数和运用学习的相似度函数进行图像检索的方法.通过对500幅图像所组成的图像数据库以及和其他传统相似度函数学习方法在图像检索中检索效果的比较实验可以得出:该方法的图像检索效果要优于其他相比较的传统方法.     

基于GAN的低照度图像增强算法研究

针对低照度图像增强问题,提出一种基于GAN的循环式图像增强网络,引入无监督学习方式,通过降低循环一致性损失和对抗性损失,估计低照度图像的原始光照图,并利用建立的图像增强模型公式,对光照不足环境下采集到的图像进行亮度等方面的增强．在人工合成低照度图像数据集和真实自然低照度图像数据集上,均进行了质化评价和量化评价,实验表明,与现有的一些图像增强方法相比,本文所提出的方法具有更好的图像增强效果,能够由低照度图像复原出生动、清晰、直观、自然的高质量图像．     

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。     

分形域内彩色图像检索算法

提出一种在分形域内对彩色图像进行分形编码提取特征的方法, 并将其应用于基于内容的图像检索. 算法充分利用了彩色图像的颜色信息, 有效地解决了传统分形编码方法在图像检索领域中忽略颜色信息和速度慢等问题. 实验结果验证了该方法的快速性、 可行性和有效性.     

一种基于曲线匹配的印鉴图像自动检索方法

从汉字笔划横平竖直这一特点出发,提出了汉字图像中适合于印鉴图像检索的两种特征:汉字的外边缘轮廓和汉字的方向投影密度.进而用函数曲线对这两种特征进行量化描述,将对汉字的匹配归结为对函数曲线的匹配.最后通过实验验证了这两种特征的稳定性以及基于这两种特征的曲线匹配方法的有效性.     

利用熵和分形压缩编码的图像检索新方法

图像的抽象描述和特征提取是基于内容的图像检索系统中需要解决的关键问题之一,文章提出了一种图像信息熵和分形编码相结合的图像检索方法．首先,计算图像库中的各幅图像的信息熵,比较设定的阈值对图像库进行预分类;其次．利用Jacquin方法计算得到查询图像的分形IFS编码,应用到图像库同类的图像进行分形迭代解码;最后,计算解码图像与查询图像的相似距离得到检索结果．实验结果表明,与直接像素值相似匹配方法相比,该法在基本保证图像检索效率的前提下,极大地提高了检索时间．     

基于空间像素强度的脑瘤图像检索方法

针对脑瘤图像提出一种基于内容的检索方法. 首先采用图像膨胀算法增强脑瘤图像的感兴趣区域(ROI); 然后基于点的空间像素强度的特征提取方法, 描述脑瘤图像增强后的ROI局部特征; 最后引入聚合特征算法提高图像特征的辨别能力和压缩能力. 实验对比3种脑瘤图象检索方法的结果表明, 该算法可得到较高的检索精确度, 可实现高效、 准确的脑瘤图像检索.     

基于RGB分量小波分解的数字图书馆图像检索技术

图像检索技术是数字图书馆进一步发展的核心技术,目前主要受到检索准确度和检索速度之间矛盾的制约.为此提出了一种基于RGB分量小波分解的图像检索方法.首先,利用原始图像信息生成RGB三色分量图像.然后,将每一幅分量图像进行小波分解,求取其低频分量成分.最后,利用RGB三色分量图像的低频成分进行融合,生成最终的相似性测度.实验结果表明,此方法可以在确保准确性的前提下,快速地实现图像检索.     

机场目标检索在雷达景象匹配数据库中的应用

采用基于内容的图像检索方法，对雷达景象匹配数据库中的图像数据进行兴趣目标的查询检索与识别．由于雷达图像具有受斑点噪音影响明显等特点，故综合运用迭代阈值选取以及区域生长的方法，进行兴趣目标（主要是机场）的分离；由于匹配数据库中图像数据范围比较大，包含目标多，为了在检索过程中确定检索目标在图像中的位置，预处理时，采用对同一图像多幅子图进行特征提取的方法，最终在检索时通过子图范围来确定目标在大幅图像上的位置．由实验分析，证明在机场目标的检索识别中，这一方法是可行的．     

基于对抗样本的深度学习图像压缩感知方法

压缩感知是研究数据采样压缩与重构的信号处理新理论,近年来研究人员将深度学习运用到图像压缩感知算法中,显著提高了图像重构质量.然而,图像信息常与隐私关联,高质量的重构图像在方便人们观赏的同时,带来了隐私保护的问题.本文基于深度学习理论,提出一种对抗的图像压缩感知方法.该方法将压缩理论和对抗样本技术统一于同一个压缩感知算法,通过设计损失函数,联合重构误差和分类误差来训练压缩感知深度神经网络,使得压缩感知重构样本同时也是一个对抗样本.因此,重构图像在保证重构质量的同时,也能对抗图像分类算法,降低其识别率,达到保护图像隐私的效果.在Cifar-10和MNIST图像集上进行的实验结果表明,和已有的压缩感知方法相比,我们提出的对抗压缩感知方法以损失仅10%的图像重构质量为代价,使得图像分类精度下降了74%,获得了很好的对抗性能.     

基于显著性加权颜色和纹理的图像检索

显著性体现了图像中像素区域引起视觉注意的强弱程度,在图像检索中具有重要意义。本文提出的基于显著性加权的图像检索方法不需要分割出显著性区域,而以显著性加权的方式建立了新的颜色特征和纹理特征,从而增加了显著性区域的颜色与纹理特征的权重。通过对4种主要的显著图的实验比较发现该方法能有效提高检索效果。     

基于欧拉向量的彩色图像检索方法

为了有效地管理图像数据库,并对其进行查询检索所需的图像特征,提出了一种基于欧拉向量的色彩图像检索方法.该方法将图像位平面的灰度码表示和增量位平面表示相结合用于图像检索.结合方式有两种:一种方式是获得联合欧拉向量作为图像的特征,并对联合欧拉向量进行高斯归一化,然后采用距离公式对图像进行相似度计算,并对彩色图像进行检索;另一种方式是利用图像重要位平面所获得的灰度码位平面和增量位平面,分别获得各自的欧拉向量,采用距离公式加权的方法进行图像相似度计算.实验结果表明该方法有效改善了检索效果.     

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。